- Дата публикации
Athena от Apple: как LLM научили собирать приложения по частям, а не одним куском
Что открыли
Apple представила исследовательский проект Athena — среду для генерации приложений при помощи LLM, которая работает не одним огромным ответом, а по шагам.
Главная идея: между разработчиком и языковой моделью появляется набор "промежуточных представлений". Это три ключевых артефакта:
- сториборд приложения — схема экранов и переходов между ними;
- модель данных, которую использует всё приложение;
- каркасы GUI-экранов — скелеты интерфейса без полной логики.
LLM не пытается сразу выдать монолитный файл со всеми экранами. Вместо этого она опирается на эти три слоя и генерирует организованный код, разложенный по нескольким файлам.
Apple проверила Athena в пользовательском исследовании. 75% участников выбрали этот прототип, а не классический чат-формат, где LLM отвечает одним большим куском кода для прототипирования приложений.
Как исследовали
Athena — это прототип среды генерации приложений, который Apple показывает как часть своего направления Human-Computer Interaction и инструментов для разработки.
Исследователи собрали рабочую систему: LLM, интерфейс для разработчика и слой промежуточных представлений — сториборд, модель данных и GUI-каркасы.
Участникам предложили две схемы работы:
- Типичный чат с LLM, где разработчик формулирует промпт и получает сгенерированный код.
- Athena, где разработчик по шагам формирует структуру приложения, обновляет сториборд и модель данных, а LLM на этой основе пишет код.
Затем исследователи замерили субъективные предпочтения и впечатления. 75% участников посчитали Athena более удобной для прототипирования приложений, чем чат-бот без структурирования процесса.
Что это меняет на практике
Главная боль при генерации UI-кода LLM-ками — хаос. Один промпт, десятки экранов, тонны кода в одном файле, тяжело читать и поддерживать.
Athena предлагает другой рабочий сценарий: сначала структура, потом детали. Разработчик формирует сториборд и модель данных, а LLM выдаёт код, уже разложенный по модулям.
Плюс для индустрии:
- меньше ошибок навигации: связи между экранами описаны явно в сториборде;
- прозрачная логика данных: модель данных задаётся отдельно и служит единой опорой для всех экранов;
- проще поддерживать проект: код сразу появляется структурированным по файлам.
Для студий и продуктовых команд это может ускорить раннее прототипирование: не нужно вручную раскладывать код после каждой сессии с LLM.
Athena пока выглядит как исследовательский прототип. Но сама идея промежуточных представлений вполне может оказаться в будущих инструментах Apple для разработки приложений и интерфейсов.
Что это значит для вас
Если вы уже пользуетесь Copilot, GPT-5 или аналогами для генерации UI, вы знаете типичный сценарий: огромный ответ, много кода, сложно что-то поменять.
Athena показывает другой образ будущего: LLM встроена не в чат, а в полноценную среду, где есть сториборд, модель данных и каркасы экранов.
Что это даёт вам:
- проще объяснять задачу модели: вы работаете с визуальной структурой приложения, а не только с текстом промпта;
- меньше "магии" в ответы LLM: понятно, откуда берутся экраны и связи между ними;
- более предсказуемый код: генерация опирается на явно заданные промежуточные артефакты.
Если вы дизайнер интерфейсов, такой подход делает совместную работу с LLM ближе к привычному миру сторибордов и экранных потоков.
Если вы разработчик, Athena — аргумент в пользу того, что будущее генерации кода за интегрированными средами, а не за бесконечными чатами. И чем раньше вы начнёте мыслить приложениями как набором формальных представлений — сториборд, данные, каркасы, — тем легче будет встраиваться в такие инструменты, когда они появятся в продакшене Apple и не только.