ИИ-агент за 2,5 часа написал программу для записи экрана со звуком: кейс вайбкодинга

2,5 часа — от фразы «нужно записывать экран со звуком» до установщика с ярлыком на рабочем столе. Два готовых приложения для Windows — программа для записи экрана со звуком и микрофоном и программа для склейки видео — и ни одной строки кода, написанной руками. Это наш реальный опыт вайбкодинга: написать программу с помощью ИИ-агента, ставя задачу обычными словами.

Кейс про то, как мы в Интегроме используем ИИ-агентов не только для клиентов, но и для себя — и что из этого получается на практике, включая то, что не сработало с первого раза.

Задача

Мы записываем видеокурсы: по Битрикс24, по работе с маркетплейсами, по нашим внутренним инструментам. Каждый урок — это запись экрана с голосом. Казалось бы, программ для этого сотни. Но у каждой нашлось своё «но»:

• профессиональные комбайны вроде OBS умеют всё, но каждый раз приходится вспоминать, где что настраивается, а звук с микрофона и звук компьютера сводятся отдельно;
• простые бесплатные утилиты либо ставят водяной знак, либо пишут только весь экран, либо не умеют паузу;
• встроенная запись Windows не позволяет выделить область экрана и плохо дружит с Bluetooth-гарнитурой.

Нам нужно было ровно четыре вещи: выбрать область экрана, писать одновременно звук компьютера и микрофон, ставить запись на паузу (в курсах это постоянно: открыть нужное окно, собраться с мыслями, продолжить) и потом склеивать несколько записей в один файл. И чтобы всё это делалось двумя кнопками.

Вместо того чтобы искать дальше, мы поставили задачу ИИ-агенту. Не «напиши код функции», а так, как поставили бы её сотруднику: «Нужно приложение на Windows — объединить два видеофайла в один». Потом: «А программу для записи видео со звуком экрана». Потом, уже по ходу: «Чтобы можно было выбирать область экрана», «Гарнитура подключается по Bluetooth», «Нужна ещё пауза — буду видеокурсы записывать».

Как шла работа

Вся переписка с агентом — шесть сообщений с нашей стороны. Ни одного технического термина: мы не говорили ни про кодеки, ни про библиотеки, ни про то, как устроен захват звука в Windows.

Что делал агент между нашими сообщениями:

1. Разобрался с окружением. Проверил, какая версия Python стоит, есть ли FFmpeg, какие аппаратные кодировщики поддерживает видеокарта (оказалось — AMD), какие микрофоны подключены, сколько мониторов.
2. Написал первую версию и сам её протестировал. Не «запустилось — и ладно»: агент сгенерировал тестовые ролики, склеил их в разных режимах, проверил файл с апострофом и кириллицей в имени, проверил отмену посреди работы.
3. Проверил синхронность звука и видео измерением, а не на глаз. Это, пожалуй, самое интересное. Агент написал тест: окно на экране вспыхивает белым и одновременно звучит короткий сигнал. Потом он записал это своей же программой и посчитал по файлу, на сколько миллисекунд звук отстаёт от картинки. Первый результат — рассинхрон около 200 мс. Агент нашёл причину, переделал схему захвата и довёл расхождение до 1–2 кадров.
4. Сам заметил, что запись тормозит. Замерил реальную частоту кадров при записи всего экрана: вместо 30 кадров в секунду получалось 24 с провалами. Перебрал три варианта захвата и настроек кодировщика, оставил тот, где кадры идут ровно.
5. Сделал паузу «мгновенной». Первая реализация паузы останавливала запись и запускала заново — при продолжении картинка на полсекунды замирала. Агент переделал так, чтобы во время паузы кадры и звук просто отбрасывались, а запись шла непрерывно.

Затем мы попросили дизайн «посовременнее, с анимацией», значок и установщик. Агент задал два уточняющих вопроса (одно приложение или два? установщик или папка с exe?), нарисовал значки, переписал интерфейс, собрал установщик и — снова сам — установил программу и проверил, что ярлык на рабочем столе запускает рабочую версию.

Что получилось

Программа для записи экрана со звуком и микрофоном

• Запись всего экрана или выделенной мышью области. Во время записи область обведена рамкой, которая в само видео не попадает.
• Звук компьютера и микрофон — вместе или по отдельности. Индикаторы уровня показывают, что звук действительно идёт, ещё до нажатия «Запись».
• Пауза и продолжение без разрывов и «замёрзших» кадров. Горячие клавиши Ctrl+Alt+R и Ctrl+Alt+P работают, даже когда окно свёрнуто.
• Плавающая панель с таймером, уровнями звука, паузой и стопом. В запись не попадает.
• Аппаратное кодирование через видеокарту, итог — обычный MP4, который открывается везде.

Программа для склейки видео

• Два файла в нужном порядке, кнопка «Поменять местами».
• Если у файлов одинаковые параметры — склейка без перекодирования, без потери качества, за секунды.
• Если разные разрешения или у одного нет звука — программа сама приводит всё к общему виду.

