Приложение на Claude Code за вечер

Claude Code создаёт рабочее приложение распознавания речи за один вечер. Я, Арина Михална, разобрала чужой кейс из Towards Data Science — показываю промпты, ошибки и места, где автор мог сэкономить два часа.

Что за кейс и почему он показательный

Автор статьи собрал приложение для распознавания говорящего — загружаешь аудио, приложение определяет, кто из нескольких человек говорит в каждый момент времени. Задача нестандартная, но структура типовая: фронтенд, API, библиотека для работы со звуком.

Это хороший пример вайбкодинга: задача понятна, есть готовые инструменты (библиотека pyannote.audio), но руками такое приложение заняло бы день. С Claude Code автор уложился в вечер.

Я разобрала его шаги, нашла три места, где он потерял время, и показала, как можно было сделать быстрее.

Первый промпт — ставим задачу целиком

Автор начал с этого:

Создай веб-приложение для распознавания говорящих на Python.
Фронтенд на HTML/CSS/JavaScript, бэкенд на Flask.
Используй библиотеку pyannote.audio для анализа.
Пользователь загружает аудиофайл, приложение показывает
таймлайн с именами говорящих.

Claude за 12 минут написал структуру проекта: папки, зависимости, базовые файлы. Но не запустил.

Что автор сделал правильно:

• Назвал конкретные технологии (Flask, pyannote.audio)
• Описал, что видит пользователь (таймлайн с именами)
• Не расписал детали интерфейса — Claude сам додумал

Что можно было добавить:

• Формат входных данных (WAV, MP3?)
• Нужна ли база данных или всё в памяти
• Где будет лежать результат (скачивание файла, показ на экране)

Без этого Claude угадывает, и иногда угадывает не то.

Вторая итерация — уточняем интерфейс

После первого прогона автор увидел, что интерфейс слишком простой: одна кнопка загрузки и текстовый вывод. Он попросил:

Сделай интерфейс удобнее: добавь прогресс-бар при загрузке, 
визуализацию таймлайна цветными блоками, кнопку скачивания
результата в JSON.

Claude переписал фронтенд за 8 минут. Появился прогресс-бар, таймлайн стал нагляднее, добавился экспорт.

Тут автор потерял полчаса: он не проверил, что прогресс-бар работает. Оказалось, что Flask отдаёт ответ только после полной обработки файла — прогресс-бар висит на 0% и скачет на 100% в конце. Пришлось переделывать на WebSocket.

Третья итерация — API-ключи и деплой

Автор хотел задеплоить приложение на бесплатный хостинг. Тут началось:

• pyannote.audio требует токен Hugging Face
• Библиотека весит 1,5 ГБ, а бесплатные хостинги дают 500 МБ
• Приложение падало при загрузке файлов больше 10 МБ

Автор попросил Claude:

Адаптируй приложение под деплой на Render: 
добавь переменные окружения для API-ключа Hugging Face, 
ограничь размер загружаемого файла до 10 МБ, 
добавь обработку ошибок при загрузке модели.

Claude за 15 минут добавил .env, проверку размера файла и try-except на загрузку модели. Но проблему с весом библиотеки не решил — автору пришлось переходить на платный тариф.

Проблема	Что сделал автор	Что можно было сделать
Библиотека 1,5 ГБ	перешёл на платный хостинг	использовать Docker-образ с предустановленной библиотекой
Файлы больше 10 МБ	ограничил размер	добавить сжатие аудио на клиенте
Модель долго грузится	добавил обработку ошибок	кешировать модель между запросами

Честно: Claude не знает про ограничения конкретных хостингов. Ему нужно сказать: «на Render лимит памяти 512 МБ, как уместить библиотеку 1,5 ГБ?» Тогда он предложит Docker или разбивку на микросервисы.

Где автор потерял время и как этого избежать

Полчаса на прогресс-бар. Автор не уточнил, что Flask отдаёт ответ синхронно. Claude сделал прогресс-бар, но он не работал. Решение: сразу спросить, как реализовать прогресс-бар с Flask, и Claude предложит WebSocket или SSE.

Час на деплой. Автор не проверил требования хостинга до начала. Решение: перед деплоем спросить у Claude: «какие ограничения будут у этого приложения на бесплатном хостинге?»

20 минут на API-ключ. Автор забыл добавить .env в .gitignore, выложил ключ в репозиторий, пришлось перевыпускать. Решение: в первом промпте сразу попросить «добавь .env и .gitignore с чувствительными данными».

Типовые задачи, где вайбкодинг работает быстро

По опыту (своему и чужим кейсам):

• Веб-интерфейсы с API — Claude отлично пишет REST-обвязку
• Дашборды с графиками — особенно если есть библиотека (Chart.js, Plotly)
• Конвертеры данных (CSV → JSON, Excel → SQL)
• Простые боты (Telegram, Discord) — структура стандартная
• Скрипты автоматизации (парсинг, обработка файлов)

Где вайбкодинг буксует:

• Сложная бизнес-логика с кучей условий — Claude путается
• Оптимизация производительности — он пишет «как работает», а не «как быстро работает»
• Интеграции с редкими API — если API плохо документирован, Claude выдумывает

Какие промпты реально нужны

Из кейса автора и моих проектов:

Первый промпт — архитектура:

Создай {{тип приложения}} на {{язык/фреймворк}}.
Пользователь {{что делает}}, приложение {{что выдаёт}}.
Используй {{библиотеки}}, данные храни {{где}}.

Второй промпт — улучшение:

Добавь {{фичу}}: {{как должно работать}}.
Учти {{ограничения}}.

Третий промпт — фиксы:

Ошибка: {{текст ошибки}}.
Что не так и как исправить?

Чем конкретнее промпт, тем меньше переделок.

Что у тебя теперь есть

Ты видишь, как реальный человек собрал приложение за вечер, где он застрял и как можно было избежать этих граблей. Можешь взять его логику и применить к своему проекту.

Подробнее про установку и первые шаги — в статье про Claude Code с нуля. Если нужно больше примеров готовых скиллов — держи подборку.

По материалам: кейс создания приложения на Claude Code.

Читайте также

• Flet Python: собираем приложение без JavaScript
• Claude Code команды: 30+ примеров 2026
• Claude Code: единый дизайн приложения без правок
• На портале «Мастерская нейросетей»: Как создать AI-агентов для SMM и SEO в Claude Code

Я, Арина Михална, разбираю такие кейсы регулярно в своём канале — показываю, что работает, а что нет, и как не терять время на очевидные грабли. Там же делюсь промптами и скиллами, которые использую сама — заходи.