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 non tratta argomenti potenzialmente sensibili, 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 oppure 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 raggruppati
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 delle dimensioni dell'app	Aumento delle dimensioni di circa 5,7 MB.	Aumento delle dimensioni 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 integrata di Risposta rapida è attualmente disponibile 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.

Provalo

• Prova l'app di esempio per vedere un esempio di utilizzo 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 a 21 o superiore.

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

2. Aggiungi le dipendenze per le librerie Android di ML Kit al file gradle a livello di app del 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 usare 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 verificare esplicitamente la disponibilità del modello e richiedere il download tramite l'API ModuleInstallaClient dei servizi Google Play.

   Se non abiliti i download del modello al momento dell'installazione o non richiedi un 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 producono risultati.

   1. Crea un oggetto cronologia conversazione

   Per generare risposte rapide, passi a 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 il messaggio, il relativo timestamp e l'ID utente del mittente alla cronologia della conversazione. L'ID utente può essere qualsiasi stringa che identifica in modo univoco il mittente all'interno della conversazione. Non è necessario che lo User-ID corrisponda a nessun dato utente e non deve essere coerente tra le conversazioni o le chiamate al 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 cronologia conversazione ha il seguente aspetto:

   Timestamp	userID	isLocalUser	Messaggio
   gio 21 feb 13:13:39 PST 2019		true	sei sulla strada giusta?
   gio 21 feb 13:15:03 PST 2019	FRIEND0	false	Siamo in ritardo, mi dispiace!

   ML Kit suggerisce le risposte all'ultimo messaggio di una cronologia di conversazione. L'ultimo messaggio deve provenire da un utente non locale. Nell'esempio riportato sopra, l'ultimo messaggio della conversazione proviene dall'utente non locale FRIENDS0. Quando utilizzi questo log di pass ML Kit, ti vengono suggerite risposte al messaggio di FRIENDSO: "In ritardo, scusa".

   2. Ricevere risposte ai messaggi

   Per generare risposte rapide a un messaggio, recupera 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 riesce, un oggetto SmartReplySuggestionResult viene passato al gestore delle operazioni riuscite. 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, se la conversazione di input non è in inglese o se il modello rileva argomenti sensibili.