English Lesson Review: AI-разбор реальных разговоров на английском
Веб-приложение, которое превращает транскрипт или запись урока английского в структурированный разбор: полезная лексика, повторяющиеся ошибки, естественные формулировки, оценки навыков и план повторений.
- Клиент
- Flowtopia — собственный продукт, построен как эталонная реализация
- Инструменты
- Next.js 16, Supabase (Postgres, Auth, Storage), Claude / OpenAI, OpenAI Audio API, Stripe, Cloudflare Workers
Задача
Люди, которые занимаются английским с преподавателем или ежедневно говорят на нём по работе, редко получают полезную обратную связь после разговора. Урок заканчивается, запись лежит в Teams или Zoom, а на следующей неделе повторяются те же ошибки. Ученику нужно знать, какие выражения стоит запомнить, какие ошибки повторяются, как формулировать естественнее и что отработать до следующего занятия — и всё это без того, чтобы преподаватель тратил лишний час на каждый урок.
Нам также нужен был публичный пример того, как мы строим AI-продукты: работающая система с реальными ограничениями (квоты, оплата, приватность), а не презентация.
Решение
English Lesson Review — веб-приложение, написанное по подробной продуктовой спецификации и собранное за один рабочий день. Ученик входит через Google, загружает транскрипт (.txt, .vtt, .srt) или аудиофайл и отмечает, какие реплики принадлежат ему, — система никогда не угадывает говорящего. Фоновая задача отправляет разговор языковой модели со строгой схемой ответа и историей ученика: известная лексика, известные паттерны ошибок и предыдущие оценки.
Отчёт состоит из семи разделов: обзор, лексика с русскими значениями и цитатами из контекста, исправления с объяснениями, более естественные формулировки, удачные моменты, которые стоит повторять, пять оценок навыков по внутренней шкале от 1 до 5 с уверенностью модели и практические задания. Любой пункт можно отклонить, поэтому ошибочные подсказки не попадают в личный словарь. Лексика и повторяющиеся ошибки накапливаются от урока к уроку и питают серверное расписание интервальных повторений (1, 3, 7, 14, 30 дней). Заметки экспортируются в Markdown со ссылками, совместимыми с Obsidian.
Под капотом: Postgres с row-level security, очередь задач в базе данных, честные состояния not_configured, когда не задан ключ провайдера, месячные квоты, которые контролирует сервер, и подписки Stripe, подтверждаемые только через подписанные вебхуки. Приложение работает на Cloudflare Workers; секреты управляются через GitHub Actions.
Результат
Готовый к развёртыванию продукт с 72 автотестами, включая интеграционные тесты политик базы данных и логики квот, плюс документация по каждой интеграции. Тот же подход — сначала спецификация, структурированный ответ модели, накопительные данные пользователя, измеримое использование — применим к внутренним AI-тренажёрам для команд продаж, поддержки и онбординга.
Попробовать: english.flowtopia.cloud — публичные страницы открыты; для работы в личном кабинете владелец должен настроить ключи провайдеров.