Generowanie inteligentnych odpowiedzi za pomocą ML Kit na Androida

ML Kit może generować krótkie odpowiedzi na wiadomości za pomocą modelu na urządzeniu.

Aby wygenerować inteligentne odpowiedzi, przekaż ML Kit dziennik ostatnich wiadomości w rozmowie. Jeśli ML Kit stwierdzi, że rozmowa jest prowadzona w języku angielskim i nie dotyczy potencjalnie drażliwych tematów, ML Kit wygeneruje maksymalnie 3 odpowiedzi, które możesz zaproponować użytkownikowi.

Ten interfejs API jest dostępny w postaci biblioteki, którą trzeba pobrać przed użyciem, lub biblioteki połączonej, która zwiększa rozmiar aplikacji. Więcej informacji o różnicach między tymi 2 opcjami instalacji znajdziesz w tym przewodniku.

	Łączenie w pakiety	Biblioteka
Nazwa biblioteki	com.google.mlkit:smart-reply	com.google.android.gms:play-services-mlkit-smart-reply
Implementacja	Model jest statycznie połączony z aplikacją w czasie kompilacji.	Model jest pobierany dynamicznie za pomocą Usług Google Play.
Wpływ na rozmiar aplikacji	Zwiększenie rozmiaru o około 5,7 MB.	Zwiększenie rozmiaru o około 200 KB.
Czas inicjowania	Model jest dostępny od razu.	Przed pierwszym użyciem może być konieczne poczekanie na pobranie modelu.

Uwaga: Niezależna wersja Inteligentnej odpowiedzi jest obecnie oferowana w wersji beta, co oznacza, że może zostać zmieniona w sposób niezgodny wstecznie i nie podlega żadnej gwarancji jakości usług ani zasadom wycofywania.

Wypróbuj

• Wypróbuj przykładową aplikację, aby zobaczyć, jak używać tego interfejsu API.

Zanim zaczniesz

Ten interfejs API wymaga Androida w wersji 23 lub nowszej. Sprawdź, czy w pliku kompilacji aplikacji jest używana wartość minSdkVersion równa 23 lub wyższa.

1. W pliku build.gradle na poziomie projektu dodaj repozytorium Google Maven do sekcji buildscript i allprojects.

2. Dodaj zależności bibliotek ML Kit na Androida do pliku Gradle na poziomie modułu, który zwykle znajduje się w app/build.gradle. Wybierz jedną z tych zależności w zależności od potrzeb:

   • Aby połączyć model z aplikacją:

   dependencies {
     // ...
     // Use this dependency to bundle the model with your app
     implementation 'com.google.mlkit:smart-reply:17.0.4'
   }
   

   • Aby używać modelu w Usługach 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'
   }
   

   Jeśli zdecydujesz się używać modelu w Usługach Google Play, możesz skonfigurować aplikację tak, aby automatycznie pobierała model na urządzenie po zainstalowaniu aplikacji ze Sklepu Play. Dodając tę deklarację do pliku AndroidManifest.xml aplikacji:

   <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>
   

   Możesz też wyraźnie sprawdzić dostępność modelu i poprosić o pobranie za pomocą interfejsu ModuleInstallClient API w Usługach Google Play.

   Jeśli nie włączysz pobierania modelu podczas instalacji ani nie poprosisz o wyraźne pobranie, model zostanie pobrany przy pierwszym uruchomieniu generatora inteligentnych odpowiedzi. Żądania wysyłane przed zakończeniem pobierania nie przyniosą żadnych rezultatów.

   1. Utwórz obiekt historii rozmowy

   Aby wygenerować inteligentne odpowiedzi, przekaż ML Kit uporządkowaną chronologicznie List obiektów TextMessage, z najwcześniejszą sygnaturą czasową na początku.

   Gdy użytkownik wyśle wiadomość, dodaj ją i jej sygnaturę czasową do historii rozmowy:

   Kotlin

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

   Java

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

   Gdy użytkownik otrzyma wiadomość, dodaj ją, jej sygnaturę czasową i identyfikator użytkownika nadawcy do historii rozmowy. Identyfikator użytkownika może być dowolnym ciągiem znaków, który jednoznacznie identyfikuje nadawcę w rozmowie. Identyfikator użytkownika nie musi odpowiadać żadnym danym użytkownika ani być spójny w różnych rozmowach lub wywołaniach generatora inteligentnych odpowiedzi.

   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));

   Obiekt historii rozmowy wygląda tak jak w tym przykładzie:

   Sygnatura czasowa	userID	isLocalUser	Wiadomość
   Thu Feb 21 13:13:39 PST 2019		prawda	are you on your way?
   Thu Feb 21 13:15:03 PST 2019	FRIEND0	fałsz	Running late, sorry!

   ML Kit sugeruje odpowiedzi na ostatnią wiadomość w historii rozmowy. Ostatnia wiadomość powinna pochodzić od użytkownika innego niż lokalny. W powyższym przykładzie ostatnia wiadomość w rozmowie pochodzi od użytkownika innego niż lokalny, czyli FRIEND0. Gdy przekażesz ML Kit ten dziennik, zasugeruje on odpowiedzi na wiadomość FRIENDO: „Running late, sorry!”

   2. Pobierz odpowiedzi na wiadomości

   Aby wygenerować inteligentne odpowiedzi na wiadomość, pobierz instancję SmartReplyGenerator i przekaż historię rozmowy do jej metody 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
                   // ...
               }
           });

   Jeśli operacja się powiedzie, do obsługi sukcesu zostanie przekazany obiekt SmartReplySuggestionResult. Ten obiekt zawiera listę maksymalnie 3 sugerowanych odpowiedzi, które możesz wyświetlić użytkownikowi:

   Kotlin

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

   Java

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

   Pamiętaj, że ML Kit może nie zwracać wyników, jeśli model nie jest pewny trafności sugerowanych odpowiedzi, rozmowa wejściowa nie jest prowadzona w języku angielskim lub jeśli model wykryje drażliwe tematy.