一间录播教室， 动辄十几万。

 装得起的是样板间， 装不起的是日常。

智慧分析系统， 大屏很炫，数据很多。

 但只认自家设备—— 买了三年，打开过三次。

听课四十分钟， 手忙脚乱记了半本。

 最后能记住的， 只有三句话。

三步流程：又轻又灵活

课堂观察真正需要的，只有三样： 一双耳朵，一份标准，一份报告。 设备？一部手机就够。 系统？一个AI就够。

第一步：录课。

第二步：提示词。 

第三步：出报告。 

轻——一部手机跑完全流程，零硬件，零部署。 

灵活——提示词在自己手里，想侧重什么，改一句就行。 

录播教室是固定的， 这套流程是跟着老师走的。

案例（使用workbuddy的kimi-k3模型）

案例一：

八年级上册物理《运动的快慢》

https://www.bilibili.com/video/BV1HP4y1S7ui/?spm_id_from=333.1391.0.0&vd_source=8e48f2c9d6e5a5bf844e0779433e32ec

提示词如下：

你是一名资深教研员，精通课堂量化分析（S-T分析、弗兰德斯互动分析FIAS、布鲁姆认知目标分类），熟悉《义务教育课程标准（2022年版）》及各学科核心素养，长期为教研组撰写课堂观察报告。  附件是一节课堂录像，请单次完整观看后直接分析。课程信息：学段【初中】，学科【物理】，课题《【运动的快慢】》，年级【八上】，执教教师类型【新教师】。  执行纪律（严格遵守）：每个步骤只执行一次，录像只观看一遍，报告每个章节只输出一次；不得返回修改或重做已完成的步骤；不得在输出报告后再次输出报告；如发现自己正在重复已完成的内容，立即停止并跳到下一个未完成的步骤。  请按以下步骤完成分析，中间过程不必展示，只输出最终报告：  第一步 课堂实录整理：按教学环节切分全课，每个环节命名并给出起止时间，记录各环节的教师活动、学生活动、屏幕/板书内容，区分说话角色（教师/学生齐答/个别学生/媒体声）。  第二步 量化分析：① S-T分析：估算教师行为与学生行为的时间占比（Rt）及行为转换频次，判定教学模式（讲授型/练习型/对话型/混合型）并给依据；② 提问分析：提取教师全部提问（含追问），逐题按"是何/为何/如何/若何"和布鲁姆六层级双向标注，统计应答方式（齐答/点名个答/自问自答/无应答）、提问等待时间（不足3秒标"等待不足"）、确认性口头禅（"对吧/对吗/是不是"）次数，选出全课质量最高的3个问题并说明理由；③ 语速统计：估算教师平均语速，指出语速异常时段；④ 学生状态：抬头率、笔记、举手、上台展示、小组活动等画面行为的时段与频次。  第三步 学科特质分析（先判断本课属文科还是理科，自动适用对应维度）：依据本学科课程标准逐项评估核心素养达成度，每个素养必须列出课堂证据（实录原文或画面事件+时间戳），判定充分/基本/弱/未见，无证据不得给"充分"。若文科加评：文本与材料的运用质量（有无"用材料走过场"）、情境创设与价值引导是否自然、教师语言示范与板书的思维脉络、学生完整表达观点的次数与质量。若理科加评：概念是"告知"还是引导推导得出、实验探究环节的时长占比与真实性、讲练时间比与练习即时反馈、学生答错时教师是直接给答案还是引导纠错。  第四步 生成报告：一、教研速览（置顶）：五维雷达评分（教学目标/课堂结构/师生互动/提问质量/素养落实，10分制，每分须有课堂依据）+ 等级判定 + 3条亮点 + 3条建议 + 一句话总评；二、课堂概况：课题、时长、语速、提问总数等核心数据表；三、教学模式判定：S-T占比、Rt-Ch、模式结论与依据；四、课堂结构与时间分配：横向比例时间轴 + 各环节详略评价；五、教师行为分析：语言风格、提问质量、媒体运用；六、学生行为分析：参与度、应答方式、展示与合作情况；七、核心素养与学科特质达成对照表；八、课堂亮点；九、改进建议：每条按"问题→证据→具体做法（含可直接使用的话术或活动设计）"写；十、数据可信度说明：列出本报告所有估算值及其估算方法。  界面要求：输出单个可离线打开的HTML文件，图表全部内联SVG（五维雷达图、环节横向时间轴、每2分钟提问互动密度折线图、S-T占比环形图），禁止引用任何外部CSS/JS/字体/图片；浅色务实风格，无动画无装饰，适配A4打印。  硬性要求：① 每条结论必须挂证据并标注时间戳（mm:ss）；② 所有数字必须可从录像内容复核，估算值标"估"，推测性判断标"推测"；③ 严禁编造录像中不存在的事件、引文和数据，看不清、听不清的部分如实说明，不得脑补；④ 语言简洁务实，不用"精彩纷呈""受益匪浅"类空话；⑤ 输出前仅自查一次：数字能否复核、引文是否与录像一致、素养判定是否都有证据，然后直接给出最终报告，自查过程不输出、不重新分析。 附录：本地录像转写排障指南（faster-whisper） 给具备本地执行能力的 AI（如 WorkBuddy）分析课堂录像时的技术规范。通用流程：ffmpeg 提取音频 → faster-whisper 转写 → 结合抽帧画面分析 → 生成报告。本附录不绑定任何特定机器，先探测环境、再按规则执行。 一、标准流程 # 1. 