Преодоление дефицита приложений
Одной из главных трудностей для новых операционных систем остается портирование существующего софта: переписывать миллионы строк кода с Android или iOS нативно слишком дорого. Ситуацию усложнял распространенный аргумент — современные ИИ-модели почти ничего не знают об ОС «Аврора», так как обучались на зарубежных экосистемах.
Чтобы проверить, способен ли искусственный интеллект справиться с этой задачей, создатели «Авроры» провели открытый эксперимент вместе с независимым мобильным инженером Алексеем Гладковым.
Выбор объекта и технологического стека
Для проверки выбрали популярный опенсорсный корпоративный мессенджер Mattermost. Исходный проект содержал более 220 тысяч строк на React Native, Java и Kotlin, а также множество плагинов и нестандартную архитектуру.
В качестве целевого фреймворка был выбран Flutter, который имеет официальную поддержку на «Авроре». Это позволило передать ИИ-агенту Claude актуальную документацию и контекст с примерами интеграции.
Инструменты и ход портирования
Перенос выполнялся с помощью специализированного инструментария:
- Flutter Aurora SDK для macOS — дал возможность запускать и собирать проект на рабочих станциях разработчиков.
- claude-in-mobile — утилита, позволяющая нейросети взаимодействовать с реальным девайсом и эмулятором, сверяя готовность экранов, а не только исходный код.
- Специальный агент — сценарий с загруженной базой знаний по платформе, управлявший процессом миграции.
Перенос проходил циклично: агент составлял план работ, поэтапно воссоздавал экраны и логику на Flutter, после чего сравнивал интерфейс с оригиналом под Android до достижения полного визуального и функционального соответствия.
Результаты и релиз в RuStore
Финальный этап включал сквозное тестирование: авторизацию на сервере Mattermost, отправку сообщений и выполнение пользовательских сценариев. В итоге приложение сохранило оригинальный визуальный стиль, стабильно отработало на тестовом устройстве и успешно прошло модерацию в каталоге RuStore.
Выводы и зоны роста платформы
Эксперимент подтвердил, что отсутствие ОС в глобальных датасетах LLM перестает быть препятствием, если обогатить контекст агента документацией и инструментами отладки. Тем не менее разработчики выявили важные точки для развития платформы:
- Необходимость создания AI-ready интерфейса — стандартизированного моста (аналога Android Debug Bridge) для программного управления интерфейсом со стороны ИИ.
- Адаптация документации под машиночитаемые форматы для упрощения работы агентов.
- Дальнейшее расширение базы готовых Flutter-плагинов под «Аврору».
Успешный кейс доказывает, что нейросетевые инструменты могут существенно снизить порог и стоимость переноса корпоративного софта на отечественную мобильную ОС.