在 Android 上使用 ML Kit 產生智慧回覆

機器學習套件可使用裝置端模型，為訊息生成簡短回覆。

如要生成智慧回覆，請將對話中最近的訊息記錄傳送至 ML Kit。如果 ML Kit 判斷對話內容為英文，且不涉及潛在敏感主題，就會生成最多三則回覆，供您建議給使用者。

您可以使用未綁定的程式庫 (必須先下載才能使用)，也可以使用綁定的程式庫 (會增加應用程式大小) 存取這項 API。如要進一步瞭解這兩種安裝選項的差異，請參閱這份指南。

	組合	未綁定
程式庫名稱	com.google.mlkit:smart-reply	com.google.android.gms:play-services-mlkit-smart-reply
導入	模型會在建構時靜態連結至應用程式。	模型會透過 Google Play 服務動態下載。
應用程式大小影響	大小增加約 5.7 MB。	大小增加約 200 KB。
初始化時間	模型會立即提供。	首次使用前可能需要等待模型下載完成。

注意： 未綁定的智慧回覆版本目前為 Beta 版，因此可能會有回溯不相容的變更，且不適用於任何服務水準協議或廢止政策。

立即試用

• 請試用範例應用程式，瞭解這個 API 的使用範例。

事前準備

這項 API 需要 Android API 級別 21 以上版本。請確認應用程式的建構檔案使用 21 以上的 minSdkVersion 值。

1. 在專案層級的 build.gradle 檔案中，請務必在 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。請依據需求選擇下列其中一個依附元件：

   • 如要將模型與應用程式組合，請按照下列步驟操作：

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

   • 如要在 Google Play 服務中使用模型，請按照下列步驟操作：

   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，可以將應用程式設定為在從 Play 商店安裝後，自動將模型下載至裝置。在應用程式的 AndroidManifest.xml 檔案中新增下列宣告：

   <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>
   

   您也可以透過 Google Play 服務 ModuleInstallClient API，明確檢查模型可用性並要求下載。

   如果未啟用安裝時模型下載或要求明確下載，模型會在您首次執行智慧回覆產生器時下載。下載完成前提出的要求不會產生任何結果。

   1. 建立對話記錄物件

   如要生成智慧回覆，請將依時間順序排序的 List TextMessage 物件傳遞至 ML Kit，最早的時間戳記在前。

   每當使用者傳送訊息時，請將訊息和時間戳記新增至對話記錄：

   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、時間戳記和傳送者的使用者 ID 新增至對話記錄。使用者 ID 可以是任何字串，只要能在對話中唯一識別傳送者即可。使用者 ID 不必對應任何使用者資料，也不必在對話或智慧回覆產生器呼叫之間保持一致。

   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));

   對話記錄物件類似下列範例：

   時間戳記	userID	isLocalUser	訊息
   Thu Feb 21 13:13:39 PST 2019		true	你正在前往嗎？
   Thu Feb 21 13:15:03 PST 2019	FRIEND0	false	抱歉，我會晚一點到！

   ML Kit 會根據對話記錄中的最後一則訊息建議回覆內容。最後一則訊息應來自非本機使用者。在上述範例中，對話中的最後一則訊息來自非本機使用者 FRIEND0。當您將這則記錄傳送給 ML Kit 時，系統會建議回覆 FRIENDO 的訊息：「Running late, sorry!」(抱歉，我會晚點到！)

   2. 取得訊息回覆

   如要為訊息產生智慧回覆，請取得 SmartReplyGenerator 的例項，並將對話記錄傳遞至其 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，系統會將 SmartReplySuggestionResult 物件傳遞至成功處理常式。這個物件最多包含三則建議回覆，您可以向使用者顯示這些回覆：

   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相關性沒有把握、輸入的對話不是英文，或是模型偵測到敏感主題，ML Kit 可能不會傳回結果。