Claude Code AI оценивает 100 вебинаров за ночь: кейс Otus.ru с цитатами и таймкодами

Я напишу новость по фактам источника, адаптировав структуру: вместо таблицы «Сделка в цифрах» (данных для неё нет) дам таблицу ресурсов проекта, которые названы в источнике. Остальные секции адаптирую под реальное содержание.

---

Инженер из Otus.ru за неделю собрал конвейер, в котором Claude Code в связке с локальной расшифровкой речи и моделью-судьёй автоматически оценивает сотни технических вебинаров по структурированной рубрике с цитатами и таймкодами, заменив ручной просмотр методистами.

Автор кейса и основатель онлайн-школы Otus.ru описал в развёрнутой технической статье, как его компания столкнулась с узким местом: сотни двухчасовых вебинаров в неделю по Java, Linux, DDD и другим темам, а методистов для ручной проверки качества хватает лишь на малую часть. Простое решение «прогнать через чат-бот» разваливается, потому что голый балл без доказательств никто из методистов не примет. Источник статьи, личный блог автора на Хабре, где он ранее публиковал три кейса работы с Claude Code AI на боевых проектах.

Что на самом деле построили?

Конвейер работает в пять шагов. Видео скачивается с платформы, которая отдаёт только файл без готовых субтитров. Затем whisper.cpp (программа распознавания речи, работающая прямо на ноутбуке) расшифровывает запись локально, выдавая текст с таймкодами.

Расшифровка обогащается данными из базы школы: курс, имя преподавателя, методист, программа. Доступ к базе строго на чтение, это одно из жёстких правил, которое автор «навязал» Claude Code AI как ИИ-агенту (программе, которая сама выполняет цепочку действий по заданию).

Дальше вступает модель-судья. Она оценивает занятие не одним числом, а покритериально, по рубрике, которую методисты описывают в формате YAML (текстовый файл-конфигурация, который можно править без программиста). На каждый балл модель обязана привести цитату из расшифровки с таймкодом: «вот здесь преподаватель поставил цель», «вот здесь увёл в сторону на 20 минут».

Результаты ложатся в SQLite (лёгкая локальная база данных). Оттуда формируется письмо-сводка для методиста и статический дашборд с динамикой по преподавателям.

Почему рубрика важнее промпта?

Автор подчёркивает ключевой тезис: главное в модели-судье не промпт (текстовая инструкция для нейросети), а методика. Рубрика хранится как данные, а не зашита в код. Методисты правят её сами, без разработчика. Модель калибруется: её оценки сверяют с тем, как поставил бы живой эксперт.

Без такой калибровки система превращается, по словам автора, в «генератор правдоподобных, но непроверяемых приговоров». Галлюцинация (когда ИИ уверенно выдумывает то, чего не было) здесь особенно опасна, потому что ложная оценка преподавателя ломает доверие ко всей системе.

Отдельно автор описывает, как Claude Code AI вёл себя при разработке. Полезная аналогия из источника: агент работает как «быстрый дисциплинированный джун». Он ускоряет написание кода, но без жёстких правил начинает срезать углы. Автор заставлял агента фиксировать каждое архитектурное решение в журнале, закрывать спринт только с демо-доказательством (не словами «готово», а работающим экраном с данными) и не трогать боевую базу без согласования.

Я писал это в паре с Claude Code. Чтобы из этой пары вышел поддерживаемый прод, а не гора сгенерированного кода, я с самого начала навязал несколько правил. : Автор статьи, основатель Otus.ru

Локальная расшифровка решает две задачи сразу

Решение держать расшифровку внутри контура продиктовано не только экономией. В записях звучат голоса, имена, иногда видны лица. По требованиям к персональным данным их нельзя отправлять во внешние сервисы за пределами РФ. Это, как отмечает автор, «сразу режет половину удобных вариантов». Облачное распознавание было бы и платным, и вне контура, поэтому не рассматривалось.

Для тех, кто работает с контентом в России, это принципиально: локальная обработка через whisper.cpp на Apple M4 обходится бесплатно и не требует отправки данных куда-либо.

Самый ценный результат оказался отрицательным

Автор отдельно выделяет эксперимент с локальной заменой модели-судьи. Попытка закрылась за один вечер и показала, что замена не работает. Без Claude Code AI на проверку этой гипотезы ушли бы недели. Быстрый отрицательный результат сэкономил время и закрыл дискуссию фактом, а не спором.

Это практический урок для любого, кто строит автоматизацию: возможность быстро и дёшево проверить тупиковую идею стоит не меньше, чем удачная находка.

Что делать с этим прямо сейчас, по ролям

Автору Дзена и создателю курсов. Если вы ведёте вебинары или записываете обучающее видео, описанный подход позволяет получить структурированную обратную связь по каждому занятию без ручного пересмотра. Whisper.cpp работает бесплатно на MacBook с чипом M-серии. Рубрику критериев можно составить самостоятельно в текстовом файле.

Маркетологу и продюсеру онлайн-школы. Конвейер превращает субъективное «нравится или нет» в таблицу с баллами по критериям и цитатами. Это аргумент и для преподавателя, и для клиента, и для инвестора.

Предпринимателю в РФ. Данные не уходят за рубеж: расшифровка локальная, модель-судья работает внутри российского контура. Из доступных в РФ инструментов для расшифровки речи можно рассмотреть whisper.cpp (опенсорс, работает на любом железе) и сервисы «Яндекс SpeechKit». Для роли судьи подойдут GigaChat или YandexGPT, хотя автор источника не сравнивает их с использованной моделью.

Рецепт воспроизводим уже сейчас: whisper.cpp бесплатен, YAML-рубрику можно написать за вечер, а SQLite не требует сервера. Самое сложное не код, а решимость записать свои критерии качества честно и вслух.