Заказываем кофе с помощью AI

В мобильном приложении кофеен Дринкит мы столкнулись с проблемой слишком богатого кастомайза: десятки напитков, десятки ингредиентов и миллионы возможных комбинаций кастомизации — в таком UI пользователь легко теряется.

Чтобы не заставлять людей кликать по 10 чекбоксов, мы попробовали использовать AI как новый интерфейс: достаточно сказать «Хочу что-нибудь освежающее», и приложение само предложит подходящий напиток и варианты кастомизации.

Разберу опыт внедрения такого AI-ассистента прямо в мобильное приложение с помощью Firebase AI Logic. 

Покажу, почему для прод-сценария быстро становится критично использовать function calling (tools) и agent loop, а не один большой промпт. 

Отдельный фокус — работа с огромным контекстом меню: как мы прошли путь от «всё меню в JSON» (миллионы токенов и падения по лимитам) до архитектуры, которая укладывается в адекватный бюджет и latency.

Расскажу про практические приёмы экономии токенов и денег: декомпозиция данных через функции, сжатие и маппинг полей, логирование и контроль расхода.

Будет честный разбор ошибок: что не взлетело с первого раза, что пришлось переделывать и какие компромиссы мы приняли, чтобы «запустить быстро», как обычно хочет бизнес. 

Бонус-часть: что делать, если Firebase AI недоступен (актуально для РФ), и как собрать похожий сценарий через Koog — как альтернативу и сравнение подходов.

Доклад будет полезен тем, кто хочет быстро и безопасно внедрять AI-фичи в мобильное приложение, понимать их стоимость и ограничения, и выбирать технологический стек под реальные условия продакшена.