Genera risposte rapide con ML Kit su Android

ML Kit può generare risposte brevi ai messaggi utilizzando un modello sul dispositivo.

Per generare risposte rapide, devi trasmettere a ML Kit un log dei messaggi recenti in una conversazione. Se ML Kit determina che la conversazione è in inglese e che non riguarda argomenti potenzialmente sensibili, ML Kit genera fino a tre risposte, che puoi suggerire all'utente.

In bundleSenza pacchetto
Nome della raccoltacom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
ImplementazioneIl modello è collegato staticamente alla tua app in fase di compilazione.Il modello viene scaricato dinamicamente tramite Google Play Services.
Impatto delle dimensioni dell'appAumento delle dimensioni di circa 5,7 MB.Aumento delle dimensioni di circa 200 kB.
Tempo di inizializzazioneIl modello è disponibile immediatamente.Potresti dover attendere il download del modello prima del primo utilizzo.

Prova

  • Prova l'app di esempio per vedere un esempio di utilizzo di questa API.

Prima di iniziare

  1. Nel file build.gradle a livello di progetto, assicurati di includere il repository Maven di Google nelle sezioni buildscript e allprojects.

  2. Aggiungi le dipendenze per le librerie Android ML Kit al file Gradle a livello di app del modulo, che di solito è app/build.gradle. Scegli una delle seguenti dipendenze in base alle tue esigenze:

    • Per raggruppare il modello con l'app:
    dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:smart-reply:17.0.4'
}
    • Per utilizzare il modello in Google Play Services:
    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'
}

    Se scegli di utilizzare il modello in Google Play Services, puoi configurare la tua app in modo che scarichi automaticamente il modello sul dispositivo dopo l'installazione dal Play Store. Aggiungendo la seguente dichiarazione al file AndroidManifest.xml dell'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>

    Puoi anche controllare esplicitamente la disponibilità del modello e richiedere il download tramite l'API ModuleInstallClient di Google Play Services.

    Se non attivi i download dei modelli in fase di installazione o non richiedi il download esplicito, il modello viene scaricato la prima volta che esegui il generatore di risposte rapide. Le richieste effettuate prima del completamento del download non producono risultati.

    1. Crea un oggetto cronologia delle conversazioni

    Per generare risposte rapide, devi trasmettere a ML Kit un elenco List di oggetti TextMessage in ordine cronologico, con il timestamp più recente per primo.

    Ogni volta che l'utente invia un messaggio, aggiungi il messaggio e il relativo timestamp alla cronologia della conversazione:

    Kotlin

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

    Java

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

    Ogni volta che l'utente riceve un messaggio, aggiungi il messaggio, il relativo timestamp e l'ID utente del mittente alla cronologia della conversazione. L'ID utente può essere qualsiasi stringa che identifichi in modo univoco il mittente all'interno della conversazione. L'ID utente non deve corrispondere a nessun dato utente e non deve essere coerente tra le conversazioni o le invocazioni del generatore di risposte rapide.

    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 oggetto della cronologia delle conversazioni è simile al seguente esempio:

    Timestamp userID isLocalUser Messaggio
    Gio 21 feb 13:13:39 PST 2019 true Sei in arrivo?
    Gio 21 feb 13:15:03 PST 2019 FRIEND0 falso Sono in ritardo, scusa!

    ML Kit suggerisce risposte all'ultimo messaggio nella cronologia di una conversazione. L'ultimo messaggio deve provenire da un utente non locale. Nell'esempio precedente, l'ultimo messaggio della conversazione è dell'utente non locale FRIEND0. Quando utilizzi pass ML Kit questo log, suggerisce risposte al messaggio di AMICO: "Sono in ritardo, scusa!"

    2. Ricevere risposte ai messaggi

    Per generare risposte rapide a un messaggio, ottieni un'istanza di SmartReplyGenerator e trasmetti la cronologia della conversazione al relativo metodo 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
                // ...
            }
        });

    Se l'operazione ha esito positivo, viene passato un oggetto SmartReplySuggestionResult al gestore di esito positivo. Questo oggetto contiene un elenco di un massimo di tre risposte suggerite, che puoi presentare all'utente:

    Kotlin

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

    Java

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

    Tieni presente che ML Kit potrebbe non restituire risultati se il modello non è sicuro dell'pertinenza delle risposte suggerite, se la conversazione di input non è in inglese o se il modello rileva argomenti sensibili.