יישום AI להשלמת טקסט: מהרעיון לחוויית משתמש מושלמת

AI Autocomplete Implementation: From Concept to Polished UX

תארו לעצמכם: משתמש מקליד תשובה במסנג׳ר, והאפליקציה מציעה לסיים את המשפט ב־"תודה על האימייל שלך, אשקול את ההצעה שלך." אם ההצעה מופיעה באיחור של 2 שניות או מהבהבת בכל תו — חווית המשתמש נשברת. פתרנו את הבעיה הזו עבור אפליקציית פינטק עם יותר מ־500 אלף משתמשים. התוצאה: 30% מהמשתמשים משתמשים בהשלמה האוטומטית מדי יום, וזמן ההקלדה ירד ב־40%. הפער בין הרעיון ליישום בפועל טמון בפרטי חווית המשתמש והביצועים.

מתי להציג את ההצעה

החלק הכי מוערך בחסר הוא הטריגר. ההצעה לא צריכה להופיע על כל תו. היוריסטיקה שעובדת: אנחנו מספקים השלמה אוטומטית אם המשתמש הקליד לפחות 3 מילים בשורה הנוכחית ועצר ליותר מ־600 אלפיות השנייה, או לחץ על רווח בסוף משפט לא שלם. להלן השוואה של אסטרטגיות טריגר נפוצות.

שלבי היישום

כדי ליישם השלמה אוטומטית מבוססת AI, בצעו את השלבים הבאים:

1. בחרו מודל (API שרת כמו gpt-4o-mini או על־המכשיר כמו Apple Intelligence/Gemini Nano).
2. הגדירו היוריסטיקות טריגר (השהיה, מספר מילים, פיסוק).
3. יישמו debounce (600 אלפיות השנייה) ובטלו משימות קודמות.
4. שלבו את המודל באמצעות מצב השלמה עם stop tokens וטמפרטורה נמוכה.
5. בנו ממשק משתמש מובנה שמציג טקסט אפור אחרי הסמן.
6. טפלו במחיקה ובהבהוב (השוו אורך הצעה חדשה).
7. בדקו על מספר מכשירים לדיוק וזמן השהיה.

// iOS - триггер автодополнения
private var autocompleteTask: Task<Void, Never>?

func textDidChange(_ textView: UITextView) {
    autocompleteTask?.cancel()
    let text = textView.text ?? ""
    let cursorPosition = textView.selectedRange.location
    let textBeforeCursor = String(text.prefix(cursorPosition))
    
    // Не предлагаем в середине слова
    guard textBeforeCursor.last == " " || textBeforeCursor.last == "\n" else {
        hideAutocomplete()
        return
    }
    
    // Минимум 15 символов контекста
    guard textBeforeCursor.trimmingCharacters(in: .whitespaces).count > 15 else {
        return
    }
    
    autocompleteTask = Task {
        try? await Task.sleep(nanoseconds: 600_000_000) // 600ms debounce
        guard !Task.isCancelled else { return }
        await fetchAutocomplete(context: textBeforeCursor)
    }
}

בקשה למודל וניתוח התשובה

אנחנו משתמשים במצב השלמה, לא בצ׳אט. // iOS - триггер автодополнения private var autocompleteTask: Task<Void, Never>? func textDidChange(_ textView: UITextView) { autocompleteTask?.cancel() let text = textView.text ?? "" let cursorPosition = textView.selectedRange.location let textBeforeCursor = String(text.prefix(cursorPosition)) // Не предлагаем в середине слова guard textBeforeCursor.last == " " || textBeforeCursor.last == "\n" else { hideAutocomplete() return } // Минимум 15 символов контекста guard textBeforeCursor.trimmingCharacters(in: .whitespaces).count > 15 else { return } autocompleteTask = Task { try? await Task.sleep(nanoseconds: 600_000_000) // 600ms debounce guard !Task.isCancelled else { return } await fetchAutocomplete(context: textBeforeCursor) } } עם gpt-4o-mini ו־max_tokens: 30 — מהיר וצפוי. עלות API שרת היא בערך $0.01 לכל 1000 טוקנים, כך שכל הצעה עולה בערך $0.0003 — זניח עבור רוב האפליקציות.

struct AutocompleteRequest: Encodable {
    let model = "gpt-4o-mini"
    let messages: [ChatMessage]
    let maxTokens = 30
    let temperature = 0.3
    let stop = ["\n", "."] // останавливаемся на конце предложения
}

func buildPrompt(context: String) -> [ChatMessage] {
    [
        ChatMessage(role: "system", content: "Complete the text naturally. Continue from where it ends. Output only the continuation, no commentary."),
        ChatMessage(role: "user", content: context)
    ]
}

stop tokens temperature: 0.3 ו־struct AutocompleteRequest: Encodable { let model = "gpt-4o-mini" let messages: [ChatMessage] let maxTokens = 30 let temperature = 0.3 let stop = ["\n", "."] // останавливаемся на конце предложения } func buildPrompt(context: String) -> [ChatMessage] { [ ChatMessage(role: "system", content: "Complete the text naturally. Continue from where it ends. Output only the continuation, no commentary."), ChatMessage(role: "user", content: context) ] } חשובים. בלעדיהם, המודל היה יוצר משפטים מרובים, אבל אנחנו צריכים המשך יחיד.

