Simon Willison cria recurso de blog por voz com ChatGPT Codex
Simon Willison construiu a página de newsletters do seu blog usando o modo de voz do ChatGPT Codex, com preview local e revisão de código via pull request.…
Resumo: Simon Willison usou o modo de conversa por voz do ChatGPT, na aba Codex, para construir uma nova página de newsletters no seu blog enquanto cozinhava. O caso mostra que voz e preview visual já permitem conduzir um agente de código em tarefas reais, mas a digitação continua sendo necessária nos detalhes.
Pontos-chave
- Simon Willison criou a página de newsletters do blog quase toda por voz no ChatGPT Codex.
- A sessão usou preview local de um projeto Django e o modelo GPT-6 Astra High.
- Importações de dados exigiram chave de API e ajustes feitos por digitação.
- A revisão do pull request trocou uma importação via Git em subprocesso por API.
- O autor vê a voz como útil para multitarefa, mas mantém o teclado para detalhes.
Nesta matéria
O que Simon Willison construiu e por que isso importa agora#
Simon Willison publicou uma nova página de newsletters no seu blog: um índice que reúne as edições semanais gratuitas do Substack e os resumos mensais exclusivos para patrocinadores do GitHub. O recurso foi criado quase inteiramente por comandos de voz, com o autor conversando com o laptop enquanto preparava o jantar.
A relevância está no formato de trabalho: em vez de demo, o episódio descreve uma tarefa real de desenvolvimento conduzida por voz, com preview local e revisão de código. Isso ajuda quem desenvolve com IA a entender onde a interface falada já funciona e onde ainda perde para o teclado.
Como funcionou o fluxo com o ChatGPT Codex#
Willison usou o aplicativo desktop do ChatGPT, na aba Codex, com o modo de conversa por voz, rodando contra um ambiente local de desenvolvimento do seu blog em Django. Ele iniciou a sessão a partir do checkout local e obteve um preview do site que seria modificado, o que permitiu acompanhar visualmente o progresso.
Depois, acionou o botão de iniciar uma nova conversa por voz e posicionou o laptop na cozinha. O modelo usado nessa sessão foi o GPT-6 Astra High, segundo o relato, e o escopo incluía um novo modelo de dados, uma migração, código de views, templates e funções de importação para popular o banco.
- Ambiente local em Django com preview do site
- Modo de voz na aba Codex do app desktop
- Modelo citado: GPT-6 Astra High
- Sessão de cerca de meia hora, o tempo do jantar
O que o autor pediu em linguagem natural#
No trecho de transcrição divulgado, Willison explica que o novo tipo de conteúdo não deveria aparecer nas páginas de tags nem no índice do blog. Em compensação, queria que as newsletters surgissem nas páginas por data e que as edições mensais, depois de públicas, entrassem nos resultados de busca.
Ele também justificou a necessidade de um novo modelo de dados: as edições do Substack são cópias de conteúdo já publicado no blog, enquanto as mensais têm conteúdo original. Segundo o relato, o pedido falado foi claro o suficiente para o modelo entender o que deveria ser construído.
Quais foram os limites da abordagem por voz#
A sessão por voz chegou perto do resultado final, mas travou nas importações. O modelo ofereceu exportar dados da cópia local para importação em produção, mas Willison queria o mesmo padrão dos seus outros scripts, o que envolvia uma chave de API para acessar um repositório privado no GitHub.
Nesse ponto, foi preciso sentar ao teclado. Depois de criar a chave, ele pediu ao Codex que abrisse um branch e um pull request. Na revisão no GitHub, identificou que uma das importações usava Git em subprocesso e pediu a troca por uma importação baseada em API. Ajustes de exibição das páginas públicas também foram feitos por digitação, em mais cerca de meia hora.
- Chave de API para repositório privado exigiu intervenção manual
- Revisão no GitHub encontrou uso de Git em subprocesso
- Importação foi trocada por abordagem via API
- Ajustes finais de exibição feitos por digitação
Voz com preview visual muda a experiência de programar?#
Willison compara o caso a experiências anteriores de uso do modo de voz do ChatGPT no celular, durante caminhadas, mais voltadas a pesquisa e brainstorming. A diferença aqui, segundo ele, é a combinação do preview visual com a possibilidade de digitar ou colar informações quando algo não funciona bem por voz.
Ainda assim, ele afirma que volta ao teclado quando entra nos detalhes. Colar exemplos e mensagens de erro ou destacar diretamente o trecho de código a mudar continua sendo mais eficiente do que descrever tudo em palavras.
O que isso muda para quem usa IA#
O relato indica que a voz já serve para conduzir um agente de código em tarefas de escopo definido, especialmente quando há feedback visual imediato. Para projetos maiores, a revisão humana segue indispensável, sobretudo em integrações, credenciais e padrões internos de importação.
Ferramentas que reúnem vários modelos em uma única interface, como a Invision, ajudam a testar essa combinação sem trocar de integração a cada experimento. A escolha do modelo, porém, deve considerar o tipo de tarefa: voz para exploração e ajustes visuais, texto para depuração e revisão fina.
Perguntas frequentes
Simon Willison usou qual ferramenta para criar o recurso por voz?
Ele usou o aplicativo desktop do ChatGPT, na aba Codex, com o modo de conversa por voz, contra um ambiente local de desenvolvimento do blog em Django. O modelo citado na sessão foi o GPT-6 Astra High.
Foi possível construir tudo apenas falando?
Não. A parte de voz avançou bastante, mas as importações exigiram criar uma chave de API no teclado. A revisão do pull request também foi feita por digitação, incluindo a troca de uma importação via Git em subprocesso por uma abordagem via API.
Quanto tempo levou a sessão por voz?
Segundo o relato, cerca de meia hora, o tempo do jantar. Depois, ele passou mais aproximadamente meia hora digitando para ajustar importações e a exibição das páginas públicas antes de publicar.
O que a nova página de newsletters mostra?
Ela reúne as edições semanais gratuitas do Substack e os resumos mensais exclusivos para patrocinadores do GitHub em ordem cronológica inversa, com links para arquivos por ano mais abaixo na página.
Voz substitui a digitação no desenvolvimento com IA?
Para o autor, não. Ele considera a voz útil para multitarefa e para tarefas com preview visual, mas prefere digitar ao colar erros, exemplos ou destacar trechos específicos de código.
Fonte original: A new feature for my blog, built using my voice (Simon Willison). Matéria escrita pela redação da Invision a partir dessa notícia. Versão em texto.