Genera respuestas inteligentes con ML Kit en Android

ML Kit puede generar respuestas cortas a los mensajes con un modelo integrado en el dispositivo.

Para generar respuestas inteligentes, pasa a ML Kit un registro de mensajes recientes de una conversación. Si ML Kit determina que la conversación está en inglés y que no contiene cuestiones potencialmente delicadas, ML Kit generará hasta tres respuestas que puedes sugerir al usuario.

Red de Búsqueda y Red de DisplayNo agrupada
Nombre de la bibliotecacom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
ImplementaciónEl modelo está vinculado de forma estática a tu app en el tiempo de compilación.El modelo se descarga de forma dinámica a través de los Servicios de Google Play.
Impacto en el tamaño de la appAumento de tamaño de aproximadamente 5.7 MB.Aumento de tamaño de aproximadamente 200 KB.
Hora de inicializaciónEl modelo está disponible de inmediato.Es posible que debas esperar a que se descargue el modelo antes de usarlo por primera vez.

Probar

Antes de comenzar

  1. En el archivo build.gradle a nivel del proyecto, asegúrate de incluir el repositorio de Maven de Google en las secciones buildscript y allprojects.

  2. Agrega las dependencias para las bibliotecas de Android de ML Kit al archivo Gradle a nivel de la app de tu módulo, que suele ser app/build.gradle. Elige una de las siguientes dependencias según tus necesidades:

    • Sigue estos pasos para empaquetar el modelo con tu app:
    dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:smart-reply:17.0.4'
}
    • Para usar el modelo en los Servicios de Google Play, haz lo siguiente:
    dependencies {
  // ...
  // Use this dependency to use the dynamically downloaded model in Google Play Services
  implementation 'com.google.android.gms:play-services-mlkit-smart-reply:16.0.0-beta1'
}

    Si eliges usar el modelo en los Servicios de Google Play, puedes configurar tu app para que descargue automáticamente el modelo al dispositivo después de instalar la app desde Play Store. Para ello, agrega la siguiente declaración al archivo AndroidManifest.xml de tu app:

    <application ...>
      ...
      <meta-data
          android:name="com.google.mlkit.vision.DEPENDENCIES"
          android:value="smart_reply" >
      <!-- To use multiple models: android:value="smart_reply,model2,model3" -->
</application>

    También puedes verificar explícitamente la disponibilidad del modelo y solicitar la descarga a través de los Servicios de Google Play API de ModuleInstallClient.

    Si no habilitas las descargas de modelos en el momento de la instalación o no solicitas la descarga explícita, el modelo se descargará la primera vez que ejecutes el generador de respuestas inteligentes. Las solicitudes que realices antes de que se complete la descarga no producirán resultados.

    1. Crea un objeto de historial de conversaciones

    Para generar respuestas inteligentes, debes pasar al ML Kit un List de objetos TextMessage ordenado cronológicamente, con la marca de tiempo más antigua.

    Cuando los usuarios envían un mensaje, puedes agregarlo junto con su marca de tiempo al historial de conversaciones:

    Kotlin

    conversation.add(TextMessage.createForLocalUser(
        "heading out now", System.currentTimeMillis()))

    Java

    conversation.add(TextMessage.createForLocalUser(
        "heading out now", System.currentTimeMillis()));

    Cuando los usuarios reciben un mensaje, puedes agregarlo junto con su marca de tiempo y el ID de usuario del remitente al historial de conversaciones. El ID de usuario puede ser cualquier cadena que identifique de forma única al remitente dentro de la conversación. El ID de usuario no tiene que corresponder a los datos del usuario ni ser coherente entre conversaciones o invocaciones del generador de respuestas inteligentes.

    Kotlin

    conversation.add(TextMessage.createForRemoteUser(
        "Are you coming back soon?", System.currentTimeMillis(), userId))

    Java

    conversation.add(TextMessage.createForRemoteUser(
        "Are you coming back soon?", System.currentTimeMillis(), userId));

    Un objeto de historial de conversaciones se ve como el siguiente ejemplo:

    Marca de tiempo userID isLocalUser Mensaje
    Thu Feb 21 13:13:39 PST 2019 verdadero ¿Estás en camino?
    Thu Feb 21 13:15:03 PST 2019 FRIEND0 falso Llego tarde, lo siento.

    ML Kit sugiere respuestas al último mensaje en un historial de conversaciones. El último mensaje debe ser de un usuario no local. En el ejemplo anterior, el último mensaje de la conversación es del usuario no local FRIEND0. Cuando pasas este registro a ML Kit, sugiere respuestas al mensaje de FRIENDO: "Llego tarde, lo siento".

    2. Obtén respuestas de mensajes

    Para generar respuestas inteligentes a un mensaje, obtén una instancia de SmartReplyGenerator y pasa el historial de conversaciones a su método suggestReplies():

    Kotlin

    val smartReplyGenerator = SmartReply.getClient()
smartReply.suggestReplies(conversation)
        .addOnSuccessListener { result ->
            if (result.getStatus() == SmartReplySuggestionResult.STATUS_NOT_SUPPORTED_LANGUAGE) {
                // The conversation's language isn't supported, so
                // the result doesn't contain any suggestions.
            } else if (result.getStatus() == SmartReplySuggestionResult.STATUS_SUCCESS) {
                // Task completed successfully
                // ...
            }
        }
        .addOnFailureListener {
            // Task failed with an exception
            // ...
        }

    Java

    SmartReplyGenerator smartReply = SmartReply.getClient();
smartReply.suggestReplies(conversation)
        .addOnSuccessListener(new OnSuccessListener() {
            @Override
            public void onSuccess(SmartReplySuggestionResult result) {
                if (result.getStatus() == SmartReplySuggestionResult.STATUS_NOT_SUPPORTED_LANGUAGE) {
                    // The conversation's language isn't supported, so
                    // the result doesn't contain any suggestions.
                } else if (result.getStatus() == SmartReplySuggestionResult.STATUS_SUCCESS) {
                    // Task completed successfully
                    // ...
                }
            }
        })
        .addOnFailureListener(new OnFailureListener() {
            @Override
            public void onFailure(@NonNull Exception e) {
                // Task failed with an exception
                // ...
            }
        });

    Si la operación se realiza correctamente, se pasará un objeto SmartReplySuggestionResult al controlador de éxito. Este objeto contiene una lista de hasta tres respuestas sugeridas que puedes presentar a un usuario:

    Kotlin

    for (suggestion in result.suggestions) {
    val replyText = suggestion.text
}

    Java

    for (SmartReplySuggestion suggestion : result.getSuggestions()) {
    String replyText = suggestion.getText();
}

    Ten en cuenta que ML Kit podría no mostrar resultados si el modelo no está seguro de la relevancia de las respuestas sugeridas, la conversación que se ingresa no está en inglés o si el modelo detecta cuestiones sensibles.