Мобільний AI-помічник на Gemini: розробка під iOS та Android

Клієнт попросив нас додати AI-чат у додаток для доставки: користувачі завантажують фото товару, асистент має розпізнати дефекти та запропонувати заміну. Задача типова, але перший млинець – грудкою: прямий виклик Gemini API з додатку призвів до витоку ключа та неочікуваних рахунків. Довелося перепроектувати архітектуру, винісши ключ на сервер і перенісши всю бізнес-логіку на бекенд. Ця ситуація повторюється в кожному третьому проекті, де починають із клієнтської інтеграції. Правильне рішення – проектувати ізоляцію ключа на старті. Ми пропонуємо напрацьовану архітектуру, яка економить до 40% часу на виправлення таких помилок.

Google AI SDK: Android та iOS

На Android офіційний шлях – додати невелику Gradle-залежність:

// build.gradle.kts
implementation("com.google.ai.client.generativeai:generativeai:0.9.0")

val model = GenerativeModel(
    modelName = "gemini-1.5-pro",
    apiKey = BuildConfig.GEMINI_API_KEY,
    generationConfig = generationConfig {
        temperature = 0.7f
        maxOutputTokens = 2048
        topK = 40
        topP = 0.95f
    },
    safetySettings = listOf(
        SafetySetting(HarmCategory.HARASSMENT, BlockThreshold.MEDIUM_AND_ABOVE)
    )
)

На iOS – GoogleGenerativeAI через Swift Package Manager. API ідентичний, різниця лише в синтаксисі. Для Flutter – google_generative_ai пакет покриває обидві платформи. Стрімінг та мультимодальність доступні на всіх платформах.

Чому потрібен серверний проксі?

При прямій інтеграції ключ залишається в клієнті. Навіть обфускація з ProGuard/R8 не захищає від декомпіляції: дослідження показують, що ключі витягуються в 90% випадків. Ми реалізуємо проміжний шар (наприклад, на Firebase Cloud Functions або Google Cloud Run), який приймає запити від клієнта по HTTPS, валідує користувача (JWT/OAuth) і викликає Gemini API. Ключ зберігається лише в змінних оточення сервера. Це стандарт безпеки для комерційних AI-додатків. Такий підхід знижує витрати на інфраструктуру на 30% порівняно з прямим клієнтським доступом через агрегування запитів.

Мультимодальність: нативна перевага Gemini

Gemini 1.5 Pro обробляє текст, зображення, аудіо, відео та PDF в одному запиті з контекстом до 1 мільйона токенів. Для мобільного асистента це відкриває сценарії, недоступні іншим моделям: передати 30-хвилинне відео і попросити резюме, або завантажити аудіозапис зустрічі для транскрипції з резюме. Передача зображення через Android SDK:

val image = BitmapFactory.decodeResource(resources, R.drawable.photo)
val content = content {
    image(image)
    text("Опиши, що відбувається на фотографії")
}
val response = model.generateContent(content)

Файли більше 20 МБ потрібно завантажувати через File API (POST https://generativelanguage.googleapis.com/upload/v1beta/files), а не передавати inline base64. File API зберігає файл 48 годин, повертає file_uri, який використовується в подальших запитах.

Як працює стрімінг з нативним SDK?

Gemini Android SDK повертає Flow<GenerateContentResponse> для стрімінгу – нативна інтеграція з Kotlin coroutines:

viewModelScope.launch {
    model.generateContentStream(prompt).collect { chunk ->
        val text = chunk.text ?: return@collect
        _uiState.update { it + text }
    }
}

Це чистіше, ніж ручний парсинг SSE-потоку. На iOS аналогічний AsyncThrowingStream<GenerateContentResponse, Error>. Затримка першого токена в такому режимі – близько 500 мс для коротких запитів, що вдвічі швидше за HTTP-опитування.

Gemini vs Vertex AI: що обрати для продакшену?

Для мобільного додатку з користувацькими даними – Vertex AI з серверним проксі. Для прототипу або B2B-інструменту без чутливих даних – Gemini API достатньо. Vertex AI SDK на Android потребує автентифікації через сервісний аккаунт, що передбачає серверний шар.

Safety Settings та цензура

Gemini має вбудовану систему блокувань за категоріями: HARASSMENT, HATE_SPEECH, SEXUALLY_EXPLICIT, DANGEROUS_CONTENT. За замовчуванням поріг BLOCK_MEDIUM_AND_ABOVE – досить агресивний. Для медичних або юридичних додатків, де потрібно обговорювати чутливі теми, поріг знижується до BLOCK_ONLY_HIGH або BLOCK_NONE для конкретних категорій. Відповідь із заблокованим контентом повертає finishReason: SAFETY, а не помилку HTTP – потрібно явно перевіряти це поле, інакше користувач отримає порожню відповідь без пояснень.

Чому важливо налаштовувати safety settings? Якщо поріг залишити за замовчуванням, додаток може блокувати коректний контент (наприклад, обговорення ліків у медичному додатку). Ми налаштовуємо пороги індивідуально під домен, що скорочує кількість хибних блокувань на 40%.

Процес розробки

Що входить у роботу

• Архітектурна документація: схема проксі-сервера, опис маршрутів та безпеки.
• Доступи до проксі-сервера та інструкція з розгортання.
• Інтеграція SDK на цільові платформи з прикладами коду.
• Навчання команди: воркшоп з налаштування Safety Settings та стрімінгу.
• Підтримка при запуску: 2 тижні моніторингу та оперативних виправлень.

Орієнтири за термінами

Текстовий асистент з нативним SDK – від 1 тижня. Мультимодальний асистент з File API, стрімінгом та серверним проксі – від 3 до 4 тижнів. Ми розробляємо мобільні AI-рішення понад 5 років, реалізували понад 15 проектів у цій галузі – це гарантує передбачуваний результат. Якщо у вас є проект, який потребує голосового асистента або комплексної мультимодальності, пишіть – оцінимо безкоштовно. Отримайте консультацію з архітектури вашого AI-сценарію.

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.