Sviluppo di applicazioni mobili

Presentazione generale

Lo sviluppo di applicazioni mobili rappresenta una delle competenze più richieste e stimolanti nell’odierno panorama informatico. A differenza del software tradizionale desktop o web, le applicazioni mobili devono operare in un contesto caratterizzato da risorse limitate (batteria, connettività fluttuante, dimensioni dello schermo) e offrire un’esperienza utente (UX) estremamente fluida e reattiva.

In questo modulo, lo studio si concentra su .NET MAUI (Multi-platform App UI), il framework moderno di Microsoft che consente di scrivere una singola codebase in C# e XAML per generare applicazioni native per Android, iOS, macOS e Windows. L’apprendimento di MAUI permette agli studenti di applicare concetti avanzati come il pattern architetturale MVVM (Model-View-ViewModel), il Data Binding e la Dependency Injection in uno scenario reale e tangibile.

Un aspetto innovativo di questo modulo è l’integrazione strutturata dello sviluppo assistito da Intelligenza Artificiale (AI). Anziché trattare l’AI come una scorciatoia (il cosiddetto vibe coding), il percorso inquadra gli strumenti generativi (come GitHub Copilot, OpenCode o LLM locali) all’interno di un flusso di lavoro ingegneristico rigoroso noto come approccio Spec-Driven e Man-in-the-Loop. L’obiettivo è formare sviluppatori capaci di progettare architetture solide, dirigere gli agenti AI per velocizzare la scrittura del codice ripetitivo e verificare costantemente i risultati tramite test rigorosi.

Sintesi delle pagine

Introduzione a .NET MAUI

• La pagina fornisce le basi teoriche e pratiche per iniziare lo sviluppo multipiattaforma con .NET MAUI.
• Si introduce l’evoluzione del framework (da Xamarin a MAUI) e i concetti fondamentali dello sviluppo nativo vs multipiattaforma.
• Si analizza la struttura di un progetto MAUI standard, dal file MauiProgram.cs alla gestione delle risorse condivise.
• Viene spiegato dettagliatamente il pattern MVVM (Model-View-ViewModel), fondamentale per separare l’interfaccia utente dalla logica di business.
• Si illustrano i concetti di Data Binding, Comandi (ICommand) e il ruolo vitale dell’interfaccia INotifyPropertyChanged.
• Vengono presentati i principali layout (Grid, StackLayout, FlexLayout) e i controlli visuali di base in XAML.
• Si affrontano temi come la navigazione (Shell Navigation), il passaggio di parametri tra le pagine e l’accesso alle API del dispositivo (sensori, geolocalizzazione).
• L’obiettivo è dotare lo studente delle competenze architetturali minime per poter comprendere e governare il codice che andrà a scrivere o a generare.

Sviluppo assistito da AI in MAUI

• Questa guida avanzata sposta il focus sulle metodologie moderne di AI-Assisted Development applicate a MAUI.
• Si contrappone il Vibe Coding caotico allo Spec-Driven coding, dove lo sviluppatore definisce requisiti rigorosi prima di far generare codice all’AI.
• Si introduce il ciclo “Man-in-the-Loop” composto da 5 fasi: Pianificazione, Contesto, Esecuzione, Verifica e Documentazione.
• Viene descritto il concetto di “Docs-as-Code” proponendo un albero di documenti (AGENTS.md, spec.md, plan.md) che funge da memoria e istruzione per i coding agent.
• Si passano in rassegna i principali strumenti disponibili (Copilot, OpenCode, KiloCode, Ollama) e le specifiche “Skills” per istruire l’AI su MAUI.
• Viene illustrato un workflow completo per la generazione della UI/UX, integrando strumenti come Google Stitch e il formato DESIGN.md per un design system portabile.
• Si affronta il tema cruciale del Testing basato su AI, mostrando come far generare test xUnit, mockare servizi con Moq/Appium e scoprire edge cases critici.
• La pagina mira a trasformare lo studente da semplice programmatore a “direttore d’orchestra” del software, capace di delegare l’implementazione mantenendo il pieno controllo architetturale.

Progetti didattici MAUI

• Questa pagina offre una selezione di 6 progetti completi, pensati come “capolavori” finali per gli studenti.
• I progetti proposti sono: CityClimate Companion, BookScout Mobile, PokeDex MAUI, MealPlanner, SpaceWatch e GeoQuiz.
• Ognuno richiede l’integrazione di un’API pubblica (REST) reale, interfacce utente reattive e l’uso della persistenza locale (SQLite/Preferences).
• Per ogni progetto viene fornita una specifica dei requisiti (base e opzionali), link alla documentazione dell’API ed esempi di risposta JSON.
• Si delinea una guida passo per passo (da 8 step) per affrontare lo sviluppo, includendo esempi di Prompt AI da utilizzare nelle varie fasi.
• Viene inclusa un’ampia dimostrazione tangibile su come applicare il testing AI-Assisted (usando l’esempio di BookScout).
• Viene fornita una rubrica di valutazione completa con descrittori di livello (Insufficiente -> Eccellente) per valutare oggettivamente i lavori, includendo metriche sull’uso consapevole dell’AI.
• L’obiettivo del documento è fornire al docente casi d’uso immediatamente spendibili in classe e allo studente una traccia chiara verso un prodotto finito di alta qualità.