Gerar respostas inteligentes com o Kit de ML no Android

O Kit de ML pode gerar respostas curtas a mensagens usando um modelo no dispositivo.

Para gerar respostas inteligentes, você transmite ao Kit de ML um registro de mensagens recentes em um conversa. Se o Kit de ML determinar que a conversa está em inglês e que a conversa não pode ter um assunto potencialmente sensível, o kit de ML gera até três respostas, que você pode sugerir ao usuário.

AgrupadasDesagrupado
Nome da bibliotecacom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
ImplementaçãoO modelo é vinculado estaticamente ao app no tempo de build.O download do modelo é feito dinamicamente pelo Google Play Services.
Impacto no tamanho do appAumento de tamanho de cerca de 5,7 MB.Cerca de 200 KB de aumento.
Horário de inicializaçãoO modelo está disponível imediatamente.Talvez seja necessário aguardar o download do modelo para usar o modelo pela primeira vez.

Faça um teste

Antes de começar

  1. No arquivo build.gradle no nível do projeto, inclua a propriedade repositório Maven nas seções buildscript e allprojects.

  2. Adicione as dependências das bibliotecas do Android do Kit de ML ao arquivo arquivo do Gradle no nível do app, que geralmente é app/build.gradle. Escolha uma destas opções: as seguintes dependências com base nas suas necessidades:

    • Para agrupar o modelo e o app, faça o seguinte:
    dependencies {
      // ...
      // Use this dependency to bundle the model with your app
      implementation 'com.google.mlkit:smart-reply:17.0.4'
    }
    
    • Para usar o modelo no 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 você optar por usar o modelo no Google Play Services, poderá configurar que o app faça o download automático do modelo para o dispositivo depois que ele for instalado pela Play Store. Ao adicionar a declaração a seguir ao arquivo AndroidManifest.xml do 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>
    

    Também é possível verificar explicitamente a disponibilidade do modelo e solicitar o download pelo API ModuleInstallClient do Google Play Services.

    Se você não ativar os downloads do modelo de tempo de instalação ou solicitar o download explícito, o modelo é transferido por download na primeira vez que você executa o gerador de resposta inteligente. As solicitações feitas antes da conclusão do download não produzem resultados.

    1. Criar um objeto de histórico de conversas

    Para gerar respostas inteligentes, você transmite ao Kit de ML um List em ordem cronológica de objetos TextMessage, com o carimbo de data/hora mais antigo primeiro.

    Sempre que o usuário enviar uma mensagem, adicione a mensagem e o carimbo de data/hora ao histórico de conversas:

    Kotlin

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

    Java

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

    Sempre que o usuário receber uma mensagem, adicione a mensagem, o carimbo de data/hora e o ID do usuário do remetente ao histórico de conversas. O ID do usuário pode ser qualquer string identifica exclusivamente o remetente dentro da conversa. O ID do usuário não precisa para corresponder aos dados do usuário, e o ID do usuário não precisa ser consistente entre conversas ou invocações do gerador de respostas inteligentes.

    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));

    Um objeto de histórico de conversas é parecido com este exemplo:

    Carimbo de data/hora userID isLocalUser Mensagem
    Quinta-feira, 21 de fevereiro, 13:13:39 PST 2019 verdadeiro você está a caminho?
    Quinta-feira, 21 de fevereiro, 13:15:03 PST 2019 FRIEND0 falso Sinto muito!

    O Kit de ML sugere respostas para a última mensagem no histórico de conversas. A última mensagem deve ser de um usuário não local. No exemplo acima, a última mensagem da conversa pertence ao usuário não local FRIEND0. Quando você usa esse registro, ele sugere responde à mensagem de FRIENDO: "Está atrasado, sinto muito!".

    2. Receber respostas de mensagens

    Para gerar respostas inteligentes a uma mensagem, receba uma instância de SmartReplyGenerator e transmita o histórico da conversa para o método 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 a operação for bem-sucedida, um objeto SmartReplySuggestionResult será transmitido para o gerenciador de sucesso. Esse objeto contém uma lista de até três respostas sugeridas, que você pode apresentar ao usuário:

    Kotlin

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

    Java

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

    O kit de ML poderá não retornar resultados se o modelo não confiar na a relevância das respostas sugeridas, a conversa de entrada não está inglês ou se o modelo detectar um assunto sensível.