Kann ich Wispr Flow vibecoden?

Baue mir ein systemweites KI-Diktier-Werkzeug wie Wispr Flow für macOS. Anforderungen:

- Eine Hintergrund-App mit globaler Taste (fn gedrückt halten oder ein gewähltes Kürzel). Solange gehalten: Mikrofon aufnehmen. Beim Loslassen: transkribieren und einfügen.
- Deutsch sind Oberfläche, Kommentare und README; Variablen, Konfigurationsschlüssel und Dateinamen bleiben englisch.
- Doppeltippen auf die Taste startet eine freihändige Sitzung, ein weiterer Tipp beendet sie. Automatischer Stopp nach 5 Minuten, damit eine vergessene Sitzung nicht den Nachmittag aufnimmt.
- Esc bricht ab: die Aufnahme verwerfen oder eine laufende Transkription abbrechen. Passiv beobachten, damit Esc weiter in der App ankommt, in der ich tippe.
- Transkription lokal mit whisper.cpp (Modell small oder medium), oder über die Groq- oder OpenAI-Whisper-API, wenn ein Schlüssel in der .env liegt; die Wahl steuert ein Konfigurationsschalter. Nimm für Deutsch ein mehrsprachiges Modell.
- Das rohe Transkript durch ein Sprachmodell schicken (Schlüssel in der .env), mit einem kurzen Prompt, der Füllwörter entfernt, Zeichensetzung repariert und die Groß- und Kleinschreibung an Diktatstil anpasst.
- Das Ergebnis an der Cursor-Position der fokussierten App einfügen (Tastenanschläge simulieren oder Zwischenablage plus Cmd-V). Das Transkript bleibt in der Zwischenablage; ein Konfigurationsschalter stellt stattdessen die vorherige Zwischenablage wieder her.
- Ein kleines schwebendes Pill-Fenster während der Aufnahme zeigt, dass sie läuft und in welchem Modus.
- Menüleisten-Schalter für an und aus, Start bei Anmeldung und eine Einstellungsdatei für das Tastenkürzel.
- Keine Konten, keine Telemetrie, funktioniert offline mit dem lokalen Modell.
- README auf Deutsch: welche Berechtigungen für Bedienungshilfen und Eingabe-Überwachung nötig sind.

Bewusst weglassen:

- Ein eigens abgestimmtes Modell zum Aufräumen des Diktats.
- Tonfall-Anpassung je Anwendung.
- Eine Tastatur fürs Handy.