Обе программы ставятся одним установщиком, без прав администратора, с ярлыками на рабочем столе и в меню «Пуск».

Честно о том, что не получилось сразу

Мы принципиально показываем в кейсах не только результат, но и путь к нему.

Первый интерфейс был откровенно устаревшим. Агент сделал ровно то, что просили, — рабочую программу. Выглядела она так:

Одного сообщения «хочется дизайн посовременнее, анимацию красивую» хватило, чтобы получить то, что на скриншотах выше. Но и во второй версии мы нашли три недочёта: кнопка записи была «в пикселях», переключатели сливались с фоном, а назначение индикаторов уровня было непонятно без подписи. Мы отправили агенту скриншот с тремя цифрами — он исправил все три пункта и пересобрал установщик.

Синхронизация звука не была идеальной с первого раза. Об этом выше: ±200 мс на глаз незаметны в лекции, но заметны, когда говорящий в кадре. Агент не стал ждать, пока мы заметим, — он измерил и исправил.

Bluetooth-гарнитура — ограничение, которое нельзя обойти. Когда микрофон гарнитуры включён, Windows переводит её в режим «разговора»: звук в наушниках становится моно и глуше. Это устройство самого Bluetooth, а не программы. Агент не стал обещать чудо — он вывел предупреждение в интерфейсе и предложил использовать отдельный микрофон, если важен качественный звук в наушниках.

Чего мы не проверяли. Второй монитор и масштаб экрана больше 100 % — у нас такой конфигурации не было, и агент честно перечислил это в списке непроверенного, вместо того чтобы утверждать, что «всё работает».

Вайбкодинг: можно ли написать программу с помощью ИИ без программиста

Вайбкодинг — это подход, при котором код пишет нейросеть, а человек ставит задачу обычным языком и проверяет результат. Наш кейс — пример того, как это работает на практике: мы ни разу не открывали редактор кода, а общались с агентом как с сотрудником.

Но важно понимать разницу между «нейросеть напишет программу» и тем, что сделал ИИ-агент. Чат-бот выдаёт кусок кода, который дальше нужно собрать, запустить и отладить самому. ИИ-агент для программирования работает на компьютере сам: ставит зависимости, запускает программу, пишет тесты, замеряет результат и исправляет ошибки, пока всё не заработает. Именно поэтому от задачи до установщика прошло 2,5 часа, а не несколько вечеров.

Ограничения тоже есть: агенту нужен человек, который понимает, что должно получиться, и умеет принять работу. Об этом — наши выводы ниже. Если интересно, как такие агенты устроены и где ещё применяются, почитайте что можно делать с ИИ-агентом OpenClaw и как выглядит личный ИИ-сотрудник на практике.

Что под капотом

Для тех, кому интересна техническая сторона. Приложения написаны на Python, интерфейс — customtkinter, обработка видео — FFmpeg. Захват экрана идёт через Desktop Duplication API (то, чем пользуются «взрослые» программы записи), с запасным вариантом через GDI. Звук компьютера снимается через WASAPI loopback, напрямую из Windows, без установки виртуальных аудиокабелей. Пауза реализована командами работающему FFmpeg, поэтому не создаёт разрывов. Установщик — Inno Setup. Итоговая программа не требует Python: обычный exe.

Всего около 2 500 строк кода. Ни одну из них мы не писали и не правили руками.

Выводы

1. Ставить задачу агенту нужно так же, как человеку. «Буду видеокурсы записывать» дало агенту больше, чем дал бы список требований: он сам понял, что пауза должна быть мгновенной, а панель управления — не попадать в кадр.
2. Хороший агент проверяет себя сам. Разница между «код написан» и «я записал тестовый ролик, измерил рассинхрон и исправил его» — это разница между черновиком и продуктом. Мы не просили тестировать — агент делал это по умолчанию.
3. Обратная связь скриншотом работает лучше слов. Три цифры на картинке — и три исправления. Описывать словами «вот тут сливается» было бы дольше.
4. Честность агента экономит время. Список «что не проверено» в конце каждого этапа позволяет решить, что важно проверить самим, а на что можно не тратить время.
5. 2,5 часа — это не про скорость набора кода. Это про то, что агент параллельно был программистом, тестировщиком, дизайнером и релиз-инженером, и ни на одном из этапов не ждал, пока мы подскажем следующий шаг.

Что дальше

Программа уже используется для записи наших курсов. В планах — автоматическая расшифровка записанного урока в текст и генерация оглавления к видео с помощью ИИ, чтобы из одной записи получались и ролик, и конспект.

Если у вас есть внутренняя задача, под которую «нет нормальной программы», — возможно, её уже не нужно искать. Мы занимаемся созданием ИИ-агентов для бизнеса: от внутренних инструментов до цифровых сотрудников в CRM. Напишите нам, обсудим.