Расписание

БУМ — большие угадывающие модели — уже умеют писать код по нашему описанию. Но как понимать и контролировать результат, если читать сгенерированный код становится всё менее осмысленно?

В докладе поговорим о БУМ-кодинге как об искусстве и о том, что может прийти на смену текстовому представлению программы: визуальные структурные образы, в которых логику алгоритма можно буквально увидеть. Разберем, как такой подход может вернуть программированию инженерный смысл, не отказываясь от возможностей БУМ.

Артефактом дизайна может быть не макет в графическом редакторе, а живой прототип на реальных компонентах дизайн-системы, который агент генерирует из промпта и затем перегоняет в нативный код. Так два самых медленных этапа мобильной разработки — создание дизайна и его перенос в код — перестают быть узким местом e2e-конвейера.

Как мы построили метрики сборки для монорепо на 416 модулей, несколько раз поймали собственные дашборды на лжи — и почему настоящие виновники медленных сборок оказались совсем не там, где мы их искали.

Расскажу про Personal AI Workspace (PAIW).

Разберем, почему популярные DI-фреймворки замедляют старт приложения, и на примере Swinject получим готовый рецепт ускорения в 10 раз — меняя только внутренности контейнера, без правок архитектуры.

Мы привыкли, что анализ временных рядов — это Python и его классические модули statsmodels, sklearn, numpy, etc. Этот стек стал фактическим стандартом, и он работает: на сервере, где есть большой ресурс по памяти и вычислительным мощностям. Но что, если приложение должно работать без сети и без доступа к серверу? Это возможно в том случае, если доступ к данным для пользователя важен в каждый момент времени.

Если на больших изображениях добавлять pan/zoom в Compose в лоб, то гарантированно возникнут краш и лаги. Доклад раскрывает основные проблемы и дает понимание, как с ними бороться, а также общую модель работы с большими изображениями в Compose. На живом демо показывается, как от краша дойти до стабильной и плавной картинки.

В докладе расскажу про ast-index — Rust CLI для структурной индексации кода через Tree-sitter и SQLite/FTS5. Покажу метрики и в общем расскажу про применение инструмента и как он появился.

Полностью автоматически перенести Android-приложение на HarmonyOS NEXT — нетривиальная задача: платформы слишком сильно различаются по архитектуре. Я покажу, как трансляция Kotlin и Jetpack Compose в ArkTS и ArkUI возможна при помощи SMT-решателей, и расскажу, почему в эпоху ИИ инженеру по-прежнему важно понимать математику.

Как использовать T-shape для развития инженеров и что он дает команде.

Как превратить ресурсоемкий Liquid Glass в производительный и предсказуемый элемент дизайн-системы с нулевыми внешними зависимостями. В докладе детально разберем работу с графическим конвейером Android, настройку fallback-состояний для low-end устройств и архитектурный контроль над UI-эффектами.

Разберем Liquid Glass на составные части и воссоздадим его с помощью Metal. От анатомии эффекта до интерактивных анимаций и интеграции в Telegram.

Как превратить performance Android-приложения из набора субъективных ощущений в измеримый инженерный процесс? Разберем, какие метрики собирать на реальных устройствах, как встроить измерения в Android/MVI-архитектуру, находить проблемы и приоритизировать улучшения. На практических кейсах покажем работу со startup, screen load, сетью, изображениями, кешем и Baseline Profile, а также расскажем, как связать performance с бизнес-метриками, внедрить SLO и алерты и доказать эффект оптимизаций с помощью A/B-тестов.

На докладе разберем, как внедрять ИИ в разработку без юридических рисков, включая реальные кейсы утечек и увольнений, а также действия в условиях отсутствия регламентов.

Обсудим модели внедрения, ключевые правовые вопросы (ответственность, авторские права, дообучение) и на практике покажем, за что уже наказывают, завершив все прикладным чек-листом для безопасного использования ИИ.

Как устроен UI-фреймворк под капотом и что нужно, чтобы создать свой? На примере AdaEngine разберем эволюцию UI, DSL, виртуальные деревья, тесселяцию и рендеринг, оптимизации и кроссплатформенный запуск. Поговорим о том, почему иногда имеет смысл не использовать готовые решения, а попробовать создать собственный UI-фреймворк на Swift.

IT штормит: искусственный интеллект, политика, кризисы, ускорение жизни. Куда занесет наш корабль? Постараемся разобраться в разрезе истории, экономики и трендовых технологий.