למה מודלים על־המכשיר לא תמיד מתאימים?

חלופה על־המכשיר — \n — לא עובדת; אנחנו צריכים מודל גנרטיבי. ב־iOS 18+ יש את המסגרת . עם LLM על־המכשיר (Apple Intelligence). באנדרואיד — Gemini Nano דרך CreateML Text Classifier. עם זאת, Gemini Nano זמין ב־Pixel 8+ ובחלק ממכשירי סמסונג — לא פתרון אוניברסלי. לפי Apple Foundation Models, LLM על־המכשיר דורש A17 Pro או M1+. עבור קהל רחב, נדרש גיבוי שרת.

// Android - Gemini Nano on-device (требует поддержки устройства)
val generativeModel = GenerativeModel(
    modelName = "gemini-nano",
    generationConfig = generationConfig {
        maxOutputTokens = 30
        temperature = 0.3f
        stopSequences = listOf(".", "\n")
    }
)
val response = generativeModel.generateContent(
    content {
        text("Complete naturally: $contextText")
    }
)
val completion = response.text?.trim() ?: ""

הטבלה שלהלן משווה בין הגישות:

גישה היברידית — על־המכשיר עם גיבוי שרת — נותנת את הטוב משני העולמות.

איך להימנע מהבהוב?

ההצעה מהבהבת. קורה כשבקשה חדשה חוזרת תוך פחות מ־200 אלפיות השנייה ומיד מחליפה את הקודמת. פתרון — הצג רק אם ההצעה החדשה שונה מהנוכחית ביותר מ־3 תווים.

המודל ממשיך טקסט שנמחק. אם המשתמש מחק טקסט — ההקשר להנחיה חייב להיות הגרסה הנוכחית, לא הקודמת. שמרו על Foundation Models מסונכרן עם מצב Google AI Edge SDK בפועל.

Tab נחטף על ידי המערכת. באנדרואיד, // Android - Gemini Nano on-device (требует поддержки устройства) val generativeModel = GenerativeModel( modelName = "gemini-nano", generationConfig = generationConfig { maxOutputTokens = 30 temperature = 0.3f stopSequences = listOf(".", "\n") } ) val response = generativeModel.generateContent( content { text("Complete naturally: $contextText") } ) val completion = response.text?.trim() ?: "" במקלדת הרכה אינו זמין. השתמשו במקש מובנה מותאם אישית או במחוות החלקה ימינה דרך textBeforeCursor.

הצגת ההצעה

תבנית סטנדרטית: טקסט אפור מובנה אחרי הסמן. המשתמש לוחץ Tab או מחליק ימינה — ההצעה מתקבלת. כל קלט אחר מסתיר אותה.

// Android Compose - inline suggestion
@Composable
fun TextFieldWithSuggestion(
    value: String,
    suggestion: String,
    onValueChange: (String) -> Unit,
    onAcceptSuggestion: () -> Unit
) {
    val annotatedText = buildAnnotatedString {
        append(value)
        withStyle(SpanStyle(color = Color.Gray.copy(alpha = 0.6f))) {
            append(suggestion)
        }
    }
    BasicTextField(
        value = TextFieldValue(
            annotatedString = annotatedText,
            selection = TextRange(value.length) // курсор — после реального текста
        ),
        onValueChange = { tfv ->
            val newText = tfv.text.take(value.length + suggestion.length)
            if (newText.startsWith(value + suggestion)) {
                onAcceptSuggestion()
            } else {
                onValueChange(tfv.text.take(value.length))
            }
        },
        keyboardActions = KeyboardActions(
            onDone = { onAcceptSuggestion() }
        )
    )
}

ב־iOS, הצעה מובנית דרך TextStorage + Tab או פשוט יותר דרך תווית overlay הממוקמת באמצעות GestureDetector.

מה כלול

כשאתם מזמינים יישום השלמה אוטומטית מבוססת AI, אתם מקבלים:

• תיעוד ארכיטקטוני: בחירת גישה (שרת / על־המכשיר / היברידי), סכמת אינטגרציה.
• יישום טריגר ו־debounce תוך התחשבות בחווית משתמש.
• אינטגרציה עם API נבחר או SDK על־המכשיר.
• רכיבי ממשק משתמש להצעה מובנית ב־iOS ואנדרואיד.
• בדיקות על מכשירים אמיתיים: דיוק הצעות, ללא הבהוב, התנהגות נכונה במחיקה.
• הוראות תפעול והמלצות לכיוונון עדין של המודל.

עם ניסיון של יותר מ־5 שנים ויותר מ־20 פרויקטי AI, אנחנו מבטיחים פעולה יציבה של ההצעות. צרו קשר כדי להעריך את הפרויקט שלכם — נקבע את הפתרון האופטימלי תוך 1–2 ימים.

הערכות לוחות זמנים

השלמה אוטומטית בסיסית עם API שרת + ממשק מובנה — 5–8 ימים. על־המכשיר דרך Apple Intelligence / Gemini Nano עם גיבוי שרת — 2–3 שבועות. לוחות זמנים מדויקים תלויים במספר הפלטפורמות, דרישות העיצוב וצרכי התמיכה במצב לא מקוון. קבלו ייעוץ — נחשב את לוח הזמנים לפרויקט שלכם.

בעיות נפוצות והפתרונות שלהן