Diese Seite wurde von der Cloud Translation API übersetzt.

Mit ML Kit unter Android intelligente Antworten generieren

ML Kit kann mithilfe eines On-Device-Modells Kurzantworten auf Nachrichten generieren.

Zum Generieren intelligenter Antworten übergeben Sie ML Kit ein Log der letzten Nachrichten in einer Unterhaltung. Wenn ML Kit feststellt, dass die Unterhaltung auf Englisch ist und keine potenziell sensiblen Themen enthalten sind, generiert ML Kit bis zu drei Antworten, die du deinem Nutzer vorschlagen kannst.

	Gebündelt	Entbündelt
Name der Bibliothek	`com.google.mlkit:smart-reply`	`com.google.android.gms:play-services-mlkit-smart-reply`
Implementierung	Das Modell ist zum Zeitpunkt der Build-Erstellung statisch mit Ihrer App verknüpft.	Das Modell wird über die Google Play-Dienste dynamisch heruntergeladen.
Auswirkungen auf die App-Größe	Die Größe erhöht sich um ca.5,7 MB.	Größe um ca. 200 KB erhöht.
Initialisierungszeit	Das Modell ist sofort verfügbar.	Möglicherweise müssen Sie vor der ersten Verwendung warten, bis das Modell heruntergeladen ist.

Ausprobieren

Probieren Sie die Beispiel-App aus, um ein Beispiel für die Verwendung dieser API zu sehen.

Hinweis

Für diese API ist Android API-Level 21 oder höher erforderlich. Achten Sie darauf, dass die Build-Datei Ihrer App einen minSdkVersion-Wert von mindestens 21 verwendet.

Fügen Sie in der Datei build.gradle auf Projektebene das Maven-Repository von Google in den Abschnitten buildscript und allprojects ein.

Fügen Sie der Gradle-Datei auf App-Ebene Ihres Moduls die Abhängigkeiten für die ML Kit-Android-Bibliotheken hinzu. Diese ist in der Regel app/build.gradle. Wählen Sie je nach Ihren Anforderungen eine der folgenden Abhängigkeiten aus:

So bündeln Sie das Modell mit Ihrer App:

dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:smart-reply:17.0.3'
}

So verwenden Sie das Modell in den Google Play-Diensten:

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'
}

Wenn Sie sich für die Verwendung des Modells in den Google Play-Diensten entscheiden, können Sie Ihre App so konfigurieren, dass das Modell nach der Installation Ihrer App aus dem Play Store automatisch auf das Gerät heruntergeladen wird. Fügen Sie der Datei AndroidManifest.xml Ihrer App die folgende Deklaration hinzu:

<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>

Sie können die Modellverfügbarkeit auch explizit über die ModuleInstallClient API der Google Play-Dienste prüfen und den Download anfordern.

Wenn Sie Modelldownloads bei der Installation nicht aktivieren oder einen expliziten Download anfordern, wird das Modell beim ersten Ausführen des Generators für intelligente Antworten heruntergeladen. Anfragen, die Sie vor dem Abschluss des Downloads stellen, generieren keine Ergebnisse.

1. Objekt für den Unterhaltungsverlauf erstellen

Zum Generieren intelligenter Antworten übergeben Sie ML Kit eine chronologisch sortierte List von TextMessage-Objekten, wobei der früheste Zeitstempel zuerst angegeben wird.

Wenn der Nutzer eine Nachricht sendet, fügen Sie die Nachricht und ihren Zeitstempel dem Unterhaltungsverlauf hinzu:

Kotlin

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

Java

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

Immer wenn der Nutzer eine Nachricht erhält, fügen Sie die Nachricht, ihren Zeitstempel und die Nutzer-ID des Absenders dem Unterhaltungsverlauf hinzu. Die Nutzer-ID kann eine beliebige Zeichenfolge sein, mit der der Absender in der Konversation eindeutig identifiziert wird. Die User-ID muss keinen Nutzerdaten entsprechen und die User-ID muss bei der Unterhaltung oder beim Aufrufen des Generators für intelligente Antworten nicht einheitlich sein.

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));

Ein Verlaufsobjekt für die Unterhaltung sieht so aus:

Zeitstempel	userID	isLocalUser	die Botschaft und
Do., 21. Februar 2019, 13:13:39 Uhr (PST)		true	Bist du auf dem Weg?
Do., 21. Februar 2019, 13:15:03 Uhr (PST)	FRIEND0	false	Ich verspäte mich, tut mir leid!

ML Kit schlägt im Unterhaltungsverlauf Antworten auf die letzte Nachricht vor. Die letzte Nachricht sollte von einem nicht lokalen Nutzer stammen. Im obigen Beispiel stammt die letzte Nachricht in der Konversation vom nicht lokalen Nutzer friend0. Wenn du das ML Kit mit diesem Protokoll verwendest, werden Antworten auf die Nachricht von FREUNDO vorgeschlagen: "Entschuldigung, ich bin spät dran!"

2. Antworten auf Nachrichten erhalten

Um intelligente Antworten auf eine Nachricht zu generieren, rufen Sie eine Instanz von SmartReplyGenerator ab und übergeben Sie den Unterhaltungsverlauf an die Methode 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
                // ...
            }
        });

Wenn der Vorgang erfolgreich ist, wird ein SmartReplySuggestionResult-Objekt an den Erfolgs-Handler übergeben. Dieses Objekt enthält eine Liste mit bis zu drei Antwortvorschlägen, die du deinem Nutzer präsentieren kannst:

Kotlin

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

Java

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

ML Kit gibt möglicherweise keine Ergebnisse zurück, wenn das Modell die Relevanz der vorgeschlagenen Antworten nicht einschätzen kann, die Eingabeunterhaltung nicht auf Englisch ist oder das Modell sensible Themen erkennt.