🎩 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! 🎮

🚫 Хватит называть словом TDD все подряд!

Перестаньте уже называть словом TDD все что угодно, кроме самого TDD.

В последнее время все чаще и чаще вижу, как люди называют TDD что-то типа
“ну это когда ты сначала пишешь тесты” 🙄

Блин.

Я даю 99% гарантий, что человек, который так пишет, ни разу в жизни нормально не пробовал TDD. Просто увидел слова test-driven development, что-то у себя в голове достроил и пошел с этим что-то в интернете писать. И, как показывает практика, достроил он себе обычно какую-то фигню.

У меня, кстати, есть для вас реально полезный совет. Займет полтора часа.

1. На полчаса идете на YouTube и смотрите видео, что такое TDD.
Но обязательно с лайвкодингом! 👩‍💻

2. Потом выделяете себе час.
Закрываете все Claude, ChatGPT, Copilot и прочие незаменимые приложения.
Берете TDD-кату и идeте программировать руками часик по TDD. Руками!

Все.
Можете не благодарить.

После этого вы хотя бы сможете употреблять слово TDD по назначению.

Но для тех, кому совсем лень это реально попробовать, я напишу тут коротко, чтобы вы просто запомнили.

TDD — это не когда вы сначала пишете все тесты, а потом код. Или спеки, а потом тесты, а потом код. Нет!

TDD — это когда вы пишете код и тесты одновременно (ну почти).

Вот слово одновременно тут намного важнее, чем многие почему-то думают.

Это итерационный способ написания кода через быстрые циклы:
🔴 red → 🟢 green → 🔄 refactor

Как это выглядит:
• пишете один тест
• он красный 🔴
• он может даже сначала не компилиться, это нормально
• потом вы пишете минимальный код, который делает этот тест зелёным 🟢
• код в этот момент может быть кривой, тупой, некрасивый, вообще не тот, который хотелось бы в финале, но он делает тест зеленым
• и только после этого вы рефакторите код и, если надо, тест 🔄

Все. Цикл завершился. Дальше следующая итерация, и опять по кругу.
Вот это TDD!

А не “я сначала написал все тесты, а потом пошёл писать реализацию”.

Спасибо за внимание.
Не благодарите.

#tdd