สร้างสมาร์ทรีพลายด้วย ML Kit บน Android

ML Kit สร้างข้อความตอบกลับสั้นๆ โดยใช้โมเดลในอุปกรณ์ได้

หากต้องการสร้างฟีเจอร์ช่วยตอบ คุณจะต้องส่งบันทึกข้อความล่าสุดในการสนทนาให้กับ ML Kit หาก ML Kit ระบุว่าการสนทนาเป็นภาษาอังกฤษและการสนทนานั้นไม่มีเรื่องที่มีความละเอียดอ่อน ML Kit จะสร้างการตอบกลับสูงสุด 3 รายการซึ่งคุณแนะนำให้ผู้ใช้ได้

รวมกลุ่มไม่ได้จัดกลุ่ม
ชื่อไลบรารีcom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
การใช้งานโมเดลจะลิงก์แบบคงที่กับแอปของคุณ ณ เวลาบิลด์ระบบจะดาวน์โหลดโมเดลแบบไดนามิกผ่านบริการ Google Play
ผลกระทบของขนาดแอปขนาดเพิ่มขึ้นประมาณ 5.7 MBเพิ่มขนาดได้ประมาณ 200 KB
เวลาเริ่มต้นโมเดลจะพร้อมใช้งานทันทีอาจต้องรอดาวน์โหลดโมเดลก่อนใช้งานครั้งแรก

ลองเลย

ก่อนเริ่มต้น

  1. ในไฟล์ build.gradle ระดับโปรเจ็กต์ ให้ตรวจสอบว่ามีที่เก็บ Maven ของ Google ไว้ในส่วน buildscript และ allprojects

  2. เพิ่มทรัพยากร Dependency สำหรับไลบรารี Android ของ ML Kit ไปยังไฟล์ Gradle ระดับแอปของโมดูล ซึ่งปกติจะอยู่ที่ app/build.gradle เลือกทรัพยากร Dependency รายการใดรายการหนึ่งต่อไปนี้ตามความต้องการของคุณ

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

    หากเลือกที่จะใช้โมเดลในบริการ Google Play คุณสามารถกำหนดค่าแอปให้ดาวน์โหลดโมเดลลงในอุปกรณ์โดยอัตโนมัติหลังจากที่ติดตั้งแอปจาก Play Store แล้ว เพิ่มประกาศต่อไปนี้ลงในไฟล์ AndroidManifest.xml ของแอป

    <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>

    นอกจากนี้คุณยังตรวจสอบความพร้อมใช้งานของโมเดลอย่างชัดแจ้งและขอการดาวน์โหลดผ่านบริการ Google Play ได้ ModuleInstallClient API

    หากคุณไม่เปิดใช้การดาวน์โหลดโมเดลเวลาติดตั้งหรือขอดาวน์โหลดอย่างชัดแจ้ง ระบบจะดาวน์โหลดโมเดลในครั้งแรกที่คุณเรียกใช้โปรแกรมสร้างการตอบกลับแบบสมาร์ท คำขอที่คุณส่งก่อนการดาวน์โหลดเสร็จสมบูรณ์จะไม่มีผลลัพธ์ใดๆ

    1. สร้างออบเจ็กต์ประวัติการสนทนา

    หากต้องการสร้างฟีเจอร์ช่วยตอบ คุณจะต้องส่งออบเจ็กต์ List จาก TextMessage รายการตามลำดับเวลา โดยส่งการประทับเวลาเร็วที่สุดก่อน

    เมื่อใดก็ตามที่ผู้ใช้ส่งข้อความ ให้เพิ่มข้อความและการประทับเวลาของข้อความนั้นลงในประวัติการสนทนา โดยทำดังนี้

    Kotlin

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

    Java

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

    เมื่อใดก็ตามที่ผู้ใช้ได้รับข้อความ ให้เพิ่มข้อความ การประทับเวลา และรหัสผู้ใช้ของผู้ส่งในประวัติการสนทนา รหัสผู้ใช้อาจเป็นสตริงใดก็ได้ ที่ระบุผู้ส่งอย่างชัดเจนภายในการสนทนา User ID ไม่จำเป็นต้องสอดคล้องกับข้อมูลผู้ใช้ และ User ID ไม่จำเป็นต้องสอดคล้องกันระหว่างการสนทนาหรือการเรียกใช้โปรแกรมสร้างช่วยตอบ

    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));

    ออบเจ็กต์ประวัติการสนทนาจะมีลักษณะดังนี้

    การประทับเวลา userID isLocalUser ข้อความ
    พฤ. 21 ก.พ. 13:13:39 น. PST 2019 จริง คุณกำลังเดินทางอยู่หรือไม่
    วันพฤหัสบดีที่ 21 ก.พ. 13:15:03 น. PST 2019 FRIEND0 false ขออภัยในความไม่สะดวกที่เกิดขึ้นล่าช้า

    ML Kit จะแนะนำการตอบกลับข้อความสุดท้ายในประวัติการสนทนา ข้อความสุดท้ายควรมาจากผู้ใช้ที่ไม่ได้อยู่ในพื้นที่ ในตัวอย่างข้างต้น ข้อความสุดท้ายในการสนทนามาจากผู้ใช้ที่ไม่ใช่ผู้ใช้ในพื้นที่ FRIEND0 เมื่อคุณใช้บันทึก ML Kit บันทึกนี้ ระบบจะแนะนำการตอบกลับข้อความของ FRIENDO ที่ว่า "ไปสาย ขออภัย!"

    2. รับการตอบกลับข้อความ

    หากต้องการสร้างการช่วยตอบข้อความ ให้ขอรับอินสแตนซ์ SmartReplyGenerator แล้วส่งประวัติการสนทนาไปยังเมธอด suggestReplies() ของข้อความนั้นๆ ดังนี้

    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
                // ...
            }
        });

    หากการดำเนินการสำเร็จ ระบบจะส่งออบเจ็กต์ SmartReplySuggestionResult ไปยังเครื่องจัดการความสำเร็จ ออบเจ็กต์นี้ประกอบด้วยรายการคำตอบที่แนะนำสูงสุด 3 คำตอบ ซึ่งคุณสามารถนำเสนอแก่ผู้ใช้ได้ ดังนี้

    Kotlin

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

    Java

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

    โปรดทราบว่า ML Kit อาจไม่แสดงผลลัพธ์หากโมเดลไม่มั่นใจในความเกี่ยวข้องของคำตอบที่แนะนำ บทสนทนาในการป้อนข้อมูลไม่เป็นภาษาอังกฤษ หรือหากโมเดลตรวจพบเนื้อหาที่ละเอียดอ่อน