Как я собирал Telegram-приложение для изучения английского языка с нуля

30 апреля 2025 года я запустил в Telegram новое web-app-приложение — Crazy Llama English. Это история о том, как один разработчик-самоучка за 1,5 года превратил Excel-таблицу со 140 000 слов в полноценный сервис с AI-подсказками, NFT-аватарами на TON и геймифицированной программой обучения.

Я начал изучать язык, как и многие: тесты на «12 времён английского за выходные», карточки со словами, мобильные приложения. Для меня всё разбивалось о две проблемы:

Словарный запас. Без него не получалось применять изученную грамматику.
Быстрая усталость. Долгие занятия выбивали меня из ритма: хочется учиться мельче, но чаще.

В русском сегменте Telegram (да и в приложениях на мой телефон) тогда не было приложений, которые объединяли бы короткие сессии, мотивацию через игровой процесс и доступность прямо внутри мессенджера. Так родилась идея Telegram-приложения для изучения английских слов, не зря же я обучался как Web Developer.

Шаг 1. Оцифровать данные

После долгих поисков нашёл архив английских слов на 140 000 единиц в интернете, это была еще та задачка, ведь подобную информацию бесплатно никто не выдаст.
Через Excel и множество JavaScript-скриптов удалял дубли, устаревшие леммы, редкие топонимы, название ирландских деревень и другую ненужную простому пользователю информацию.

Шаг 2. Проверить качество

Оставил 20 000 наиболее употребляемых слов, отсортировал по индексу Google Ngram.
Через нейросети и парсинг api переводчиков подобрал основную информацию по каждому слову (множество вариантов перевода, синонимы, описание, транскрипция, до 30 примеров в предложении и многое другое).
Нанял с десяток переводчиков на фрилансе — ребята вручную сверяли транскрипции, перевод на русский и основные примеры.

Шаг 3. Добавить визуальный ряд

Скачал через скрипт десятки тысяч изображения из open-source-фотостоков по ключевым словам.
Написал Telegram-бота, где 15 фрилансеров голосовали «Подходит / Не подходит» для каждого выданного из 30 тысяч изображений, отбивая только подходящие варианты, если хотя бы три человека проголосуют положительно за отдельное изображение.

На данную работу ушло примерно 3 месяца, итогом стала CSV-база: слово + 17 атрибутов (транскрипция, часть речи, пример, частотность, синонимы, JJA/JJB-индексы и т.д., и т.п.). Очень медленный и скучный был процесс, но оно тоже стоило, ведь у меня теперь была уникальная база слов (хоть на маркете продавай).

Имея минимальный опыт в Full Stack разработке, обучаясь на ходу в итоге подобрал следующие фреймфорки и библиотеки:

Фронтенд: Vue 3 + Vite (лёгкая сборка, удобная реактивность для анимаций), - то, что надо, когда знаешь HTML, CSS, JS.
Бэкенд: NestJS, NodeJS, TypeScript (строгая типизация и готовая структура модулей) - удобно, понятно, гибко
База данных: PostgreSQL (JSONB-поля для словаря, полноценные транзакции) - по совету друзей, до этого использовал MariaDB.
DevOps: Docker, Traefik (лёгкое масштабирование и SSL через Let’s Encrypt)
AI-подсказки Deepseek GPT API (генерирует объяснения правил и ассоциации к выбранным словам каждого пользователя)
NFT-аватары на TON блокчейне (нативная сеть для Telegram-экосистемы)

В итоег на бэкенде написано мною чистыми примерно ≈ 7 000 строк кода, на фронте ≈ 26 000.

Всего 15 минут в день. Алгоритм предлагает пользователям серию из 1, 2 или 5 заданий — ученик сам выбирает интенсивность.
Опыт, уровни, энергия. За обучение снимается энергия, за правильные ответы начисляются очки, за ошибки уменьшается счетчик изученного слова. Это создаёт здравый «напор», но не заставляет монетизировать приложение насильно: энергия восстанавливается ежедневно постепенно.
NFT-ламы. 1000 уникальных аватаров (эмиссия ограничена) на TON открывают дополнительные бонусы, но не дают преимущества «pay-to-win».
Таблица лидеров. Прогресс сравнивается с другими участниками — один из самых сильных мотиваторов в EdTech.

Отсутствие серьезной готовой базы данных по словам в просторах интернета. Помогли: скрипты + фриланс + много ручной чистки.
Нулевая экспертиза в бекенде. Помогло: разбор туториалов, ответы нейросетей, ревью коллег
Постоянные баги при рефакторинге. Помогло: Интеграция E2E-тестов и помощь сообщества в тестировании.
Сложность UX на мобильных экранах Telegram и работа с miniApp. Помогло: Mobile-first-дизайн в Figma, тесты на 10 устройствах, изучение библиотек @telegram-apps

Приложение вполне шустрое, запускается одной кнопкой через Телеграм бота — не нужно устанавливать APK или регистрироваться, доступ через Телеграм в один клик.
В базе — 20 000 проверенных людьми слов, разбитых на уровни сложности A1–C2 для любого типа пользователей.
AI-ассистент дает подсказки по изучаемым словам (с NFT их больше).
Множество разных заданий по словам из удобного словаря пользователя.
Бесплатная модель: реклама отсутствует, оплатить можно звездами только приобретение энергии, увеличение размера словаря, либо купить для полного буста NFT-ламу за TONы на стороннем маркетплейсе по желанию. Платные возможности не являются обязательными, заниматься можно комфортно и без них.

Словарь — самое главное. Контент дороже интерфейса: без точных данных даже красивая оболочка бесполезна. Да, он не идеален, но все недочеты будут поправлены со временем.
Короткие сессии работают. 15-минутный формат с ежедневными заданиями повышает retention: ученики реже «бросают» курс. Если есть желание - можно заниматься хоть весь день.
Telegram-приложение экономит входной барьер. Людям проще кликнуть в знакомый чат, чем искать новое приложение в мобильных магазинах.
Разработка подобного проекта практически в одиночку — очень, мега сложная, долгая и энергозатратная задача для одного человека без команды и инвесторов. Времени постоянно не хватает, бывали дни, когда просто опускались руки.
Несмотря на то, что запуск был совсем недавно и пользователей у нас еще не много, я очень рад, что смог все таки закончить такой масштабный проект, хоть на это и ушло 1.5 года моего времени и не малая сумма вложений.
Написать рабочий продукт в текущих реалиях это только часть проблема, вторая часть - рассказать о нем людям, разнести молву и привлечь тех, кому действительно нужен язык.
Есть стараться делать продукт в первую очередь для людей, а не с целью заработка, писать код с желанием помощь людям подтянуть язык до необходимого уровня, то процесс будет идти куда легче и в итоге все должно получиться.