🔠 T-Shape мобильного разработчика

Про T-shape сейчас говорят вообще все. Видосы, статьи, подкасты, куда ни ткни. Ну и я скажу.
Но если раньше это была такая прикольная, но необязательная штука, то сейчас с приходом AI всё поменялось.

Что вообще такое T-shape, кто не знает. Очень просто:
- ты глубоко знаешь одну область (например, Android)
- и достаточно широко ориентируешься в других (бэк, веб, iOS, ещё что-то)

Раньше T-shaped’иться было… ну, не то чтобы сложно, но трудозатратно. Это все-таки занимало время. Чтобы сходить в соседнюю технологию, нужно было приложить усилия, время. Поэтому делали это не все.

А сейчас?
Сейчас с AI делать простые вещи в смежных областях стало гораздо проще.
Если ты в целом понимаешь, как работает разработка, как устроены системы и как писать код, то ты можешь:
- быстро что-то собрать на вебе
- написать простой бэк
- залезть в другую платформу
и при этом сделать реальный импакт, а не я посмотрел туториал.

И вот моё личное, субъективное мнение:
T-shape — это маст на ближайшем горизонте. Ну просто маст. 👩‍💻

При прочих равных компании будут выбирать инженеров, которые:
- конечно сильны в своей основной области
- но при этом могут сходить в сторону и помочь там, где горит

Конкуренцию будут выигрывать именно такие ребята. Хотим мы этого или нет.

Окей, куда t-shaped’иться мобильному разработчику?

Самые очевидные кандидаты в наших же кросс-функциональных командах:
- другие мобильные платформы (iOS, Flutter, React Native)
- бэк
- веб

Это то, с чем мы работаем бок о бок каждый день. Туда заходить проще всего.

Можно и в AI engineering / data science, попробовать, хотя тут уже сложнее. И есть риск, что пока вы туда глубоко погружаетесь, хайп уже уедет куда-то дальше 😅

Если же думать как инвестицию на 5–10 лет вперёд, у меня есть ощущение, что следующим большим хайпом будет robotics. 🤖
Начинаем T-shape в robotics, и через 5-10 лет будем востребованными специалистами!

💬 Вопрос к вам:
- Вы уже t-shaped?
- Вы в процессе?
- Или в гробу вы видали этот t-shape?)

Очень интересно почитать ваши мысли!

P.S. Для неолдов. На картинке "Mr. T".

#tshape

🎩 Когда примерил шапочку продакта

Одна из вещей, которая меня реально мотивирует, это когда я могу предложить идею, собрать вокруг неё движ, и она не умирает в чате, а доезжает до прода. 🚀

Недавний пример из Drinkit 🐳

У нас был внутренний хакатон, я собрал команду, чтобы сделать AI-помощник в приложении, который помогает кастомизировать напиток: типа “хочу что-то освежающее, без лактозы, но не слишком сладкое” и дальше AI магия делает тебе напиток ☕️🤖

Мы выиграли хакатон, и фичу решили пустить в прод.

Забегая вперёд:
я думал, что это “ну дня 2–3 допилить”. По факту это превратилось в 1–2 недели. Но всеравно это быстро, я считаю.

Расскажу немного про фичу.

🔥 Техническая часть
На Android я взял Firebase SDK, где есть Firebase AI Logic (вышла в прошлом году).
Под капотом Gemini, и ты довольно быстро можешь подключить AI к своему приложению.

Для хакатона это идеальное решение.
Для прода мы тоже решили оставить это, единственное надо:
- нормально посчитать экономику 💸
- поставить гейты, чтобы нельзя было абьюзить
- и держать процесс под контролем

Сейчас фича тестируется в Казахстане 🇰🇿

Когда я начинал делать фичу, я думал “ну, будет запрос-ответ к LLM и всё”.

А в итоге это вылилось в маленький самописный агент в мобильном приложении с ReAct лупом.
То есть не просто ответь, а “подумай → вызови нужные тулзы → посмотри результат → уточни → собери ответ”.

Это вышло интересно для меня инженерно, не так скучно как я думал.

📊 А где продакт?

Конечно, как уважающий себя продакт, я сделал продуктовый даш:
- конверсии
- заказы с AI-помощником
- причины ошибок
- и прочие мелочи

Но честно: по продуктовым метрикам пока далеко до экономического успеха 😅 Мягко говоря.

