OpenCode Hex: локальный голосовой ввод и графические аннотации для ускорения работы с ИИ-агентамиЗаметка · дайджест за 9 ноября
Вид строго сверху на рабочий стол с винтажным микрофоном OpenCode Hex и блокнотом голосовых команд.
Заметка3 раздела≈ 4 мин

OpenCode Hex: локальный голосовой ввод и графические аннотации для ускорения работы с ИИ-агентами

Когда нужно подробно объяснить ИИ-агенту сложный баг в верстке или логику рефакторинга, обычно приходится выбирать один из двух неудобных путей. Либо ты подолгу набиваешь многострочную простыню на клавиатуре, теряя силы на опечатки, либо включаешь облачный голосовой ввод — и тут же упираешься в правила корпоративной безопасности, запрещающие отправлять описание закрытой архитектуры на чужие серверы.

Я искал способ обойти эту развилку, пока не изучил OpenCode Hex — бесплатную открытую утилиту на Rust (лицензия MIT, стабильный релиз от 31 октября) от команды Anomaly. Как перестать тратить время на долгий набор промптов руками и передавать контекст задачи ИИ-агентам голосом и графикой прямо со своего компьютера без облаков?

Клавиатурное трение: почему скорость печати тормозит работу с агентами

Загвоздка кроется в разрыве между тем, как быстро соображают нейросети, и тем, как медленно мы передаём им мысли через клавиши. При работе с терминальными и редакторскими агентами вроде Claude Code, Cursor или OpenCode нужно подробно описывать, в каком модуле всплыла ошибка и какие файлы трогать нельзя. Обычный человек печатает со скоростью 40–50 слов в минуту, тогда как вслух мы говорим в темпе 130–150 слов в минуту. Если на каждое поручение уходят минуты ручного набора, то за день клавиатура съедает до половины рабочего времени с ИИ — а если из-за усталости начинаешь писать короче, то агент теряет контекст и выдаёт сырой код.

В итоге самый быстрый ИИ-помощник работает ровно со скоростью твоих пальцев.

Голос и маркер вместо тысячи слов: как работают диктовка и режим Annotate

Чтобы убрать этот тормоз, создатели проекта (ранее мы разбирали их консольный агент OpenCode для кодинга и автоматизации) построили ввод вокруг удержания клавиши (Option на macOS, Ctrl + Space или Alt на Windows и Linux). Если зажать кнопку, произнести задачу и отпустить, то локальная модель распознавания речи (Whisper или Parakeet) переведёт голос в текст и вставит его туда, где мигает курсор — в терминал, браузер или окно чата. Ты наверняка спросишь: «А что делать с названиями библиотек, которые обычные диктовки вечно коверкают?» В Hex для этого есть пользовательский словарь (Custom Vocabulary): достаточно внести в конфиг термины вроде k8s, fastapi или useCallback, чтобы точность их расшифровки выросла до 99%, а через сервер протокола контекста моделей (Model Context Protocol, MCP) агенты сами читают свежие заметки.

Но главный выигрыш появляется там, где словами объяснять долго и проще показать на экран.

Для таких задач в утилиту встроен режим Annotate. Допустим, инженеру нужно быстро починить поехавший дашборд и поправить бэкенд без перечисления классов верстки. Разработчик открывает отчёт в браузере рядом с окном агента, нажимает Option + Shift + S на Mac (или F9 на Linux), без кликов обводит курсором кривой график, рисует стрелку к фильтру дат и вслух проговаривает замечание по коду — почему при смене часового пояса съезжает группировка. Линия маркера тает через секунду, но остаётся на записи: после остановки Hex склеивает кадры с рисунком и текстовую расшифровку речи в единый пакет и отправляет его прямо в диалог с агентом (или через команду hex annotate).

Результат ощущается мгновенно: вместо пяти минут мучительного описания «второго графика слева» постановка задачи занимает пятнадцать секунд речи и одно движение рукой. Инженер ускоряет формулирование инструкций в 3–4 раза, а агент с первого раза видит и визуальный баг, и точную задачу по коду.

Приватность без облаков и настройка на Mac, Windows и Linux

При работе с микрофоном и экраном на первое место выходит защита закрытого контура безопасности. Если облачные сервисы уводят звук на чужие серверы, то в OpenCode Hex распознавание идёт на 100% локально на устройстве: аудио не покидает оперативную память и не сохраняется на диск, а текстовый лог диктовок хранится локально 7 дней с кнопкой очистки Clear All. Благодаря Rust фоновый процесс занимает менее 80 МБ памяти. Стабильная версия для macOS 15+ (Apple Silicon и Intel) ставится через инсталлятор или Homebrew, а для Windows 10/11 (x64 с AVX2 и ARM64; режим Annotate появится позже) и Linux (Debian, Ubuntu, Fedora и openSUSE под X11/i3 и Wayland/wlroots) доступны бета-сборки.

Каждая такая деталь возвращает инструментам их изначальный смысл. В конечном счёте мы приручаем ИИ-агентов не ради того, чтобы до полуночи стучать по клавишам у монитора, а ради свободы времени, ясной головы к вечеру и спокойного живого общения с близкими.

Хочу подробный разборГолоса помогают выбрать, что разобрать подробно. За этот материал 0 голосов.
Источники · 2