Digitação por voz para AI coding: prompts por voz no Cursor e Claude Code sem digitar
Vibe coding fica mais rápido quando você descreve a mudança em vez de digitá-la. Seis exemplos resolvidos, os padrões de prompt em que convergimos e como lidar com identificadores multilíngues.
TL;DR
Se você está procurando como fazer prompt por voz no Cursor — ou como acertar ditado no Claude Code sem soletrar cada identificador — este é o guia prático. Digitação por voz para AI coding funciona porque prompts são, em grande parte, prosa: contexto, intenção, restrições e expectativas de teste. A Loqua adiciona contexto multimodal de tela, formatação estruturada de prompt, tratamento de vocabulário técnico e mistura EN+chinês no meio da frase. O workflow de vibe coding por voz que mais compensa: prompts longos no Cursor, debugging no Claude Code, specs de refatoração e descrições de testes. Prompts curtos como "fix this" muitas vezes não ficam mais rápidos por voz; o ganho está nas instruções densas.
A Loqua é uma ferramenta de digitação por voz ciente de contexto para Mac que vê onde você está trabalhando e molda a saída de acordo. Para AI coding especificamente, isso significa detectar o painel de chat do Cursor, o terminal do Claude Code, a caixa de prompt do ChatGPT e produzir prompts na estrutura que essas ferramentas processam melhor.
Isto não é uma lista genérica de produtividade. Usamos voz no nosso próprio AI coding diariamente e reduzimos o tempo de escrita de prompts aproximadamente pela metade em instruções longas, onde o ganho é maior. Prompts curtos ("fix this") empatam. Prompts longos e estruturados (specs de refatoração, mudanças multi-arquivo, narrativa de debug) são onde voz se paga.
Por que voz combina com AI coding
O formato de um prompt de AI coding é diferente do formato de código. Um bom prompt tem: um bloco de contexto (onde estou, o que vejo, o que acabei de tentar), um bloco de instrução (o que quero que seja feito) e restrições (não mude X, preserve Y, precisa passar nos testes Z). Isso é prosa, não sintaxe — e prosa é onde voz se destaca.
Você pensa mais rápido do que digita — facilmente 2× mais rápido para prosa. O gargalo não é seu modelo mental; é o imposto das teclas. Para prompts que explicam uma situação complexa a um LLM, essa diferença importa. A Loqua adiciona três coisas além do ditado básico: ela vê o estado da sua IDE (então blocos de contexto se escrevem sozinhos), formata prompts estruturalmente (system + user, ou lista de passos em bullets) e lida com vocabulário técnico sem você soletrar identificadores.
Setup para AI coding
Esta seção assume que a Loqua está instalada (veja nosso guia de setup para ditar código no Mac). A única configuração específica para AI coding é conceder a permissão de Acessibilidade da Loqua, que permite ler a seleção do app ativo e o texto adjacente. A Acessibilidade do macOS é documentada em developer.apple.com; é a mesma API usada por leitores de tela e ferramentas de automação.
Três hábitos para construir:
- Selecione antes de ditar. Se você quer que o prompt atue em um bloco específico, selecione-o primeiro. A Loqua passa a seleção como contexto.
- Abra o painel de chat inline. No Cursor, o painel de chat visível informa à Loqua que você está criando um prompt, não editando código.
- Pause para quebras estruturais. Uma pausa de meio segundo é lida como quebra de parágrafo no prompt — útil para separar contexto de instrução.
Estrutura de prompt que funciona
Depois de meses fazendo prompts por voz, convergimos em três estruturas que produzem o comportamento mais limpo em LLMs. A Loqua lê como você enquadra o início de uma fala e molda a saída de acordo.
| Enquadramento que você diz primeiro | Formato da saída |
|---|---|
| "Refactor this so..." | Refactor: [objetivo]. Constraints: [implícitas pela seleção]. Output: [código]. |
| "Debug this — when I X, Y happens but I expected Z" | Relato narrativo de bug com passos, esperado e atual. |
| "Write a spec for..." | Spec estruturada: Goal / Inputs / Outputs / Edge cases / Tests. |
| "Add a test that..." | Descrição de teste + critérios de aceite. |
| "Explain why this code..." | Prosa simples, registro técnico. |
Seis exemplos resolvidos
AuthClient. Remova o caminho legado de fallback — confirmado como não usado em nenhum outro lugar da base. Preserve a assinatura pública da função.Passos:
1. POST /search com body
{ "query": "" }2. Servidor responde 500 (esperado: 200 com array vazio)
Hipótese: o caminho de string vazia pula o early return e chega ao indexador com uma query inválida.