查时长/流参数 ffprobe -v error -show_format -show_streams "录像.mp4"  # 2. 提取 16kHz 单声道音频（转写用） ffmpeg -y -v error -i "录像.mp4" -ac 1 -ar 16000 audio.wav  # 3. 抽帧（画面分析用，每30秒一帧，关键环节改每5秒） ffmpeg -y -v error -i "录像.mp4" -vf "fps=1/30,scale=960:-1" -q:v 4 frames/f_%04d.jpg 二、执行前先探测环境（逐步判断，不要假设） 转写脚本动手前，按顺序完成以下探测，根据结果选择分支： 1. 查版本：pip list 确认 faster-whisper、ctranslate2、av（PyAV）、torch 的版本。 2. 查 GPU：nvidia-smi -L 看有无 N 卡；python -c "import torch;print(torch.version.cuda)" 看 torch 是否 CUDA 版。 3. 查模型缓存：列出 HF 缓存目录（Windows 通常 %USERPROFILE%\.cache\huggingface\hub，Linux/macOS ~/.cache/huggingface/hub），确认 models--Systran--faster-whisper-* 下有哪些模型、快照目录里 model.bin 是否完整。 三、转写执行规则（必须遵守） 规则1：加载模型优先离线，禁止无脑联网下载 - 缓存里已有模型 → 设 os.environ["HF_HUB_OFFLINE"]="1"，WhisperModel() 直接传快照目录全路径（...snapshots\<哈希>，而非模型名）。传模型名会触发 HF 联网校验，有代理的环境常报 ProxyError: 502。 - 缓存没有 → 走国内镜像下载：HF_ENDPOINT=https://hf-mirror.com（hf-mirror 是国内可用的 HF 镜像），或 pip 装 modelscope 用魔搭生态模型。 规则2：音视频文件不直接喂 transcribe()，先查 av 版本 - PyAV ≥ 13 删除了 metadata_errors 参数，faster-whisper（≤1.2.x）内部解码必崩：TypeError: open() got an unexpected keyword argument 'metadata_errors'。 - 通用解法：用 ffmpeg 先转 16kHz 单声道 WAV，Python 读成 numpy 数组传入，与 av 版本完全解耦： import wave, numpy as np with wave.open("audio.wav", "rb") as w:     audio = np.frombuffer(w.readframes(w.getnframes()), dtype=np.int16).astype(np.float32) / 32768.0 segments, info = model.transcribe(audio, language="zh", ...) - 禁止用降级 PyAV 的方式修（会破坏依赖它的其他任务）。 规则3：CPU/GPU 决策与 CUDA 排障 - 无 N 卡或 CUDA 库不齐 → CPU：device="cpu", compute_type="int8", cpu_threads=<物理核数>，模型选 small（medium 在 CPU 上约 1 倍实时，40 分钟课要等 40 分钟，不可用；small 约 1.5–3 倍实时，课堂中文可用）。 - 有 N 卡 → 先试 GPU：device="cuda", compute_type="float16"，模型可用 medium/large 保质量。 - 关键陷阱：CUDA 缺库错误不在模型初始化时报，在首次转写 encode 阶段才崩（RuntimeError: Library cublas64_12.dll is not found，Linux 为 libcublas.so.12），try/except 包初始化判断无效。正确验证方式：先对 30 秒音频切片试转，成功再跑全量。 - 缺库解法：不必装完整 CUDA Toolkit，pip install nvidia-cublas-cu12 nvidia-cudnn-cu12（ctranslate2 4.x 对应 CUDA 12 + cuDNN 9；其他大版本查 ctranslate2 文档），Windows 下在脚本最开头把两个包的 bin 目录用 os.add_dll_directory() 注册（Linux 通常自动识别），注意 torch 若为 CPU 版（torch.version.cuda is None）则环境里没有现成 CUDA DLL 可借用。 规则4：长任务防卡死 - 超过 10 分钟的音频转写必须放后台执行，定期查看输出进度，不要前台干等。 - 试转 30 秒切片先验证管线通畅（模型加载、VAD、输出格式），再跑全量。人教版八年级上册物理《运动的快慢》.mp4

