🎬 AI课堂视频转写官 · 学员手册

第二季：文明进化计划 · 第5课（总第十三课） | 75 分钟 | 文本分析与课堂报告 | +240 EXP | 🎬

今天怎么玩：双人 Boss 副本

今天不是单纯听老师讲，也不是一直点下一步。两名学员组成临时小队，每 10 分钟交换一次角色。

• 侦察官：负责读代码、找规律、解释这一行在做什么。
• 工程师：负责改代码、运行、修 Bug、让右侧结果发生变化。

通关口令：我改了什么？结果为什么变了？

一、🎯 这节课到底做什么？

我们要做的不是一个演示小玩具，而是老师真的可以用的工具：把 Zoom 录课、转写字幕或课堂聊天记录，变成课堂复盘报告。

它能回答几个真实问题：

• 老师问了几个问题？
• 学员有没有回应？
• 课堂是不是围绕本节课关键词展开？
• 哪些同学发言多，哪些同学需要被提醒？
• 这节课互动质量大概怎么样？

这就是现实世界里的“文本分析”：程序不只是算数字，还能读懂一段文字里藏着的结构。

真实数据怎么来？

课堂上推荐三种来源，优先级从高到低：

1. Zoom 云录制里的字幕 / 音频转写，下载 .vtt 后直接粘贴到实验室的“真实课堂转写输入”。
2. 本地视频转写工具生成的文本，格式可以是 00:00:03 老师: 内容，也可以是 WEBVTT 时间轴。
3. 如果当天没有转写文件，就用老师准备的上课片段手工转成 8-12 行文本。

程序会自动处理常见 VTT 时间轴：

WEBVTT

00:00:03.000 --> 00:00:08.000
郭老师: 今天我们复习城市交通管理控制平台。

00:00:09.000 --> 00:00:15.000
小林: csv.DictReader 是把每一行变成字典吗？

粘贴后点任意关卡，实验室会优先分析你粘贴的真实数据；输入框留空时才使用代码里的保底样本。

二、逐行完整代码解释

1. 导入工具

import re
from collections import Counter

re 是正则表达式模块，用来从文本里精准抓取内容。比如本课要抓发言人、抓问题句。

Counter 是计数器，用来统计列表中每个元素出现了几次。比如统计“郭老师、小林、小雅”各发言几次。

一句话记忆：re 负责“找”，Counter 负责“数”。

2. 选择运行关卡

RUN_LEVEL = int(input("请选择关卡 1-6：") or "6")

input() 接收关卡编号；or "6" 表示不输入就默认第 6 关；int() 把文字数字变成真正的整数。

实验室顶部也有“关卡”输入框。输入 1 到 6 后点击运行，就能单独调试每一关。

3. 课程关键词库

COURSE_KEYWORDS = ["Python", "csv", "StringIO", "try", "except", "statistics", "函数", "变量", "数据", "交通", "转写"]

这是一份课堂重点词清单。程序会统计这些词出现了多少次，用来判断课堂有没有围绕课程主题。

它可以修改。爬虫课可以换成：

COURSE_KEYWORDS = ["爬虫", "requests", "BeautifulSoup", "HTML", "链接"]

4. 原始转写文本

transcript = """
00:00:03 郭老师: 同学们好，今天我们先复习城市交通管理控制平台。
00:00:18 郭老师: 谁还记得 csv.DictReader 是做什么的？
00:00:30 小林: 它可以把 CSV 每一行变成字典。
"""

这是模拟视频 AI 转写字幕。每一行格式是：

时间 + 发言人 + 冒号 + 说话内容

后面的正则表达式依赖这个格式。如果没有时间、空格、姓名、冒号，发言人识别就会失败。

5. get_lines() 清洗文本、有效分行

def get_lines(text):
    return [line.strip() for line in text.strip().split("\n") if line.strip()]

text.strip()：去掉整段文本首尾空白。

.split("\n")：按换行切成一行一行。

line.strip()：去掉每一行前后空格。

if line.strip()：空行不要。

整句可以读成：把文本清干净，按换行切开，再把每一行清干净，只保留有效行。

6. find_speakers() 正则抓取所有发言人

def find_speakers(text):
    return re.findall(r"\d\d:\d\d:\d\d\s+([^:：]+)[:：]", text)

