Расписание

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.

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.

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

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 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.

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.

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

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.

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 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.

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.

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.

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.

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.

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.

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.

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.

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

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

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.