AI-асистент для мобільного застосунку на YandexGPT

Створення AI-асистента для мобільного застосунку на YandexGPT

При розробці мобільного застосунку для українського/російського ринку постає питання: як додати AI-асистента, який працює з російською мовою та не залишає сервера РФ? YandexGPT — практично єдиний вибір, коли дані повинні оброблятися на серверах у РФ, потрібна відмінна якість російської мови та інтеграція з екосистемою Яндекса (пошук, карти, маркет). Ми, команда з досвідом понад п'ять років у мобільній розробці, інтегрували YandexGPT у більш ніж 15 проєктів — від фінтеху до e-commerce. Гарантуємо дотримання App Store Review Guidelines, безпеку ключів через серверний проксі та повну підтримку на всіх етапах. Отримайте консультацію — оцінимо ваш проєкт.

Як інтегрувати AI-асистента з голосовим управлінням?

Для голосового вводу/виводу в російськомовному застосунку — Yandex SpeechKit: найкраща якість російської мови серед доступних сервісів. SDK для iOS та Android доступні через CocoaPods та Maven відповідно. STT через WebSocket: wss://stt.api.cloud.yandex.net/speech/v3/stt:streamingRecognize — стримінгове розпізнавання з частковими результатами. TTS через REST з вибором голосу (alena, filipp, jane — SSML підтримується). Для голосового асистента ми рекомендуємо комбінувати SpeechKit з YandexGPT: розпізнавання → генерація відповіді → синтез.

Чому важливий серверний проксі для YandexGPT?

IAM-токен живе 12 годин і не повинен зберігатися в застосунку. Пряме використання IAM-токену порушує Section 5.1 App Store Review Guidelines (конфіденційність). Серверний проксі також дозволяє кешувати відповіді та керувати лімітами. Ми використовуємо серверний проксі: застосунок надсилає запити на ваш бекенд, який підписує їх сервісним акаунтом. Це виключає витік ключів і водночас дає контроль над навантаженням.

Yandex Foundation Models API

YandexGPT доступний через Yandex Cloud Foundation Models API. Базовий URL: https://llm.api.cloud.yandex.net/foundationModels/v1/completion. Для аутентифікації використовується IAM-токен (для користувацьких застосунків) або API-ключ сервісного акаунта (для серверного проксі). IAM-токен живе 12 годин і потребує оновлення — на мобільному клієнті напряму не застосовується.

Структура запиту:

struct YandexGPTRequest: Encodable {
    let modelUri: String  // "gpt://{folder_id}/yandexgpt/latest"
    let completionOptions: CompletionOptions
    let messages: [YandexMessage]
}

struct CompletionOptions: Encodable {
    let stream: Bool
    let temperature: Double  // 0..1
    let maxTokens: String    // строка, не число — особливість API
}

Важлива особливість: maxTokens передається рядком, не числом. Це порушує принцип найменшого подиву і періодично ламає автоматично згенеровані клієнти. modelUri будується як gpt://{folder_id}/{model_name}/{version}. folder_id — ідентифікатор папки в Yandex Cloud, його потрібно зберігати на сервері, не в застосунку.

Як працює стримінг YandexGPT у мобільному застосунку?

Для відображення відповідей у реальному часі необхідний стримінговий режим (stream: true у синхронному запиті). У цьому режимі сервер повертає chunked-відповідь з частковими результатами. Кожен чанк — повний JSON з накопиченим текстом (не дельта, а повний текст на кожному кроці). Це важливо: при рендері потрібно замінювати попередній текст новим, а не додавати дельту, як у OpenAI.

// Кожен чанк містить ПОВНИЙ текст, не дельту
// Правильний рендер:
func handleChunk(_ response: YandexCompletionResponse) {
    let fullText = response.result.alternatives.first?.message.text ?? ""
    DispatchQueue.main.async {
        self.currentMessage = fullText  // replace, not append
    }
}

YandexGPT підтримує синхронний режим (/completion) з тайм-аутом 60 секунд і асинхронний (/completionAsync), де спочатку отримуємо operation_id, потім полінгом забираємо результат. Стримінг доступний лише в синхронному режимі.

Як вибрати між YandexGPT Lite та Pro?

Для більшості завдань мобільного асистента (помічник, FAQ, обробка тексту) Lite достатній. Pro виправданий для складних аналітичних завдань та роботи з довгими документами. Embeddings API (/textEmbedding) стане в нагоді для семантичного пошуку в локальній базі знань — модель text-search-query/latest для запитів, text-search-doc/latest для документів.

Процес роботи

Старт: налаштування Yandex Cloud акаунта, створення сервісного акаунта, ролі ai.languageModels.user, серверний проксі для безпечного зберігання credentials. Розробка: API-клієнт → стримінговий UI з урахуванням повного тексту в чанках → керування історією → опціональна інтеграція SpeechKit. Завершальний етап — допомога з публікацією в App Store та Google Play.

Типові помилки при інтеграції

Що входить у роботу

• Аналіз вимог і вибір моделі (Lite/Pro)
• Налаштування Yandex Cloud та серверного проксі
• Реалізація стримінгового чату з UI під iOS/Android
• Інтеграція SpeechKit (голосовий ввід/вивід)
• Документація API та схеми авторизації
• Допомога з публікацією в App Store / Google Play
• Підтримка після запуску (2 тижні)

Орієнтири за термінами

Текстовий асистент зі стримінгом — 1–2 тижні. З голосом через SpeechKit та серверним проксі — 3–4 тижні. Зв'яжіться з нами: оцінимо ваш проєкт, запропонуємо архітектуру та терміни. Працюємо під ключ. Економія часу та коштів на етапі налаштування та налагодження — до 30% порівняно з самостійною розробкою. Оптимізуйте бюджет: делегуйте інтеграцію професіоналам.

