AI-автодополнение текста при наборе: реализация на iOS и Android

Внедрение AI-автодополнения: от концепции до готового UX

Представьте: пользователь набирает ответ в мессенджере, и приложение предлагает закончить предложение фразой «Спасибо за письмо, я рассмотрю ваше предложение». Если подсказка появляется с задержкой 2 секунды или мигает при каждом символе — UX разрушен. Мы решали эту проблему для финтех-приложения с аудиторией 500k+ пользователей. Результат: 30% пользователей используют автодополнение ежедневно, время набора сообщений сократилось на 40%. Разрыв между концептом и рабочей реализацией — в деталях UX и производительности.

Когда предлагать подсказку

Самая недооценённая часть — триггер. Подсказка не должна появляться при каждом символе. Рабочая эвристика: предлагаем автодополнение, если пользователь набрал от 3 слов в текущей строке и сделал паузу > 600 мс, или нажал пробел в конце предложения-незавершёнки. Ниже — сравнение распространённых стратегий триггера.

// iOS - триггер автодополнения
private var autocompleteTask: Task<Void, Never>?

func textDidChange(_ textView: UITextView) {
    autocompleteTask?.cancel()

    let text = textView.text ?? ""
    let cursorPosition = textView.selectedRange.location
    let textBeforeCursor = String(text.prefix(cursorPosition))

    // Не предлагаем в середине слова
    guard textBeforeCursor.last == " " || textBeforeCursor.last == "\n" else {
        hideAutocomplete()
        return
    }

    // Минимум 15 символов контекста
    guard textBeforeCursor.trimmingCharacters(in: .whitespaces).count > 15 else { return }

    autocompleteTask = Task {
        try? await Task.sleep(nanoseconds: 600_000_000) // 600ms debounce
        guard !Task.isCancelled else { return }
        await fetchAutocomplete(context: textBeforeCursor)
    }
}

Запрос к модели и парсинг ответа

Для автодополнения используем режим completion, не chat. gpt-4o-mini с max_tokens: 30 и temperature: 0.3 — быстро и предсказуемо.

struct AutocompleteRequest: Encodable {
    let model = "gpt-4o-mini"
    let messages: [ChatMessage]
    let maxTokens = 30
    let temperature = 0.3
    let stop = ["\n", "."]  // останавливаемся на конце предложения
}

func buildPrompt(context: String) -> [ChatMessage] {
    [
        ChatMessage(role: "system", content: "Complete the text naturally. Continue from where it ends. Output only the continuation, no commentary."),
        ChatMessage(role: "user", content: context)
    ]
}

Стоп-токены \n и . — важны. Без них модель сгенерирует несколько предложений, а нам нужно одно продолжение.

Почему on-device модели не всегда подходят?

Альтернатива для on-device — CreateML Text Classifier не подходит, нужен generative model. На iOS 18+ есть Foundation Models framework с on-device LLM (Apple Intelligence). На Android — Gemini Nano через Google AI Edge SDK. Однако Gemini Nano доступен на Pixel 8+ и некоторых Samsung — не универсальное решение. Согласно Apple Foundation Models, on-device LLM требует A17 Pro или M1+. Для широкой аудитории нужен серверный fallback.

// Android - Gemini Nano on-device (требует поддержки устройства)
val generativeModel = GenerativeModel(
    modelName = "gemini-nano",
    generationConfig = generationConfig {
        maxOutputTokens = 30
        temperature = 0.3f
        stopSequences = listOf(".", "\n")
    }
)

val response = generativeModel.generateContent(
    content { text("Complete naturally: $contextText") }
)
val completion = response.text?.trim() ?: ""

В таблице ниже сравним подходы:

Гибридный подход — on-device с серверным fallback — даёт лучшее из двух миров.

Как избежать мигания подсказки?

Suggestion мигает. Происходит если новый запрос возвращается быстрее 200 мс и сразу сменяет предыдущий. Решение — показывать только если новый suggestion отличается от предыдущего более чем на 3 символа.

Модель продолжает удалённый текст. Если пользователь удалил часть текста — в контексте для промпта должна быть актуальная версия, не предыдущая. Следите за синхронизацией textBeforeCursor с реальным состоянием TextStorage.