正则规则匹配的是：时间 + 空格 + 名字 + 冒号。

最关键的是括号 ()：括号里的内容会被抓出来，所以返回的是发言人姓名列表。

7. find_questions() 智能抓取所有提问句

def find_questions(text):
    pattern = r"[^。！？?]*(?:[？?]|谁|什么|为什么|哪个|怎么)[^。！？?]*"
    return [q.strip() for q in re.findall(pattern, text) if q.strip()]

这段代码把带问号，或者带“谁、什么、为什么、哪个、怎么”的句子先当成问题句。

它不是让电脑真正理解中文，而是先用规则做一个能工作的智能原型。

8. count_keywords() 统计知识点出现次数

def count_keywords(text, keywords):
    hits = {}
    lower_text = text.lower()
    for word in keywords:
        hits[word] = lower_text.count(word.lower())
    return hits

hits = {}：创建空字典保存结果。

text.lower()：把英文统一转小写，避免 Python 和 python 被当成两个词。

for word in keywords：逐个检查关键词。

count()：统计出现次数。

最后返回类似 {"csv": 2, "try": 1} 的统计字典。

9. build_report() 核心总计算函数

def build_report(text):
    speakers = find_speakers(text)
    questions = find_questions(text)
    speaker_count = Counter(speakers)
    keyword_hits = count_keywords(text, COURSE_KEYWORDS)
    total_keyword_hits = sum(keyword_hits.values())
    student_turns = sum(count for name, count in speaker_count.items() if "老师" not in name)
    teacher_turns = sum(count for name, count in speaker_count.items() if "老师" in name)
    score = min(100, len(questions) * 12 + student_turns * 8 + total_keyword_hits * 5)
    return {"lines": get_lines(text), "speakers": speakers, "speaker_count": speaker_count, "questions": questions, "keyword_hits": keyword_hits, "teacher_turns": teacher_turns, "student_turns": student_turns, "score": score}

speakers：全部发言人列表。

questions：所有提问句子。

speaker_count：统计每个人发言次数。

keyword_hits：知识点命中统计。

total_keyword_hits：总知识点出现次数。

student_turns：所有名字里不含“老师”的发言次数，先当成学生发言。

teacher_turns：名字里包含“老师”的发言次数。

score：课堂互动评分，提问越多、学生发言越多、知识点聊得越多，分数越高；min(100, ...) 表示最高不超过 100。

10. html_page() 生成网页模板

html_page(title, body) 接收标题和内容，返回完整 HTML 网页代码。所有关卡右侧漂亮的网页效果，都是靠它生成的。

实验室约定：只要设置 HTML_PREVIEW = html_page(...)，右侧效果区就显示网页作品。

11. 主程序

report = build_report(transcript)

这一行一次性执行所有文本分析，把结果存到 report 字典里。后面 1 到 6 关都从 report 里取数据。

三、关卡 1-6 运行效果

四、关卡 1：原始转写文本

代码里先准备了一段 transcript，它模拟 Zoom 转写后的文本。

transcript = """
00:00:03 郭老师: 同学们好，今天我们先复习城市交通管理控制平台。
00:00:18 郭老师: 谁还记得 csv.DictReader 是做什么的？
00:00:30 小林: 它可以把 CSV 每一行变成字典。
"""

每一行都有三个信息：

时间 -> 说话人 -> 说话内容

get_lines() 的作用是把一大段文本拆成干净的行。

def get_lines(text):
    return [line.strip() for line in text.strip().split("\n") if line.strip()]

人话解释：

• text.strip()：去掉整段文字开头和结尾的空白。
• .split("\n")：按换行切开。
• line.strip()：每一行再去掉多余空格。
• if line.strip()：空行不要。

这一步训练的是：任何数据分析都要先把原始数据整理成程序能处理的形状。

三、关卡 2：用正则识别发言人

def find_speakers(text):
    return re.findall(r"\d\d:\d\d:\d\d\s+([^:：]+)[:：]", text)

re 是 Python 的正则表达式模块，适合做“文字侦察”。

这句正则可以拆开看：

最关键的是括号 ()：括号里的内容会被抓出来，所以返回的是“郭老师、小林、小雅……”这些名字。

接着用 Counter 统计谁说了几次：

speaker_count = Counter(speakers)

