Od Anki k vlastní aplikaci: jak AI a React Native pomohly vytvořit VibeLing pro výuku jazyků
Vývojář, který se potýkal s omezeními stávajících nástrojů pro výuku jazyků, vytvořil vlastní mobilní aplikaci VibeLing. Během 5 měsíců projekt přilákal více než 1000 uživatelů bez marketingových investic. Klíčovými technologiemi byly React Native, Node.js a AI modely pro generování příkladů a překladů.
Problémy stávajících řešení
Autor otestoval různé přístupy k výuce jazyků a vyzdvihl dva hlavní typy aplikací, které nevyhovovaly jeho potřebám:
• Slovníkové aplikace (například SkyEng) – nabízejí pevné databáze slov, ale nepodporují přidávání libovolných frází nebo kontextových výrazů.
• Aplikace s kartičkami (jako Anki) – vyžadují ruční vyplňování dat, což přeměňuje proces přidávání materiálů na samostatnou pracnou úlohu.
Zvláště akutní problém se projevil při studiu srbštiny, pro kterou prakticky neexistovaly vhodné nástroje. To podnítilo vytvoření vlastního řešení.
Architektura a technologie VibeLing
Pro rychlou realizaci MVP byl zvolen následující technologický stack:
- Frontend: React Native + Expo pro křížovou platformní vývoj pro iOS a Android.
- Backend: Node.js, sloužící jako proxy k AI API a službě hlasového převodu AWS.
- Infrastruktura: Nasazení přes Vercel, správa předplatného přes RevenueCat.
- Webové stránky: Next.js s SSR pro SEO optimalizaci.
AI komponenty byly použity pro automatickou generaci překladů a příkladů vět, čímž se odstranila nutnost ručního vstupu dat uživatelem.
Vývoj MVP a první výzvy
První verze představovala webovou stránku s jedním vstupním polem pro ověření hypotézy. Po potvrzení funkčnosti konceptu byla během několika dní sestavena mobilní verze. Pro urychlení vývoje byly aktivně využívány nástroje s neuronovými sítěmi:
• Cursor a Claude Code pro generaci kódu.
• Hotové UI sady z Figma Community Templates pro design.
Jednou z neočekávaných problémů byla podpora srbštiny, která používá jak cyrilici, tak latinku. AI modely nekonzistentně generovaly text v různých abecedách a AWS hlasový převod přijímal pouze latinku. Problém byl vyřešen algoritmickou konverzí namísto pokusů opravit chování modelů přes prompty.
Spuštění a zpětná vazba od uživatelů
Počáteční vydání na iOS odhalilo mnoho chyb a okrajových případů, které nebyly odhaleny při testování. Negativní recenze se staly cenným zdrojem informací pro stabilizaci produktu. Distribuce byla realizována přes:
• Telegramový kanál autora (1500 odběratelů).
• Publikace v sekci „Já se propaguji“ na Habru, které přilákaly asi 700 uživatelů.
Kritický incident nastal s platbami: chyba v integraci RevenueCat s Google Play vedla k automatickým vrácením prostředků po úspěšných transakcích. To vyvolalo negativní recenze a riziko blokace účtu. Problém byl odstraněn ruční úpravou konfigurace.
Současný stav a plány
V době publikace má aplikace:
• Více než 1000 registrovaných uživatelů.
• 700 aktivních uživatelů za posledních 28 dní.
• 5 placených předplatných.
Hlavní směry rozvoje zahrnují:
- Zvýšení stability AI generace, zejména pro vzácné jazyky.
- Optimalizace uživatelské cesty od přidání slova po jeho zafixování.
- Zkoumání možnosti generování obrázků pro asociativní zapamatování s ohledem na ekonomiku tokenů.
Co je důležité
• AI urychluje start, ale nenahrazuje hluboký vývoj – neuronové sítě pomohly rychle vytvořit MVP, ale pro řešení složitých problémů (například integrace plateb) bylo potřeba ruční zásahy.
• Distribuce je důležitější než dokonalý kód – i surové MVP, které řeší reálný problém, může přilákat uživatele přes cílené publikace.
• Začněte s vlastní potřebou – pokud produkt potřebujete sami, je vysoká pravděpodobnost, že bude užitečný i ostatním.
• Podpora vícejazyčnosti vyžaduje zohlednění specifik – takové zvláštnosti, jako dvojí abeceda v srbštině, mohou vyžadovat ne zjevná technická řešení.
— Editorial Team
Zatím žádné komentáře.