在 Android 中使用 ML Kit 產生智慧回覆

透過集合功能整理內容 你可以依據偏好儲存及分類內容。

機器學習套件可透過裝置端模型產生訊息的簡短回覆。

如要產生智慧回覆，請將對話中最近的訊息記錄傳送給 ML Kit。如果機器學習套件判定對話內容為英文，而且對話可能沒有敏感的主旨，則機器學習套件會產生最多三則回覆，您可以向使用者建議。

組合未分類郵件
程式庫名稱com.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
導入方法模型會在建構期間以靜態方式連結至您的應用程式。系統會透過 Google Play 服務動態下載模型。
應用程式大小影響大小增加約 5.7 MB。增加約 200 KB。
初始化時間可立即使用模型。可能必須先等待模型下載完成才能使用。

立即體驗

事前準備

  1. 在專案層級的 build.gradle 檔案中，請務必在您的 buildscript 和 allprojects 區段中加入 Google 的 Maven 存放區。

  2. 將 ML Kit Android 程式庫的依附元件新增至模組的應用程式層級 Gradle 檔案 (通常為 app/build.gradle)。依據您的需求選擇下列其中一種依附元件：

    • 如何將模型與應用程式整合：
    dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:smart-reply:17.0.2'
}
    • 如何在 Google Play 服務中使用模型：
    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'
}

    如果您選擇在 Google Play 服務中使用模型，可以設定應用程式，讓系統在從 Play 商店安裝應用程式後，自動將模型下載到裝置上。將以下宣告新增至應用程式的 AndroidManifest.xml 檔案：

    <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>

    您也可以明確檢查模型可用性，以及透過 Google Play 服務 ModuleInstallClient API 要求下載。

    如未啟用安裝時模型下載或要求明確下載，系統會在您首次執行智慧回覆產生器時下載模型。 在下載作業完成前提出要求的要求不會產生任何結果。

    1. 建立對話記錄物件

    如要產生智慧回覆，您必須按照時間先後順序排序 TextMessage 物件的 List 物件，並依最早順序排列時間戳記。

    每當使用者傳送郵件時，請在對話記錄中新增訊息與時間戳記：

    Kotlin

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

    Java

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

    每當使用者收到訊息時，請將訊息、時間戳記和寄件者的使用者 ID 新增至對話記錄。使用者 ID 可以是對話中唯一識別傳送者的字串。使用者 ID 不必對應到任何使用者資料，且智慧回覆產生器的對話或叫用之間不需要使用者 ID。

    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));

    對話記錄物件如下列範例所示：

    時間戳記 使用者 ID isLocalUser 訊息
    2019 年 2 月 21 日星期四 13:13:39 PST true 您正在路上嗎？
    2019 年 2 月 21 日星期四 13:15:03 PST 好友 0 否 太晚了，很抱歉！

    ML Kit 會提供對話記錄中的最後一則訊息回覆。最後一則訊息必須來自非本地使用者。在上述範例中，對話中的最後一則訊息是來自非本地使用者 FRIEND0。使用 Pass ML Kit 時，這個建議會提供「FRIENDO」訊息的回覆：「晚點，抱歉！」

    2. 接收訊息回覆

    如要產生訊息的智慧回覆，請取得 SmartReplyGenerator 的例項，並將對話記錄傳送至其 suggestReplies() 方法：

    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
                // ...
            }
        });

    如果作業成功，SmartReplySuggestionResult 物件會傳遞到成功處理常式。這個物件含有最多三個建議的回覆，您可提供給使用者：

    Kotlin

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

    Java

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

    請注意，如果模型對建議回覆的關聯性、輸入對話內容並非英文，或模型偵測到敏感主題，就不會傳回結果。