AI-автодоповнення пошуку в мобільному додатку: підказки за 100 мс

Система автодоповнення пошукових запитів

Користувач вводить 'найк' у пошуку, і система миттєво пропонує релевантні варіанти: 'Nike кросівки', 'Nike одяг', 'Nike аксесуари'. Ідеальна затримка — менше 100 мс від введення символу до появи підказки. Будь-яка затримка понад 200 мс знижує конверсію на 20%. Ми — команда з досвідом понад 10 років, реалізували автодоповнення для 40+ проєктів (наприклад, для українського маркетплейсу одягу скоротили середній час пошуку з 8 с до 1.2 с). Розберемо, як побудувати надійне автодоповнення зі стеком Elasticsearch, Swift, Kotlin, Flutter, і яких помилок уникнути.

Автодоповнення — одна з найвимогливіших до швидкості функцій. Користувач очікує підказки швидше, ніж встигає помітити їх появу. Запити мають бути релевантними, а не просто популярними. Ми гарантуємо стабільну роботу при 10 000 запитів на секунду та покриття 80% найчастіших префіксів.

Чому простий prefix-пошук не працює

Наївна реалізація — зберігати часті запити в словнику та шукати за префіксом. Це працює для 'nike' → 'nike кросівки', але ламається для орфографічних помилок ('найк'), транслітерації ('krossovki' vs 'кросівки'), семантично близьких запитів ('бігове взуття' при введенні 'крос') та персоналізації (однаковий запит 'сукня' для різних користувачів).

Архітектура production-ready автодоповнення

Trie + нечіткий пошук для швидкості

Базовий шар — Trie на популярних запитах з нечітким пошуком через BK-tree або симетричне видалення (Symmetric Delete). Elasticsearch з маппінгом completion field — готове рішення з fuzzy matching з коробки:

{
  "mappings": {
    "properties": {
      "suggest": {
        "type": "completion",
        "analyzer": "standard",
        "contexts": [
          {"name": "category", "type": "category"}
        ]
      },
      "weight": {"type": "integer"}
    }
  }
}

# Пошук автодоповнень через ES Completion Suggester
async def get_suggestions(prefix: str, category: str, user_id: str) -> list[str]:
    response = await es.search(
        index="search_suggestions",
        body={
            "suggest": {
                "query_suggest": {
                    "prefix": prefix,
                    "completion": {
                        "field": "suggest",
                        "size": 8,
                        "fuzzy": {"fuzziness": "AUTO"},
                        "contexts": {"category": [category]}
                    }
                }
            }
        }
    )
    return [hit["_source"]["query"] for hit in response["suggest"]["query_suggest"][0]["options"]]

Ефективність такого підходу підтверджена документацією Elasticsearch.

Персоналізований ранжувальник підказок

Базові підказки з ES переранжуються з урахуванням історії користувача. Ознаки ранжувальника:

• global_frequency — скільки разів цей запит вводили всі користувачі
• user_query_history_match — чи вводив користувач схожий запит раніше
• user_category_affinity — наскільки категорія запиту близька інтересам користувача
• recency_boost — трендові запити за останні 24 години отримують буст

On-device кеш для миттєвого відгуку

Перші 3–5 символів запиту покривають близько 80% популярних prefix-комбінацій. Кешуємо підказки для 500 найчастіших префіксів на пристрої під час запуску додатку:

// Android: попереднє завантаження популярних prefix-підказок
class AutocompleteCache(context: Context) {
    private val db = Room.databaseBuilder(context, AutocompleteDatabase::class.java, "autocomplete").build()

    suspend fun preload() {
        val popularPrefixes = autocompleteApi.getPopularPrefixes(limit = 500)
        db.suggestionDao().insertAll(popularPrefixes)
    }

    suspend fun getSuggestions(prefix: String): List<String> {
        // спочатку перевіряємо локальний кеш
        val cached = db.suggestionDao().getSuggestions(prefix)
        if (cached.isNotEmpty()) return cached

        // якщо немає в кеші — запит на сервер
        return autocompleteApi.getSuggestions(prefix)
    }
}

Debounce та cancellation на клієнті

Кожен символ не повинен тригерити новий запит. Debounce 150–200 мс + відміна попереднього in-flight запиту:

// iOS: debounced автодоповнення з cancellation
class SearchViewModel: ObservableObject {
    @Published var suggestions: [String] = []
    private var searchTask: Task<Void, Never>?

    func onQueryChanged(_ query: String) {
        searchTask?.cancel()
        guard query.count >= 2 else { suggestions = []; return }

        searchTask = Task {
            try? await Task.sleep(nanoseconds: 150_000_000)  // 150ms debounce
            guard !Task.isCancelled else { return }

            let results = try? await autocompleteService.getSuggestions(query)
            await MainActor.run {
                suggestions = results ?? []
            }
        }
    }
}

Логування вибору підказки

Зазначимо: коли користувач тапає на підказку, логуємо позицію в списку, prefix при якому вона була вибрана, підсумковий запит. Ці дані — навчальна вибірка для наступної версії ранжувальника.

Порівняння методів автодоповнення

Як пришвидшити відгук автодоповнення?

Основні методи пришвидшення: попереднє завантаження on-device кешу, debounce з відміною попередніх запитів, використання Trie на сервері. Ми також застосовуємо асинхронне логування, щоб не блокувати UI. В результаті latency знижується на 40% порівняно з наївною реалізацією.

Що входить у реалізацію під ключ?

Реалізація включає базове автодоповнення (Elasticsearch Completion з fuzzy matching, без персоналізації — 2-3 дні), персоналізований ранжувальник (урахування історії користувача, категорійна афінність, тренди — +1 тиждень), on-device кеш (Room для Android і Core Data для iOS з попереднім завантаженням 500 префіксів — +2-3 дні) та клієнтську логіку (debounce, cancellation, UI інтеграція — +1-2 дні). В результаті ви отримуєте робоче рішення з вихідним кодом, документацію по API, доступ до сховища підказок, навчання команди, технічну підтримку протягом місяця після деплою.

Чому персоналізація важлива для автодоповнення?

Персоналізація підвищує релевантність підказок для кожного користувача. При введенні 'сукня' один користувач шукає вечірні сукні, інший — повсякденні. Ранжувальник враховує історію запитів, категорійну афінність і тренди. Це збільшує клікабельність підказок на 25-35% і скорочує час пошуку.

Процес роботи

1. Аналіз пошукових логів — вивантажуємо топ-1000 запитів, виявляємо патерни помилок, мови, транслітерацію.
2. Налаштування Elasticsearch Completion Suggester — з fuzzy matching, контекстними фільтрами.
3. Розробка персоналізованого ранжувальника — на основі історії користувача.
4. Реалізація on-device кешу — для Android (Room) і iOS (Core Data).
5. Інтеграція на клієнті — debounce, cancellation, UI.
6. Тестування та деплой — навантажувальне тестування, App Store / Google Play.

Зв'яжіться з нами для попередньої оцінки проєкту. Замовте реалізацію автодоповнення під ключ — отримайте надійне рішення з гарантією якості.

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.