SKI

Beide Hälften des Gesprächs laufen auf deinem Rechner: Spracherkennung hört zu, eine neuronale Stimme spricht. Nichts wird hochgeladen, weil es keine Cloud gibt, an die man es schicken könnte. Praktisch heißt das: dein Audio und deine Transkripte bleiben auf deiner Festplatte, und die lokale Spracherkennung hält die Schleife offline am Laufen. Wer privaten Code oder Kundendaten verarbeitet, verliert damit eine ganze Kategorie von Sorgen.

Diktier-Tools hören beim Text auf. SKI schließt die Schleife, indem es die Antwort des Agenten laut ausspricht. Voll-Duplex-Echounterdrückung lässt dich über offene Lautsprecher mitten im Satz unterbrechen und trotzdem gehört werden, du brauchst also kein Push-to-Talk und kein Headset. Es erkennt, wann du fertig bist, und schickt den Gedanken komplett ab, was das Hin und Her natürlich macht. Keine Grammatik zu lernen. Einfach reden.

Ein grüner Punkt zeigt, dass der Agent wirklich zuhört, in Echtzeit statt per Umfrage. Du kannst mehrere Repos gleichzeitig einbinden, sogar über verschiedene Agenten hinweg, und per Klick auf den Projektnamen wechseln. Jedes Projekt antwortet mit eigener Stimme. In einer Sitzung mit drei Aufgaben siehst du auf einen Blick, welche gerade geantwortet hat.

Schalte ihn ein, und jedes Transkript landet zuerst in einer bearbeitbaren Blase. Nichts erreicht deinen Agenten, bevor du das Häkchen setzt, was dir die Chance gibt, ein falsch gehörtes Wort zu korrigieren oder eine schlechte Anfrage zu stoppen, bevor sie läuft. Es ist die Art Schutzgeländer, die zählt, wenn ein Agent Dateien selbst schreiben und löschen kann. Früh einschalten lohnt sich.

Ein Hotkey greift deinen Bildschirm, und das Bild reist mit deiner nächsten gesprochenen Anfrage mit. Dein Agent kann auch selbst einen Screenshot machen, wenn er sehen muss, was du siehst, was zählt, weil einen Layout-Bug oder einen visuellen Fehler laut zu beschreiben viel langsamer ist als ihn einfach zu zeigen. Warum zählt das? Weil ein Bild allemal mehr sagt als ein Absatz.

SKI nimmt dein Mikrofon plus den Raumklang auf und transkribiert auf dem Gerät, mit nach Sprecher getaggten Spuren und einem Live-Transkript während des Calls. Aufnahmezeit und Aufbewahrung sind unbegrenzt, und du kannst nach Markdown oder reinen Text exportieren. Weil kein Bot dem Call beitritt, sehen die anderen Teilnehmer einfach dich im Meeting, keinen Recorder.

Füge eine Meeting-URL ins Widget ein, und dein Coding-Agent tritt als Live-Teilnehmer bei: sprechend, zuhörend, präsentierend oder still mitschreibend. Er sieht den Bildschirm, kann ihn teilen und liest und sendet Chat. Google Meet, Teams und Zoom werden unterstützt, und du kannst ein Meeting direkt aus dem Widget heraus starten.

Eine einzige Skill deckt die Agenten ab, die Entwickler ohnehin nutzen: Claude Code, Cursor, Codex, Gemini CLI, OpenClaw und mehr. Verbinden ist ein Klick pro Agent, wechselst du also zwischen Projekten das Tool, verlierst du die Sprachschleife nicht. Diese Breite macht es zur Gewohnheit statt zum Ein-Tool-Trick.