Tab перехватывается системой. На Android Tab на мягкой клавиатуре недоступен. Используем кастомную inline-клавишу или жест свайп-вправо через GestureDetector.

Отображение подсказки

Стандартный паттерн: серый inline-текст после курсора. Пользователь нажимает Tab или свайп вправо — подсказка принимается. Любой другой ввод — скрывается.

// Android Compose - inline suggestion
@Composable
fun TextFieldWithSuggestion(
    value: String,
    suggestion: String,
    onValueChange: (String) -> Unit,
    onAcceptSuggestion: () -> Unit
) {
    val annotatedText = buildAnnotatedString {
        append(value)
        withStyle(SpanStyle(color = Color.Gray.copy(alpha = 0.6f))) {
            append(suggestion)
        }
    }

    BasicTextField(
        value = TextFieldValue(
            annotatedString = annotatedText,
            selection = TextRange(value.length)  // курсор — после реального текста
        ),
        onValueChange = { tfv ->
            val newText = tfv.text.take(value.length + suggestion.length)
            if (newText.startsWith(value + suggestion)) {
                onAcceptSuggestion()
            } else {
                onValueChange(tfv.text.take(value.length))
            }
        },
        keyboardActions = KeyboardActions(
            onDone = { onAcceptSuggestion() }
        )
    )
}

На iOS inline suggestion через UITextInput + drawText(in:) или проще через overlay label, позиционированный через caretRect(for:).

Что входит в работу

При заказе реализации AI-автодополнения вы получаете:

• Архитектурную документацию: выбор подхода (сервер / on-device / гибрид), схему интеграции.
• Реализацию триггера и debounce с учётом UX.
• Интеграцию с выбранным API или on-device SDK.
• UI-компоненты inline-подсказки под iOS и Android.
• Тестирование на реальных устройствах: достоверность подсказок, отсутствие мерцания, корректное поведение при удалении.
• Инструкцию по эксплуатации и рекомендации по дообучению модели.

Опираясь на опыт реализации более 10 проектов в области NLP, мы гарантируем стабильную работу подсказок. Свяжитесь с нами, чтобы оценить ваш проект — мы подберём оптимальное решение за 1-2 дня.

Ориентиры по срокам

Базовое автодополнение с серверным API + inline UI — 5–8 дней. On-device через Apple Intelligence / Gemini Nano с серверным fallback — 2–3 недели. Точные сроки зависят от количества платформ, требований к дизайну и необходимости поддержки офлайн-режима. Получите консультацию — мы рассчитаем срок под ваш проект.

Частые проблемы и их решения

AI и ML в мобильных приложениях: CoreML, TFLite и on-device модели

Мы различаем два принципиально разных подхода: приложение с on-device AI и приложение, которое просто вызывает облачное API. Первое работает без интернета, не отправляет данные пользователя на сторонние серверы и отвечает за 50 миллисекунд. Второе зависит от задержки сети и тарифного плана. Выбор архитектуры — ключевой этап, который напрямую влияет на стоимость, приватность и пользовательский опыт. Наш опыт показывает: в 70% проектов on-device инференс оказывается дешевле в долгосрочной перспективе за счёт исключения серверных затрат.

Как выбрать между CoreML и TFLite для on-device инференса?

CoreML — нативный фреймворк Apple для запуска ML-моделей на устройстве. Поддерживает Neural Engine (начиная с A11 Bionic), GPU и CPU как fallback. Модели конвертируются в формат .mlmodel через coremltools из PyTorch, ONNX или TensorFlow. Конвертация — не всегда тривиальна: кастомные слои требуют реализации MLCustomLayer, а квантизация до INT8 иногда заметно роняет точность на специфических данных. Мы гарантируем, что итоговая модель проходит валидацию на реальных данных до и после конвертации.

TensorFlow Lite — кросс-платформенная альтернатива для Android и Flutter. На Android использует NNAPI (Neural Networks API) для хардварного ускорения — с Android 10 NNAPI стабильнее, до этого лучше явно использовать GPU delegate через GpuDelegate. Типичная ошибка: модель обучена на нормализованных данных в диапазоне [0,1], а в приложении на вход подаётся [0,255] — инференс работает, но с бессмысленными результатами без ошибки. Мы включаем модуль автоматической валидации входных данных в SDK.

