Genera risposte rapide con ML Kit su Android

ML Kit può generare risposte brevi ai messaggi utilizzando un modello on-device.

Per generare risposte rapide, passi a ML Kit un log dei messaggi recenti in una conversazione. Se ML Kit stabilisce che la conversazione è in inglese e che non include un oggetto potenzialmente sensibile, ML Kit genera fino a tre risposte, che puoi suggerire all'utente.

Questa API è disponibile utilizzando una libreria non in bundle che deve essere scaricata prima dell'uso o una libreria in bundle che aumenta le dimensioni dell'app. Consulta questa guida per ulteriori informazioni sulle differenze tra le due opzioni di installazione.

	In bundle	Non in bundle
Nome libreria	com.google.mlkit:smart-reply	com.google.android.gms:play-services-mlkit-smart-reply
Implementazione	Il modello è collegato in modo statico alla tua app al momento della creazione.	Il modello viene scaricato in modo dinamico tramite Google Play Services.
Impatto sulle dimensioni dell'app	Le dimensioni di circa 5,7 MB aumentano di circa 5,7 MB.	Le dimensioni sono aumentate di circa 200 kB.
Tempo di inizializzazione	Il modello è disponibile immediatamente.	Potrebbe essere necessario attendere il download del modello prima del primo utilizzo.

Nota: la versione non in bundle di Risposta rapida è attualmente offerta in versione beta, il che significa che potrebbe essere modificata in modi incompatibili con le versioni precedenti e non è soggetta a SLA (accordo sul livello del servizio) o a norme sul ritiro.

Prova

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

Prima di iniziare

Questa API richiede il livello API Android 21 o versioni successive. Assicurati che il file di build dell'app utilizzi un valore minSdkVersion pari o superiore a 21.

1. Assicurati di includere il repository Maven di Google nel file build.gradle a livello di progetto in entrambe le sezioni buildscript e allprojects.

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

   • Per raggruppare il modello con la tua app:

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

   • 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 l'app in modo che scarichi automaticamente il modello sul dispositivo dopo l'installazione dell'app dal Play Store. Aggiungendo la seguente dichiarazione al file AndroidManifest.xml della tua 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'APIModuleInstallClient di Google Play Services.

   Se non abiliti i download dei modelli al momento dell'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 generano risultati.

   1. Crea un oggetto cronologia della conversazione

   Per generare risposte rapide, passi ML Kit un List di TextMessage oggetti in ordine cronologico, con il timestamp più recente.

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

   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 quest'ultimo, 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 necessariamente corrispondere ai dati utente e non deve essere coerente tra le conversazioni o le chiamate 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 2019 13:13:39 PST 2019		true	sei per strada?
   Gio 21 feb 13:15:03 PST 2019	FRIEND0	false	Mi dispiace, sono in ritardo!

   ML Kit suggerisce risposte all'ultimo messaggio nella cronologia delle conversazioni. L'ultimo messaggio deve provenire da un utente non locale. Nell'esempio precedente, l'ultimo messaggio nella conversazione è dell'utente non locale FRIEND0. Quando utilizzi il Pass ML Kit, questo log suggerisce delle risposte al messaggio di FRIENDO: "In ritardo, scusa!".

   2. Ricevi risposte ai messaggi

   Per generare risposte rapide a un messaggio, ottieni un'istanza di SmartReplyGenerator e passa 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, un oggetto SmartReplySuggestionResult viene passato al gestore di operazione riuscita. Questo oggetto contiene un elenco di massimo 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 della pertinenza delle risposte suggerite, la conversazione di input non è in inglese o se il modello rileva un oggetto sensibile.