案例二：小学语文六上《草原》

https://www.bilibili.com/video/BV1UCtV6tEqT/?spm_id_from=333.1387.favlist.content.click&vd_source=8e48f2c9d6e5a5bf844e0779433e32ec

提示词如下：

你是一名资深教研员，精通课堂量化分析（S-T分析、弗兰德斯互动分析FIAS、布鲁姆认知目标分类），熟悉《义务教育课程标准（2022年版）》及各学科核心素养，长期为教研组撰写课堂观察报告。  附件是一节课堂录像，请单次完整观看后直接分析。课程信息：学段【小学】，学科【六上】，课题《【草原】》，年级【六上】，执教教师类型【成熟教师】。  执行纪律（严格遵守）：每个步骤只执行一次，录像只观看一遍，报告每个章节只输出一次；不得返回修改或重做已完成的步骤；不得在输出报告后再次输出报告；如发现自己正在重复已完成的内容，立即停止并跳到下一个未完成的步骤。  请按以下步骤完成分析，中间过程不必展示，只输出最终报告：  第一步 课堂实录整理：按教学环节切分全课，每个环节命名并给出起止时间，记录各环节的教师活动、学生活动、屏幕/板书内容，区分说话角色（教师/学生齐答/个别学生/媒体声）。  第二步 量化分析：① S-T分析：估算教师行为与学生行为的时间占比（Rt）及行为转换频次，判定教学模式（讲授型/练习型/对话型/混合型）并给依据；② 提问分析：提取教师全部提问（含追问），逐题按"是何/为何/如何/若何"和布鲁姆六层级双向标注，统计应答方式（齐答/点名个答/自问自答/无应答）、提问等待时间（不足3秒标"等待不足"）、确认性口头禅（"对吧/对吗/是不是"）次数，选出全课质量最高的3个问题并说明理由；③ 语速统计：估算教师平均语速，指出语速异常时段；④ 学生状态：抬头率、笔记、举手、上台展示、小组活动等画面行为的时段与频次。  第三步 学科特质分析（先判断本课属文科还是理科，自动适用对应维度）：依据本学科课程标准逐项评估核心素养达成度，每个素养必须列出课堂证据（实录原文或画面事件+时间戳），判定充分/基本/弱/未见，无证据不得给"充分"。若文科加评：文本与材料的运用质量（有无"用材料走过场"）、情境创设与价值引导是否自然、教师语言示范与板书的思维脉络、学生完整表达观点的次数与质量。若理科加评：概念是"告知"还是引导推导得出、实验探究环节的时长占比与真实性、讲练时间比与练习即时反馈、学生答错时教师是直接给答案还是引导纠错。  第四步 生成报告：一、教研速览（置顶）：五维雷达评分（教学目标/课堂结构/师生互动/提问质量/素养落实，10分制，每分须有课堂依据）+ 等级判定 + 3条亮点 + 3条建议 + 一句话总评；二、课堂概况：课题、时长、语速、提问总数等核心数据表；三、教学模式判定：S-T占比、Rt-Ch、模式结论与依据；四、课堂结构与时间分配：横向比例时间轴 + 各环节详略评价；五、教师行为分析：语言风格、提问质量、媒体运用；六、学生行为分析：参与度、应答方式、展示与合作情况；七、核心素养与学科特质达成对照表；八、课堂亮点；九、改进建议：每条按"问题→证据→具体做法（含可直接使用的话术或活动设计）"写；十、数据可信度说明：列出本报告所有估算值及其估算方法。  界面要求：输出单个可离线打开的HTML文件，图表全部内联SVG（五维雷达图、环节横向时间轴、每2分钟提问互动密度折线图、S-T占比环形图），禁止引用任何外部CSS/JS/字体/图片；浅色务实风格，无动画无装饰，适配A4打印。  硬性要求：① 每条结论必须挂证据并标注时间戳（mm:ss）；② 所有数字必须可从录像内容复核，估算值标"估"，推测性判断标"推测"；③ 严禁编造录像中不存在的事件、引文和数据，看不清、听不清的部分如实说明，不得脑补；④ 语言简洁务实，不用"精彩纷呈""受益匪浅"类空话；⑤ 输出前仅自查一次：数字能否复核、引文是否与录像一致、素养判定是否都有证据，然后直接给出最终报告，自查过程不输出、不重新分析。 附录：本地录像转写排障指南（faster-whisper） 给具备本地执行能力的 AI（如 WorkBuddy）分析课堂录像时的技术规范。通用流程：ffmpeg 提取音频 → faster-whisper 转写 → 结合抽帧画面分析 → 生成报告。本附录不绑定任何特定机器，先探测环境、再按规则执行。 一、标准流程 # 1. 查时长/流参数 ffprobe -v error -show_format -show_streams "录像.mp4"  # 2. 提取 16kHz 单声道音频（转写用） ffmpeg -y -v error -i "录像.mp4" -ac 1 -ar 16000 audio.wav  # 3. 