Телеграм канал «Android разработка»

Compose Sonner

Это компонент toast-уведомлений для Compose Multiplatform, основанный на Sonner! Он поддерживает различные типы уведомлений, анимации, кастомизацию и не зависит от Material Design.


Особенности:
Практически такое же, как реализация emilkowalski на React: интерфейс, анимации и даже API. К ним относятся:

* Сложенные тосты и расширяемые тосты
* Различные типы и насыщенные цвета
* Переходы (анимации)
* Позиции (выравнивание)
* Смахивание вниз для закрытия
* Кнопка закрытия и кнопка действия
* Пользовательские иконки
* Длительность отображения
* Ленивая загрузка и высокая производительность: вы можете отображать множество тостов одновременно
* Полная настраиваемость: вы можете отображать собственный Composable
* Поддержка как Material 2, так и Material 3 за счет отсутствия зависимости от них

https://github.com/dokar3/compose-sonner

#Android

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку

Окружение решает больше, чем кажется.

Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.

AI: telemetr.me/ai_machinelearning_big_data
Python: telemetr.me/pythonl
Linux: telemetr.me/linuxacademiya
Хакинг: telemetr.me/linuxkalii
DevOps: telemetr.me/DevOPSitsec
Docker: telemetr.me/+90Z5TAyfuNU5YmRi
Golang: telemetr.me/Golang_google
Rust: telemetr.me/rust_code
C++: telemetr.me/cpluspluc
C#: telemetr.me/csharp_ci
Java: telemetr.me/javatg
JavaScript: telemetr.me/javascriptv
React: telemetr.me/react_tg
Frontend: telemetr.me/front
PHP: telemetr.me/phpshka
Android: telemetr.me/android_its
Мобильная разработка: telemetr.me/mobdevelop
Базы данных: telemetr.me/sqlhub
Data Science: telemetr.me/data_analysis_ml
Big Data: telemetr.me/bigdatai
Математика: telemetr.me/data_math
Физика: telemetr.me/fizmat
Kubernetes: telemetr.me/kubernetc
GameDev: telemetr.me/gamedev
Haskell: telemetr.me/haskell_tg

Собеседования и карьера:

DS собеседования: telemetr.me/machinelearning_interview
Python собеседования: telemetr.me/python_job_interview

Папка с вакансиями: telemetr.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: telemetr.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: telemetr.me/addlist/eEPya-HF6mkxMGIy
Папка ML: telemetr.me/addlist/2Ls-snqEeytkMDgy
Папка Frontend: telemetr.me/addlist/mzMMG3RPZhY2M2Iy

Полезное сверху:

ИТ-мемы: telemetr.me/memes_prog
Английский для программистов: telemetr.me/english_forprogrammers
ИИ и технологии: telemetr.me/vistehno
954 ГБ open-source курсов: telemetr.me/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: telemetr.me/addlist/BkskQciUW_FhNjEy

Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg

Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

🍃 Не раскладывайте весь Spring-проект по папкам controller, service и repository.

В новом This Week in Spring Джош Лонг советует группировать код по функциональности, используя подход Spring Modulith. Например, orders, payments, users, внутри которых находятся относящиеся к ним слои.

Ещё в подборке:

• JobRunr 9: поиск упавшего шага и задач, вызывающих замедление, остановка выполнения без потери работы.
• Spring AI: разбор агентных паттернов и вызова инструментов от руководителя проекта Кристиана Цолова.
• Progen CLI: видео о генерации каркаса приложения.
• IntelliJ IDEA: обзор новых возможностей.
• A Bootiful Podcast: разговор с создателем Jenkins Косуке Кавагути.

https://spring.io/blog/2026/10/13/this-week-in-spring-october-13th-2026

#Java #SpringBoot

📞 Входящий звонок: VK JT Mobile Meetup

31 октября в Москве и 14 ноября в Санкт-Петербурге VK собирает опытных iOS- и Android-разработчиков.

В Москве пройдут два параллельных трека — по iOS и Android. В Петербурге — общий трек для обеих платформ.

Спикеры из ВКонтакте, Дзена, MAX, VK Tech и других команд VK разберут инженерные кейсы: расскажут о производительности, тестировании, архитектуре, импакт-анализе, ИИ и других задачах мобильной разработки.

После докладов можно обсудить подходы с коллегами, поучаствовать в интерактивах и пообщаться на афтепати.

Только офлайн. Количество мест ограничено.

👉 Регистрация

Опубликована мобильная платформа LineageOS 24, основанная на Android 17

Представлен выпуск мобильной платформы LineageOS 24, основанный на кодовой базе Android 17 и выпущенный в канун десятилетия проекта, которое состоится 24 декабря 2026 года. Ветка LineageOS 24 достигла паритета по функциональности и стабильности c веткой 23.2, и признана готовой для формирования первого релиза. Сборки подготовлены для 175 устройств, 24 из которых ранее не были в списке поддерживаемых.

Полный текст:
https://opennet.ru/66445/
https://opennetelemetr.me/66445/

💥 `supervisorScope` не спасает Android-приложение от краша


supervisorScope {
launch { process1() }
launch { error("Boom!") }
}


Ошибка во второй корутине не отменит первую. Но исключение всё равно нужно обработать: без подходящего обработчика оно может завершить Android-приложение.

Для необработанных ошибок дочернего launch можно добавить:


val handler = CoroutineExceptionHandler { _, e ->
Log.e("Coroutine", "Task failed", e)
}

supervisorScope {
launch { process1() }
launch(handler) { process2() }
}


Ожидаемые ошибки обрабатывайте через `try/catch` внутри задачи. CoroutineExceptionHandler получает уже завершившуюся с ошибкой корутину и не может продолжить её выполнение.

Супервизия изолирует сбои задач. Обработка исключений определяет, что делать с самим сбоем.

🧠 Spring AI показал, как сделать RAG заметно умнее обычного vector search.

Проблема классического RAG: похожий документ ещё не значит полезный.

Новый пайплайн делает так:

Question → Rewrite → MultiQuery → Vector Search → Jev Filter → Rerank → LLM

Jev проверяет каждый найденный chunk: есть ли там реальный ответ, противоречие или prompt injection.

В демо vector search нашёл 6 фрагментов, но до модели дошли только 2 действительно полезных.

Меньше мусора в контексте → точнее ответы и меньше шансов на prompt injection.

Код и разбор:
https://spring.io/blog/2026/10/02/spring-ai-modular-rag-typesafe-jev/