Фича всё ещё в тестировании, будут доделки, посмотрим.

Но даже так, такие истории меня вдохновляют. Потому что это тот редкий момент, когда ты не просто написал код, а попробовал сделать штуку, которая может дать бизнес value.

🧠 Что дальше
Раз у нас получился (почти случайно) самописный агент, то у меня есть идея попробовать не писать ReAct луп руками, а заменить его на Koog SDK (чтобы меньше велосипедить).

Посмотрим, доедет ли это тоже до прода 😏

💬 Были у вас истории, где вы, будучи разработчиком, затащили что-то продуктовое?
Расскажите в комментах, люблю такие кейсы.

P.S. На фото я. Пью AI сгенерированный напиток!

#android #ai #product #drinkit #firebase #gemini #mobiledev

🎧 Агентам тоже хочется послушать музыку

Сижу, усердно заставляю работать агентов работаю. И тут бац, запрос от Курсора 😅

Видать, ему тоже больше в кайф работать под музычку 🎧

📋 Мобильный DevCrowd возвращается! Го заполним!

Друзья, кто помнит DewCrowd?
C 2022 года не выходило исследований, и вот оно возвращается! 😁

Встречайте!
👉 Большое исследование мобильных разработчиков - 2026 👈

В этот раз я принимал участие в создании этого опроса! Мне реально не хватает полной картины, что сейчас происходит и куда идет мобилка.

💡Вот примерно о чем там будет:
• кто победил — натив или кроссплатформа?
• AI уже пишет за вас или только мешает?
• Куда растут зарплаты и куда уходят люди?

Заполнение займет ~12 минут. А в апреле будет полный отчёт с цифрами!

Пересылайте друзьям и коллегам мобильным разработчикам! Тут важная фишка: чем больше ответов, тем точнее картина! Поэтому если мы все заполним, то мы потом сами увидим более реальную картину.

#devcrowd

🇰🇿 Увидимся в Алмате!

Друзья, на следующей неделе я буду в Алмате и выступлю на митапе GDG Almaty Spring Meetup!

Всех приглашаю там затусить! 💃

Я расскажу про Firebase AI, другие спикеры расскажут кучу всего интересного про AI! Приходите, пообщаемся, понетворкаемся!

Это будет:
• в среду, 11 марта, 19:00
• MOST IT Hub
• 📍 г. Алматы, ул. Ходжанова 2/2, БЦ Fortis

#GDG #Almaty #AI

💫 Gemini выиграл в Android Bench. А у вас так же?

Недавно Google выпустили Android Bench. Это leaderboard о том, как разные LLM справляются с Android-специфичными задачами. На первом месте Gemini 3.1 Pro Preview, дальше Claude Opus 4.6 и GPT-5.2 Codex.
Score считается как средний процент успешно решённых 100 тест-кейсов по 10 запускам.

Здесь важно отметить вот что: этот бенчмарк меряет не просто модель, хотя в заголовке это выглядит как LLM leaderboard. Google используют здесь довольно стандартный подход, который состоит из двух частей: Inference Agent и Patch Verifier.

Inference Agent пытается решить задачу и сгенерировать patch. Если по-простому, это такой суперпростой опенсурсный агент.
Patch Verifier применяет этот patch к проекту и прогоняет тесты, чтобы понять, сработало решение или нет.

А дальше будет мое субъективное мнение.

В моём личном персональном leaderboard ситуация обратная:
1. Claude Opus
2. GPT-5.2
3. Gemini

И вот почему, как мне кажется, наши leaderboard’ы так отличаются.

Android Bench — это полезный и интересный leaderboard, но всё же не полный leaderboard реального developer experience. Потому что на практике важно не только то, как модель пишет код и как она делает это автономно на простом агенте. Важно ещё и то, как она декомпозирует задачу, как ходит по проекту, как держит контекст, как пережёвывает многошаговые loop’ы, как восстанавливается после неудачной попытки.

То есть в реальности мы выбираем не просто LLM, а целый AI product, такой как Claude Code, Cursor и другие подобные инструменты.

И вот по моим субъективным ощущениям, в реальной Android-разработке пока всё ещё сильнее выглядят Claude и Cursor продукты, чем Gemini.

Но хорошая новость в другом: если Google реально так прокачали свои LLM на Android-специфичных задачах, то как только они дожмут именно агентное приложение, agent layer, вполне возможно, что мы с вами все захотим на это перейти.

