Voice typing per AI coding: prompt vocali in Cursor e Claude Code senza digitare
Il vibe coding va più veloce quando puoi descrivere la modifica invece di scriverla. Sei esempi completi, i pattern di prompt a cui siamo arrivati e come gestire identificatori multilingue.
TL;DR
Se stai cercando come fare prompt vocali in Cursor, o come ottenere una buona dettatura in Claude Code senza sillabare ogni identificatore, questa è la guida pratica. Il voice typing per AI coding funziona perché i prompt sono soprattutto prosa: contesto, intento, vincoli e aspettative sui test. Loqua aggiunge contesto multimodale dello schermo, formattazione strutturata dei prompt, gestione del vocabolario tecnico e mix EN+cinese a metà frase. Il workflow vibe coding voice che rende di più: prompt lunghi in Cursor, debugging in Claude Code, specifiche di refactor e descrizioni di test. I prompt brevi tipo fix this spesso non sono più veloci a voce; il vantaggio e nelle istruzioni dense.
Loqua è uno strumento di voice typing consapevole del contesto per Mac che vede dove stai lavorando e modella l'output di conseguenza. Per l'AI coding, nello specifico, significa che può rilevare il pannello chat di Cursor, il terminale di Claude Code, la casella prompt di ChatGPT e produrre prompt nella struttura che questi strumenti gestiscono meglio.
Questa non è una pitch listicle sulla produttività. Usiamo la voce ogni giorno per il nostro AI coding e sui prompt lunghi, dove il vantaggio e maggiore, dimezziamo circa il tempo di scrittura. I prompt brevi (fix this) sono più o meno pari. I prompt lunghi e strutturati, come specifiche di refactor, cambi multi-file e narrazioni di debug, sono dove la voce si ripaga.
Perche la voce si adatta all'AI coding
La forma di un prompt per AI coding e diversa dalla forma del codice. Un buon prompt contiene: un blocco di contesto (dove sono, cosa vedo, cosa ho appena provato), un blocco di istruzioni (cosa voglio ottenere) e vincoli (non cambiare X, preserva Y, devono passare i test Z). Questa è prosa, non sintassi, e la prosa e il terreno naturale della voce.
Pensi più velocemente di quanto digiti, facilmente 2x più veloce per la prosa. Il collo di bottiglia non è il modello mentale; e la tassa dei tasti. Per prompt che spiegano una situazione complessa a un LLM, quel divario conta. Loqua aggiunge tre cose alla dettatura di base: vede lo stato dell'IDE (quindi i blocchi di contesto si scrivono quasi da soli), formatta i prompt in modo strutturale (system + user, o lista di step puntati) e gestisce il vocabolario tecnico senza farti sillabare gli identificatori.
Setup per AI coding
Questa sezione presume che Loqua sia installato (vedi la nostra guida di setup per dettare codice su Mac). L'unica configurazione specifica per AI coding e concedere a Loqua il permesso Accessibility, che gli permette di leggere la selezione dell'app attiva e il testo adiacente. macOS Accessibility e documentato su developer.apple.com; e la stessa API usata da screen reader e strumenti di automazione.
Tre abitudini da costruire:
- Seleziona prima di dettare. Se vuoi che il prompt agisca su un blocco specifico, selezionalo prima. Loqua passa la selezione come contesto.
- Apri il pannello chat inline. In Cursor, il pannello chat visibile dice a Loqua che stai facendo prompt, non editing.
- Fai pause per separare la struttura. Una pausa di mezzo secondo viene letta come interruzione di paragrafo nel prompt: utile per separare contesto e istruzione.
Struttura di prompt che funziona
Dopo mesi di prompt vocali, siamo arrivati a tre strutture che producono il comportamento LLM più pulito. Loqua legge come imposti l'inizio di un'utterance e modella l'output di conseguenza.
| Framing che dici per primo | Forma dell'output |
|---|---|
| Refactor this so... | Refactor: [goal]. Constraints: [implicit from selection]. Output: [code]. |
| Debug this — when I X, Y happens but I expected Z | Bug report narrativo con steps, expected, actual. |
| Write a spec for... | Spec strutturata: Goal / Inputs / Outputs / Edge cases / Tests. |
| Add a test that... | Descrizione del test + acceptance criteria. |
| Explain why this code... | Prosa semplice, registro tecnico. |
Sei esempi completi
AuthClient. Remove the legacy fallback path — confirmed unused elsewhere in the codebase. Preserve the public function signature.Steps:
1. POST /search with body
{ "query": "" }2. Server responds 500 (expected: 200 with empty array)
Hypothesis: the empty-string path skips the early-return and hits the indexer with an invalid query.