Для задач классификации изображений, детекции объектов и сегментации доступны готовые оптимизированные модели. YOLOv8 в CoreML формате запускает детекцию кадра 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite с GPU delegate — около 8 мс на Pixel 7 при классификации.

Что делать, если нужна генерация текста на устройстве?

Запуск небольших языковых моделей на устройстве стал реальностью в последние несколько лет. Apple Intelligence использует собственные модели через Private Cloud Compute, но для сторонних разработчиков доступны другие пути.

llama.cpp с Metal backend на iOS — работающий подход для phi-3-mini (3.8B параметров, 4-bit квантизация, ~2.3 ГБ). Инференс: 15–25 токенов/секунду на iPhone 15 Pro. Для интеграции в Swift используем Swift Package llama.swift или обёртку через C-интерфейс llama.h. Бинарник к приложению не прикладываем — модель скачивается при первом запуске и хранится в Application Support. Наши сертифицированные разработчики настраивают инкрементальную загрузку, чтобы не блокировать первый запуск.

На Android аналог — Google AI Edge (бывший MediaPipe LLM Inference API) с поддержкой Gemma-2B. Работает через GPU delegate, на Tensor G3 чипе Pixel 8 Pro — около 20 токенов/секунду.

Ограничения реальны: модели больше 4B параметров на мобильных устройствах по-прежнему медленны. Для сложных задач рассуждения on-device LLM уступает GPT-4o в качестве. Гибридный подход — on-device для коротких задач и приватных данных, облако для сложных запросов — часто оптимален. Оценим ваш кейс и предложим баланс производительности и приватности — пишите.

Интеграция OpenAI API и других облачных моделей

Для сценариев, где cloud inference допустим, интеграция OpenAI, Anthropic или Google Gemini — это HTTP клиент + streaming SSE. В Swift удобно через AsyncThrowingStream для стриминговых ответов. В Kotlin — через Flow.

Критически важно: API-ключи никогда не хранятся в бандле приложения. Даже обфусцированный ключ извлекается из IPA за 10 минут через strings или frida. Правильная архитектура: мобильное приложение → собственный backend → OpenAI API. Backend контролирует rate limiting, логирует запросы, защищает ключ.

Что входит в работу (deliverables)

• Обученная и квантизированная модель под целевое устройство (документация по метрикам)
• SDK для интеграции (Swift/Kotlin/Flutter) с примерами вызова
• Тесты производительности на 3–5 реальных устройствах
• Инструкция по обновлению модели OTA
• Поддержка при прохождении модерации App Store / Google Play (проверка соответствия Guidelines 4.2, 5.1)
• 2 недели технической поддержки после релиза

Типичный пайплайн проекта

1. Анализ задачи — замеряем latency, privacy, size, поддерживаемые устройства.
2. Прототипирование модели — в Python, оценка accuracy на целевых данных.
3. Конвертация и квантизация — под CoreML/TFLite с валидацией.
4. Интеграция в приложение — модель оборачивается в сервисный слой (легко подменять CoreML → TFLite → облако).
5. Тестирование — на реальных девайсах, замер FPS, RAM, батареи.
6. Деплой — через TestFlight / Firebase App Distribution, мониторинг метрик.

Сроки: интеграция готовой CoreML/TFLite модели — 1–2 недели, разработка кастомной модели с мобильной оптимизацией — от 6 недель, on-device LLM чат с персонализацией — 4–8 недель.

Почему мы беремся за сложные кейсы?

10+ лет опыта в мобильной разработке, 50+ внедрённых AI/ML решений, гарантия совместимости с актуальными версиями iOS и Android. Все проекты проходят code review и нагрузочное тестирование. В стоимость уже входит подготовка документации для модерации и обучение вашей команды.

Свяжитесь с нами — мы поможем выбрать архитектуру и внедрить ML в ваше приложение под ключ. Закажите аудит существующего решения — бесплатно оценим потенциал экономии серверных затрат (в некоторых проектах экономия достигает $10k в месяц).