💬 А у вас как по ощущениям?
В реальной Android-разработке кто сейчас сильнее: Claude, GPT или Gemini?

#android #ai #llm #gemini #claude #gpt #cursor #androiddev

🔮 За on-device моделями будущее?

Быстрый спойлер: на фото я с Мишей Рубановым (встретились на днях), и он как раз делает приложение с on-device AI! Ниже расскажу подробнее про это 👇

Я вчера попробовал на девайсе запустить и потыкать Gemini Nano.

То есть прям локально. Без похода в сеть, без облака, без вот этого всего. И, ну что, оно работает. Правда, скоуп пока очень ограниченный. По сути это история про только про:
- саммаризация
- рерайтинг
- proofreading
- описания картинки

И вот с такими задачами оно, кажется, справляется. Ну, по крайней мере на сколько я успел быстро потыкать. Google и сам сейчас говорит, что Gemini Nano именно как on-device модель для конкретных сценариев, а не как универсальный GPT.

Но есть нюанс. Даже два.

1) Gemini Nano сейчас есть мягко говоря не у всех 😅 Это пока история в основном для свежих флагманов и верхнего сегмента: Pixel, Galaxy S24/S25 и ещё небольшого числа моделей. У меня Google Pixel 10, у меня работает. Но если смотреть грубо на всю Android базу, то это типо считанные проценты или меньше. Google пишет, что доступность зависит от AICore и поддерживаемых девайсов.

2) Если вы хотите тащить локальную модель в свое приложение не через OS level, а самостоятельно, то это много гигабайт.

Но я тут подумал. Мне кажется, мы это уже много раз проходили.

- Когда-то Биллу Гейтсу казалось, что 640K памяти всем хватит.
- Когда-то скачать MP3, это было событие дня. Я реально сидел 2-3 часа и радовался, что скачал на комп целую песню (да, я такой динозавр 🦖).

А сейчас у каждого в кармане лежит какой-то суперкомпьютер по меркам прошлого, который мы используем для мемов про котиков 😁 и чтобы смотреть онлайн 4K-видео и яро злиться если видео вдруг лагнуло на одну секунду 🙃

Вот и здесь, мне кажется, будет так же. Сейчас локальные модели редкие, дорогие, ограниченные и т.д.

Но я почти уверен, что через 3–5 лет у нас с вами в кармане будет лежать очень мощная on-device LLM, которая будет закрывать 80–90% повседневных задач. И это станет настолько базовой частью жизни, что мы просто перестанем это замечать.

На фото мы с Мишей. И вот Миша, например, сделал приложение с локальной AI моделькой, которая заменяет ваше лицо в любом видосе.

То есть можно, например, сделать серию Stranger Things, но с лицом вашего ребёнка. Или со своим 😄

Ну крутая же идея?! 🔥

Да, пока такие штуки могут весить много, местами работать не на всех устройствах и вообще работать вам заменой сковородки. Но это уже начало нового будущего. Через какое-то время, мне кажется, локальные модели станут просто незаметной базой для всех.

Вот такое у меня ощущение.

💬 А вы как думаете? За on-device моделями реально будущее?

#android #ai #llm #ondevice #gemininano #mobiledev

🎮 Я запустил Doom на AGSL-шейдерах

Принято считать, что AGSL-шейдеры довольно ограничены по возможностям. Ну типо что-то подкрасить, исказить, добавить эффект, поиграться с цветом и на этом всё.

Я тоже примерно так думал. Но после того, как сделал Upside Down-эффект в стиле Stranger Things, начал всё глубже и глубже ковыряться в AGSL. И в какой-то момент подумал: а почему вообще мы так недооцениваем шейдеры?

По сути, у нас есть доступ к каждому пикселю.
А значит, вопрос уже не в том, можно ли там делать только визуальные эффекты.

А что мешает засунуть туда вообще всю игровую логику?

Ну и дальше всё пошло по классике.
• Взял Doom.
• Взял AI.
• Попросил аккуратно перенести логику в код шейдера.
И, как оказалось, сделать это можно довольно спокойно за один вечер!

В итоге у меня получился Doom, который работает прямо внутри AGSL-шейдера, внутри modifier.

На видео результат ☝️

Вот полный исходный код на гитхабе, можете поиграться! 🎮