Fix: add an early return for empty queries.
**Goal:** users save a search query and reload it later.
**Inputs:** search query (string), user id, optional name (string, defaults to first N chars of query).
**Behavior:**
- Persist to user's saved-searches collection.
- Sync across devices via existing user-data sync.
- Queryable by name (case-insensitive substring match).
**Edge cases:** duplicate names → suffix with index; deleted user → cascade delete.
- Send 10 requests in a 60-second window — all succeed.
- 11th request should return 429.
- Response must include a
Retry-After header with seconds-remaining value.- Use existing test fixtures for time control.
userController.ts into three modules — authController, profileController, preferencesController. Keep the public API surface unchanged. Update the router to import from the new locations. No behavior changes; this is a structural refactor only.merge function. The test should snapshot the existing outputs so we can detect any drift introduced by the refactor.Far vedere a Loqua il contesto del file
Quando dici refactor this senza selezione, Loqua invia solo l'istruzione. Quando hai testo selezionato, Loqua include prima dell'istruzione un breve blocco di contesto che descrive cosa è stato selezionato: nome file, righe, identificatori circostanti. Non devi dettare il contesto; lo legge il layer multimodale.
Questo conta per gli strumenti AI che beneficiano di contesto esplicito (Claude Code beneficia in modo particolare di path file e numeri di riga). Lo stack omni-modale di Loqua e ciò che lo rende possibile: vedi la nota più profonda su voice meets vision: omni-modal dictation se vuoi l'intuizione a livello di ricerca.
EN+中 a metà frase
Molte discussioni del nostro team engineering avvengono in mandarino con termini tecnici inglesi mescolati. Fare prompt vocali agli strumenti AI in questo registro e un'attività quotidiana. Loqua gestisce il code-switching senza toggle di modalità:
Riuso tra strumenti
La stessa frase vocale, dettata in strumenti AI diversi, produce prompt diversi e appropriati. Non riformuliamo noi: lo fa Loqua.
| Strumento | Forma del prompt prodotta da Loqua |
|---|---|
| Cursor (pannello chat) | Istruzione conversazionale con contesto file implicito |
| Claude Code (terminale) | Istruzione strutturata con path file espliciti e breve piano |
| ChatGPT (web) | Prompt formattato in Markdown con sezioni |
| Aider (terminale) | Istruzione diretta di file-edit con path target |
Scrivi una volta con la voce; Loqua rimodella per destinazione.
Insidie
- Non dettare codice lettera per lettera. La voce serve per la parte in prosa del prompt; lascia che sia l'LLM a produrre il codice. Provare a dettare codice carattere per carattere annulla il vantaggio.
- La selezione conta. Se vuoi che Loqua includa il codice selezionato come contesto, seleziona prima di dettare. Altrimenti invia solo l'istruzione.
- Le pause lunghe chiudono la dettatura. Un silenzio di 1,5 secondi viene letto come fine utterance. Se stai pensando a metà frase, usa un riempitivo: Loqua rimuove i riempitivi dall'output ma li usa per tenere aperta la registrazione.
- Lo stato del pannello chat di Cursor conta. Se il pannello non è visibile, Loqua può trattare la dettatura come modifica al codice invece che come prompt. Apri prima il pannello.
- Non dettare identificatori alla cieca. Se hai il nome di una libreria custom non comune, aggiungilo al Personal Dictionary in Settings oppure pronuncialo come una parola unica.
L'effetto aggregato: il tempo di scrittura dei prompt si dimezza circa sulle istruzioni lunghe, e i prompt stessi migliorano perché la forma vocale incoraggia a spiegare l'intento invece di nominare soltanto la modifica. Questa parte conta più della velocità pura. Per altro sul pattern più ampio voice ai coding, flussi voice prompt Cursor, dettatura Claude Code e come tenere le mani lontane dalla tastiera nelle sessioni lunghe, vedi le guide companion linkate sopra.
Per una riflessione più lunga sul perché la voce si adatta al lavoro con l'AI, vedi why your keyboard is the wrong tool for thinking with AI.
Domande frequenti
Prova Loqua oggi
Gratis per iniziare. Nativa per Mac. Costruita da ricercatori di algoritmi che la usano ogni giorno.
Scarica per Mac