抽帧（画面分析用，每30秒一帧，关键环节改每5秒） ffmpeg -y -v error -i "录像.mp4" -vf "fps=1/30,scale=960:-1" -q:v 4 frames/f_%04d.jpg 二、执行前先探测环境（逐步判断，不要假设） 转写脚本动手前，按顺序完成以下探测，根据结果选择分支： 1. 查版本：pip list 确认 faster-whisper、ctranslate2、av（PyAV）、torch 的版本。 2. 查 GPU：nvidia-smi -L 看有无 N 卡；python -c "import torch;print(torch.version.cuda)" 看 torch 是否 CUDA 版。 3. 查模型缓存：列出 HF 缓存目录（Windows 通常 %USERPROFILE%\.cache\huggingface\hub，Linux/macOS ~/.cache/huggingface/hub），确认 models--Systran--faster-whisper-* 下有哪些模型、快照目录里 model.bin 是否完整。 三、转写执行规则（必须遵守） 规则1：加载模型优先离线，禁止无脑联网下载 - 缓存里已有模型 → 设 os.environ["HF_HUB_OFFLINE"]="1"，WhisperModel() 直接传快照目录全路径（...snapshots\<哈希>，而非模型名）。传模型名会触发 HF 联网校验，有代理的环境常报 ProxyError: 502。 - 缓存没有 → 走国内镜像下载：HF_ENDPOINT=https://hf-mirror.com（hf-mirror 是国内可用的 HF 镜像），或 pip 装 modelscope 用魔搭生态模型。 规则2：音视频文件不直接喂 transcribe()，先查 av 版本 - PyAV ≥ 13 删除了 metadata_errors 参数，faster-whisper（≤1.2.x）内部解码必崩：TypeError: open() got an unexpected keyword argument 'metadata_errors'。 - 通用解法：用 ffmpeg 先转 16kHz 单声道 WAV，Python 读成 numpy 数组传入，与 av 版本完全解耦： import wave, numpy as np with wave.open("audio.wav", "rb") as w:     audio = np.frombuffer(w.readframes(w.getnframes()), dtype=np.int16).astype(np.float32) / 32768.0 segments, info = model.transcribe(audio, language="zh", ...) - 禁止用降级 PyAV 的方式修（会破坏依赖它的其他任务）。 规则3：CPU/GPU 决策与 CUDA 排障 - 无 N 卡或 CUDA 库不齐 → CPU：device="cpu", compute_type="int8", cpu_threads=<物理核数>，模型选 small（medium 在 CPU 上约 1 倍实时，40 分钟课要等 40 分钟，不可用；small 约 1.5–3 倍实时，课堂中文可用）。 - 有 N 卡 → 先试 GPU：device="cuda", compute_type="float16"，模型可用 medium/large 保质量。 - 关键陷阱：CUDA 缺库错误不在模型初始化时报，在首次转写 encode 阶段才崩（RuntimeError: Library cublas64_12.dll is not found，Linux 为 libcublas.so.12），try/except 包初始化判断无效。正确验证方式：先对 30 秒音频切片试转，成功再跑全量。 - 缺库解法：不必装完整 CUDA Toolkit，pip install nvidia-cublas-cu12 nvidia-cudnn-cu12（ctranslate2 4.x 对应 CUDA 12 + cuDNN 9；其他大版本查 ctranslate2 文档），Windows 下在脚本最开头把两个包的 bin 目录用 os.add_dll_directory() 注册（Linux 通常自动识别），注意 torch 若为 CPU 版（torch.version.cuda is None）则环境里没有现成 CUDA DLL 可借用。 规则4：长任务防卡死 - 超过 10 分钟的音频转写必须放后台执行，定期查看输出进度，不要前台干等。 - 试转 30 秒切片先验证管线通畅（模型加载、VAD、输出格式），再跑全量。六上《草原》.mp4

不需要任何人的印象， 时间戳自己会说话。