Как устроен Kotlin Flow под капотом и почему одни его реализации просты, а другие требуют сложных алгоритмических решений? Разберем три основных типа Flow и наглядно посмотрим, как они устроены, связаны между собой и решают проблему backpressure. Сравним их производительность, разберем неожиданные особенности реализации и выясним, какой Flow стоит выбирать для разных задач. А заодно посмотрим, как создавать собственные операторы для нестандартных сценариев.

Если ИИ уже разогнал вашу разработку, а ваш CI еще не в курсе — расскажу, какие ходы повторить у себя и где заранее провести границу между ИИ и человеком.

Продолжение истории с Compose-alpha на Аврора ОС: на примере реального многомодульного KMP-приложения Effective-Office разберем, что переезжает почти без правок, а что становится блокером — от библиотек без linux-native сборок (multiplatform-settings, Coil, Calf UI, Decompose) до выбора между портом существующего UI и новым клиентом поверх общего core.

В итоге — воспроизводимый чек-лист, честная оценка сроков и опыт использования ИИ в таком порте.

Swift выходит за пределы Apple-экосистемы: WebAssembly, JavaScript, Android и другие среды исполнения. В докладе разберем новый SDK Apple для WebAssembly, его возможности и цели, сравним с KMP, обсудим потенциальный обход ограничений iOS и стоит ли разработчикам инвестировать время в это направление.

Доклад посвящен анализу популярных MCP-серверов с точки зрения расхода токенов и качества реализации, а также сравнению их с альтернативой — легковесными Skills-обертками над CLI-утилитами.

В коде null означает не только «отсутствие значения», но и «невалидно», «не нашли», «не та фаза Луны» — и это стоит команде часов дебага в неделю. Покажу, откуда берутся эти скрытые смыслы и как от них избавиться, чтобы null-проверки перестали быть техдолгом.

Истерия вокруг искусственного интеллекта подходит к концу, переходим к максимально рациональному использованию ИИ ресурсов. В докладе разберем историю развития ИИ-истерии, к чему она привела, и рассмотрим, какие лучшие практики успели сформироваться в сфере использования ИИ.

Прикладные кейсы внедрения AI в разработку в Циан: начиная от UI-тестов и экранов под ключ без нашего участия и заканчивая применением ML-алгоритмов для статических проверок приложения.

Доклад для мобильных разработчиков, которые хотят делать красиво и понимать, что происходит под капотом рендеринга.

Знаете ли вы, сколько денег ваша компания сожгла на этой неделе из-за диплинка, который открыл не тот экран? Мы не знали, а когда научились считать, сэкономили компании много денег: покажу процесс, тесты и трассировку кликов, которые за этим стоят.

На сквозном кейсе чтения электронного документа разберем путь от MRZ, PACE/BAC и APDU через IsoDep и Android NFC stack к NCI/NFCC и RF. По SDK log и NCI trace научимся локализовать TagLostException и отличать безопасное восстановление сессии от retry и изменений timeout, которые лишь маскируют сбой.

Beyond Copilot: как мы в RWB автоматизировали процесс от постановки задачи до MR в разработке с помощью таск‑оркестратора и сети специализированных AI‑агентов.

Будем разбирать механизмы получения расшифрованного ipa, его декомпиляции, патча, пересборки и отладки на устройстве или в симуляторе.

Как запустить мультиплатформенный мессенджер с Kotlin Multiplatform, сохранив нативный iOS-слой на SwiftUI. Ключевые архитектурные решения, компромиссы и практические подходы к поддержанию чистой и масштабируемой кодовой базы.

Мы покажем, как глубокая кастомизация ExoPlayer через умную настройку эстиматора, вьюпорта и буферов позволила VK значительно сократить задержки воспроизведения. Глубокий анализ показывает, что даже стандартные настройки при правильной адаптации под типы сетей и устройства дают колоссальный прирост UX.

Нагрев устройства — шумная, но очень показательная метрика: никто не любит приложения, которые превращают телефон в маленькое солнце. На примере мессенджера MAX разберем, как измерять энергопотребление своими силами, без сторонних библиотек — только средствами Android SDK.

На Swift дадим локальной Qwen 3.5 2B зрение через Vision, характер через промпты и тело через риг и анимации. Разберем, как собрать из этого персонажа, который понимает экран и реагирует на происходящее.

К докладу — открытый стартер-репозиторий, чтобы начать не с нуля.

Расскажу, как реализовать единый слой бизнес-логики для медиаплеера на Kotlin Multiplatform и при этом сохранить нативное поведение на Android и iOS.