Correção: adicionar early return para queries vazias.
**Objetivo:** usuários salvam uma query de busca e a recarregam depois.
**Entradas:** query de busca (string), user id, nome opcional (string, padrão para os primeiros N caracteres da query).
**Comportamento:**
- Persistir na coleção de saved-searches do usuário.
- Sincronizar entre dispositivos via sync existente de user-data.
- Consultável por nome (busca de substring case-insensitive).
**Casos de borda:** nomes duplicados → sufixar com índice; usuário deletado → cascade delete.
- Envie 10 requests em uma janela de 60 segundos — todos passam.
- O 11º request deve retornar 429.
- A resposta deve incluir um header
Retry-After com o valor de segundos restantes.- Use os fixtures de teste existentes para controle de tempo.
userController.ts em três módulos — authController, profileController, preferencesController. Manter a API pública inalterada. Atualizar o router para importar dos novos locais. Sem mudanças de comportamento; esta é apenas uma refatoração estrutural.merge. O teste deve capturar os outputs existentes para detectarmos qualquer desvio introduzido pela refatoração.Deixando a Loqua ver contexto de arquivo
Quando você diz "refactor this" sem seleção, a Loqua envia apenas a instrução. Quando há texto selecionado, a Loqua inclui um bloco curto de contexto descrevendo o que foi selecionado — nome do arquivo, linhas, identificadores ao redor — antes da instrução. Você não precisa ditar o contexto; a camada multimodal lê.
Isso importa para ferramentas de IA que se beneficiam de contexto explícito (o Claude Code se beneficia especialmente de caminhos de arquivo e números de linha). A stack omni-modal da Loqua é o que torna isso possível — veja a nota mais profunda sobre voz encontra visão: ditado omni-modal se quiser a intuição em nível de pesquisa.
EN+中 no meio da frase
Muitas discussões da nossa equipe de engenharia acontecem em mandarim com termos técnicos em inglês misturados. Criar prompts por voz para ferramentas de IA nesse registro é uma atividade diária. A Loqua lida com code-switching sem alternar modo:
Reuso entre ferramentas
A mesma frase por voz, ditada em diferentes ferramentas de IA, produz prompts adequadamente diferentes. Não precisamos reenquadrar — a Loqua faz isso:
| Ferramenta | Formato de prompt que a Loqua produz |
|---|---|
| Cursor (painel de chat) | Instrução conversacional com contexto de arquivo implícito |
| Claude Code (terminal) | Instrução estruturada com caminhos de arquivo explícitos e um plano breve |
| ChatGPT (web) | Prompt formatado em Markdown com seções |
| Aider (terminal) | Instrução direta de edição de arquivos com caminhos-alvo |
Você escreve uma vez com a voz; a Loqua remolda por destino.
Pegadinhas
- Não dite código letra por letra. Voz é para a parte em prosa do prompt; deixe o LLM produzir o código. Tentar ditar código caractere por caractere destrói o propósito.
- Seleção importa. Se você quer que a Loqua inclua o código selecionado como contexto, selecione antes de ditar. Caso contrário, ela envia só a instrução.
- Pausas longas encerram o ditado. Um silêncio de 1,5 segundo é lido como fim da fala. Se você está pensando no meio da frase, use uma palavra de preenchimento — a Loqua remove vícios de fala da saída, mas os usa para manter a gravação aberta.
- O estado do painel de chat do Cursor importa. Se o painel não estiver visível, a Loqua pode tratar seu ditado como uma edição de código em vez de prompt. Abra o painel primeiro.
- Não dite identificadores às cegas. Se você tem um nome de biblioteca customizado que não é comum, adicione ao Personal Dictionary em Settings ou pronuncie como uma palavra só.
O efeito agregado: o tempo de escrita de prompts cai aproximadamente pela metade em instruções longas, e os próprios prompts ficam melhores porque o formato de voz incentiva explicar intenção em vez de apenas nomear a mudança. Essa parte importa mais do que velocidade bruta. Para saber mais sobre o padrão mais amplo de coding com IA por voz — fluxos de prompt por voz no Cursor, ditado no Claude Code e como manter as mãos fora do teclado em sessões longas — veja os guias complementares vinculados acima.
Para uma visão mais longa sobre por que voz combina com trabalho de IA, leia por que seu teclado é a ferramenta errada para pensar com IA.
Perguntas frequentes
Experimente a Loqua hoje
Comece de graça. Nativo para Mac. Criado por pesquisadores de algoritmos que usam o produto todos os dias.
Baixar para Mac