Ссилки: YandexGPT API documentation та App Store Review Guidelines.

Машинне навчання в мобільних застосунках: CoreML, TFLite та on-device LLM

Ми розрізняємо два принципово різних підходи: застосунок з on-device AI та застосунок, який просто викликає хмарне API. Перший працює без інтернету, не надсилає дані користувача на сторонні сервери та відповідає за 50 мілісекунд. Другий залежить від затримки мережі та тарифного плану. Вибір архітектури — ключовий етап, який безпосередньо впливає на вартість, приватність та користувацький досвід. Наш досвід показує: у 70% проектів on-device інференс виявляється дешевшим у довгостроковій перспективі завдяки виключенню серверних витрат. Економія може сягати 40% щомісячних витрат — отримайте консультацію, ми порахуємо для вашого кейсу.

Як вибрати між CoreML та TFLite для on-device інференсу?

CoreML — нативний фреймворк Apple для запуску ML-моделей на пристрої, описаний у документації Apple. Підтримує Neural Engine (A11 Bionic та новіші), GPU та CPU як fallback. Моделі конвертуються у формат .mlmodel через coremltools з PyTorch, ONNX або TensorFlow. Конвертація — не завжди тривіальна: кастомні шари вимагають реалізації MLCustomLayer, а квантизація до INT8 іноді помітно знижує точність на специфічних даних. Ми гарантуємо, що підсумкова модель проходить валідацію на реальних даних до та після конвертації.

TensorFlow Lite — крос-платформна альтернатива для Android та Flutter відповідно до специфікації Google. На Android використовує NNAPI (Neural Networks API) для апаратного прискорення — з Android 10+ NNAPI стабільніший, до цього краще явно використовувати GPU delegate через GpuDelegate. Типова помилка: модель навчена на нормалізованих даних у діапазоні [0,1], а в застосунку на вхід подається [0,255] — інференс працює, але з безглуздими результатами без помилки. Ми включаємо модуль автоматичної валідації вхідних даних у SDK.

Для задач класифікації зображень, детекції об'єктів та сегментації доступні готові оптимізовані моделі. YOLOv8 у CoreML форматі запускає детекцію кадру 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite з GPU delegate — близько 8 мс на Pixel 7 при класифікації.

Що робити, якщо потрібна генерація тексту на пристрої?

Запуск невеликих мовних моделей на пристрої став реальністю за останні роки. Apple Intelligence використовує власні моделі через Private Cloud Compute, але для сторонніх розробників доступні інші шляхи.

llama.cpp з Metal backend на iOS — робочий підхід для phi-3-mini (3.8B параметрів, 4-bit квантизація, ~2.3 ГБ). Інференс: 15–25 токенів/секунду на iPhone 15 Pro. Для інтеграції в Swift використовуємо Swift Package llama.swift або обгортку через C-інтерфейс llama.h. Бінарник до застосунку не додаємо — модель завантажується при першому запуску та зберігається в Application Support. Наші сертифіковані розробники налаштовують інкрементальне завантаження, щоб не блокувати перший запуск.

На Android аналог — Google AI Edge (колишній MediaPipe LLM Inference API) з підтримкою Gemma-2B. Працює через GPU delegate, на Tensor G3 чіпі Pixel 8 Pro — близько 20 токенів/секунду.

Інтеграція OpenAI API та інших хмарних моделей

Для сценаріїв, де cloud inference допустимий, інтеграція OpenAI, Anthropic або Google Gemini — це HTTP клієнт + streaming SSE. У Swift зручно через AsyncThrowingStream для стрімінгових відповідей. У Kotlin — через Flow.

Критично важливо: API-ключі ніколи не зберігаються в бандлі застосунку. Навіть обфускований ключ витягується з IPA за 10 хвилин через strings або frida. Правильна архітектура: мобільний застосунок → власний backend → OpenAI API. Backend контролює rate limiting, логує запити, захищає ключ.

Що входить у роботу (результати)

• Навчена та квантизована модель під цільовий пристрій (документація за метриками)
• SDK для інтеграції (Swift/Kotlin/Flutter) з прикладами виклику
• Тести продуктивності на 3–5 реальних пристроях
• Інструкція з оновлення моделі OTA
• Підтримка при проходженні модерації App Store / Google Play (перевірка відповідності Guidelines 4.2, 5.1)
• 2 тижні технічної підтримки після релізу

Типовий пайплайн проекту

1. Аналіз завдання — вимірюємо latency, privacy, size, підтримувані пристрої.
2. Прототипування моделі — в Python, оцінка accuracy на цільових даних.
3. Конвертація та квантизація — під CoreML/TFLite з валідацією.
4. Інтеграція в застосунок — модель обгортається в сервісний шар (легко замінювати CoreML → TFLite → хмара).
5. Тестування — на реальних пристроях, вимір FPS, RAM, батареї.
6. Деплой — через TestFlight / Firebase App Distribution, моніторинг метрик.

Терміни: інтеграція готової CoreML/TFLite моделі — 1–2 тижні, розробка кастомної моделі з мобільною оптимізацією — від 6 тижнів, on-device LLM чат з персоналізацією — 4–8 тижнів.

Чому ми беремося за складні кейси?

10+ років досвіду в мобільній розробці, 50+ впроваджених AI/ML рішень, гарантія сумісності з актуальними версіями iOS та Android. Всі проекти проходять code review та навантажувальне тестування. У вартість вже входить підготовка документації для модерації та навчання вашої команди.

Зв'яжіться з нами — ми допоможемо вибрати архітектуру та впровадити ML у ваш застосунок під ключ. Замовте аудит наявного рішення — безкоштовно оцінимо потенціал економії серверних витрат. Отримайте консультацію експерта — напишіть нам сьогодні.