Голосовой ИИ-тренажер для Go: как разработчик автоматизировал подготовку к собеседованиям
Habr AI · оригинал
Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

Разработчик создал Telegram-бота на Go, который использует голосовой ввод и строгую LLM-оценку для тренировки навыков интервью. Проект демонстрирует применение Clean Architecture, Redis для интервального повторения и Docker в продакшене.
Пример практического применения LLM для персонализированного обучения с жесткой обратной связью и оптимизацией ресурсов на VPS.
Разработчик, совмещающий работу в автосервисе с изучением Go, столкнулся с проблемой закрепления знаний: теоретические концепции вроде планировщика GMP и escape analysis сложно удерживать в памяти, а страх говорить об этом вслух на собеседованиях парализует. Чтобы решить проблему, он создал Telegram-бота, который имитирует технического интервьюера, принимая ответы исключительно голосом и оценивая их по строгим критериям.
Архитектура проекта построена на принципах Clean Architecture с использованием Go 1.23, PostgreSQL 16 и Redis 7. Код разделен на доменные модели, юзкейсы, репозитории и слой доставки через Telegram. Такой подход позволил автору отработать навыки работы с чистой структурой кода. В отличие от Python-ботов, Go-приложение потребляет всего 25–35 МБ оперативной памяти, что позволяет запускать его на недорогом VPS под Ubuntu в Docker Compose.
Ключевой особенностью является голосовой ввод через API Deepgram (модель Nova-2). Автор отказался от локального Whisper из-за высокой нагрузки на CPU без GPU. Deepgram эффективно распознает русский айтишный сленг, такой как «горутины» и «мьютекс», обрабатывая аудио за секунду.
Для оценки ответов используется DeepSeek через Groq Cloud API. Чтобы избежать типичной для LLM склонности к похвале, автор разработал промпт-шаблон с эталонными критериями (key_points) для каждого из 860 вопросов. Модель проверяет наличие конкретных технических деталей и выставляет объективный балл от 1 до 10, указывая на упущения.
Система интервального повторения на Redis управляет очередью вопросов: успешные ответы уходят в конец списка, а неудачные возвращаются сразу. Также реализован режим мок-собеседования с выбором грейда (от стажера до сеньора) и итоговым вердиктом «Hire» или «No Hire».
В процессе разработки автор столкнулся с проблемами HTML-разметки в Telegram, требующими санитайзера для кода, и гонками условий при двойных кликах по кнопкам, которые решены мгновенным отключением инлайн-кнопок. Безопасность контейнеров обеспечена запуском от непривилегированного пользователя и ограничением прав.
Проект стал для автора практическим полигоном для работы с базами данных, кэшем и внешними API. Бот доступен бесплатно всем желающим, а исходный код опубликован на GitHub для ревью сообщества.