Counter 就像自动计数器，看到一次名字就加 1。

四、关卡 3：找出老师提问

pattern = r"[^。！？?]*(?:[？?]|谁|什么|为什么|哪个|怎么)[^。！？?]*"
questions = re.findall(pattern, text)

这段代码不是让电脑真的理解人类语言，而是先用规则判断“像不像问题”。

判断依据包括：

• 出现问号 ？ 或 ?。
• 出现疑问词：谁、什么、为什么、哪个、怎么。

这就是 AI 产品里很常见的第一步：先用规则做一个能工作的原型，再逐步升级成更智能的模型。

五、关卡 4：统计课程关键词

COURSE_KEYWORDS = ["Python", "csv", "StringIO", "try", "except", "statistics", "函数", "变量", "数据", "交通", "转写"]

关键词列表代表本节课应该出现的核心内容。

def count_keywords(text, keywords):
    hits = {}
    lower_text = text.lower()
    for word in keywords:
        hits[word] = lower_text.count(word.lower())
    return hits

人话解释：

• hits = {}：准备一个空字典保存结果。
• text.lower()：把英文统一转小写，避免 Python 和 python 被当成两个词。
• for word in keywords：逐个检查关键词。
• count()：统计出现次数。

这一步能判断课堂有没有跑题。比如一节 Python 数据课，关键词命中很少，就说明讲课内容可能不够贴合课程。

六、关卡 5：生成课堂互动评分

student_turns = sum(count for name, count in speaker_count.items() if "老师" not in name)
teacher_turns = sum(count for name, count in speaker_count.items() if "老师" in name)
score = min(100, len(questions) * 12 + student_turns * 8 + total_keyword_hits * 5)

这里开始像真实产品了：程序把多个指标合成一个评分。

min(100, ...) 的作用是封顶，最高不超过 100 分。

这也是产品设计里的重要思想：不是数据越多越好，而是要把数据变成老师看得懂、能行动的指标。

七、关卡 6：发布完整报告面板

最后一关把所有结果放进 HTML_PREVIEW：

HTML_PREVIEW = html_page("第6关：AI课堂视频转写官", body)

实验室里只要设置 HTML_PREVIEW，右侧效果区就会显示网页作品。

完整作品包含：

• 老师提问数量
• 学员发言数量
• 课程关键词命中
• 课堂互动评分
• 下一步使用提示
• 合法数据边界提醒

真实视频分析要打开教师工具：

/teacher/zoom-review

在那里可以导入 Zoom 字幕、聊天记录，或者上传自己的课程录制视频进行本地免费转写。

八、调试方式：顶部关卡输入框

第 13 课不是每次都只运行最终作品。实验室顶部有“关卡”输入框，输入 1 到 6，再点击运行，就能单独调试每个模块。

也可以点击右侧任务卡里的“运行第1关 / 运行第2关”。两种方式效果一样。

九、常见调试问题

十、可以改哪里？

1. 改 transcript：换成自己的课堂对话。
2. 改 COURSE_KEYWORDS：换成当前课程真正的关键词。
3. 改 pattern：让问题识别更严格或更宽松。
4. 改 score：设计自己的课堂评分规则。
5. 改 html_page() 的 CSS：调整报告面板视觉风格。

十一、重要边界：能做什么，不能做什么

这节课可以做：

• 分析自己录制的课程视频。
• 分析老师授权的课堂资料。
• 分析公开网页和公开数据集。
• 分析自己创作的音频、游戏日志和学习记录。

这节课不做：

• 爬盗版电影、音乐、游戏资源。
• 绕过登录、会员、付费、版权保护。
• 批量下载没有授权的内容。

真正厉害的工程师，不是会钻空子，而是能在合法边界内把工具做得专业、可靠、可持续。

十二、作品标准

• ✅ 能把转写文本拆成一行行记录
• ✅ 能用正则识别发言人
• ✅ 能用 Counter 统计发言次数
• ✅ 能提取老师问题句
• ✅ 能统计课程关键词
• ✅ 能生成课堂互动评分
• ✅ 能显示完整课堂报告面板
• ✅ 知道真实视频要去教师工具使用本地转写