ИИ-агент против ОС Аврора: реальный опыт портирования мессенджера Mattermost

В качестве подопытного взяли мессенджер Mattermost — проект с более чем 220 тысячами строк кода на React Native с вкраплениями нативного Java и Kotlin. Для индустрии мобильной разработки это принципиальный вопрос: если нейросеть действительно справляется с портированием зрелых продуктов, главный экономический аргумент против молодых мобильных ОС теряет вес.

Условия эксперимента

Чтобы результат не выглядел внутренней рекламой вендора, к проверке привлекли внешнего эксперта — мобильного инженера Алексея Гладкова с 13-летним опытом, автора каналов @mobiledevnews и @alexgladkovblog. У него есть собственные наработки в области агентных пайплайнов: MCP claude-in-mobile, позволяющий агенту физически взаимодействовать с устройством, и набор claude-code-agents. Условия зафиксировали письменно: платформу выбирает команда Авроры, приложение — эксперт, в процесс никто не вмешивается, результат публикуется как есть.

Такой формат — редкость. Обычно внутренние эксперименты вендоров заканчиваются выводом «у нас всё хорошо», который трудно верифицировать. Здесь же постарались вынести проверку за пределы собственного контура, чтобы убрать конфликт интересов.

Mattermost как честный тест

Выбор пал на Mattermost не случайно. Это опенсорсный мессенджер, который писали разные команды на протяжении многих лет, — внутри реальный код, а не витрина. Мобильный клиент построен на React Native, местами дополнен нативным кодом на Java и немного на Kotlin. Именно такие проекты обычно приводят в пример, когда говорят: «Вашей платформы нет в обучающих данных нейросетей, значит ИИ вам не поможет». Эксперимент проверяет это утверждение напрямую.

Для переноса выбрали Flutter: для Авроры это официальный и хорошо документированный путь, на mos.hub опубликованы руководства и примеры корректной интеграции. Альтернативы вроде Qt тоже рассматривались, но на старте остановились на Flutter из-за готового набора инструментов и материалов для ИИ-агента.

Что отслеживать разработчику

Для практикующей команды здесь несколько точек интереса. Во-первых, итог покажет, насколько реально использовать ИИ-агент для портирования крупного проекта с зрелой кодовой базой, а не учебного примера. Во-вторых, сам подход — внешний эксперт, публикация результата «как есть» — задаёт планку для подобных проверок на других платформах. Если метод сработает, снизится порог входа для команд, которые сегодня отказываются от новых платформ из-за стоимости переноса.

Отдельный контекст — публикация итогового приложения в RuStore. Это закрывает дистрибуционный вопрос и даёт готовый канал доставки. Тема доступности платформ в принципе остаётся актуальной для индустрии: схожую логику недавно использовали в VK Видео, где упростили доступ к монетизации для начинающих авторов. Чем ниже порог входа — тем быстрее наполняется экосистема, будь то видеоплатформа или мобильная ОС. Итоги эксперимента стоит ждать именно в таком ключе: не «получилось или нет», а насколько сократился путь от чужого кода до публикации.