Genera respuestas inteligentes con ML Kit en Android

ML Kit puede generar respuestas cortas a mensajes con un modelo en el dispositivo.

Para generar respuestas inteligentes, pasa al Kit de AA un registro de mensajes recientes en un conversación. Si el Kit de AA determina que la conversación está en inglés y que la conversación no tiene un tema potencialmente sensible, ML Kit genera hasta tres respuestas que puedes sugerir al usuario.

Red de Búsqueda y Red de DisplaySin agrupar
Nombre de la bibliotecacom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
ImplementaciónEl modelo se vincula de forma estática a tu app durante el tiempo de compilación.El modelo se descarga de forma dinámica a través de los Servicios de Google Play.
Impacto del tamaño de la appSe aumentó el tamaño de aproximadamente 5.7 MB.Aumento de tamaño aproximado de 200 KB.
Tiempo de inicializaciónEl modelo está disponible de inmediato.Es posible que debas esperar a que el modelo se descargue antes de usarlo por primera vez.

Probar

Antes de comenzar

  1. En tu archivo build.gradle de nivel de proyecto, asegúrate de incluir el ID de Google Repositorio de Maven en las secciones buildscript y allprojects.

  2. Agrega las dependencias para las bibliotecas de Android del ML Kit al archivo archivo de Gradle a nivel de la app, que suele ser app/build.gradle. Elige una de las siguientes opciones: las siguientes dependencias según tus necesidades:

    • Para empaquetar el modelo con tu app, haz lo siguiente:
    dependencies {
      // ...
      // Use this dependency to bundle the model with your app
      implementation 'com.google.mlkit:smart-reply:17.0.4'
    }
    
    • Para usar el modelo en los Servicios de Google Play, haz lo siguiente:
    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'
    }
    

    Si eliges usar el modelo en los Servicios de Google Play, puedes configurar tu app para descargar automáticamente el modelo en el dispositivo después de que la app instalada desde Play Store. Si agregas la siguiente declaración a tu archivo AndroidManifest.xml de la 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>
    

    También puedes verificar explícitamente la disponibilidad del modelo y solicitar su descarga a través de API de ModuleInstallClient de los Servicios de Google Play

    Si no habilitas las descargas de modelos en el momento de la instalación ni solicitas una descarga explícita, el modelo se descarga la primera vez que ejecutas el generador de respuestas inteligentes. Las solicitudes que realizas antes de que se complete la descarga no generan resultados.

    1. Crea un objeto de historial de conversaciones

    Para generar respuestas inteligentes, debes pasar al Kit de AA una List ordenada cronológicamente. de objetos TextMessage, con la marca de tiempo más antigua primero.

    Cuando el usuario envíe un mensaje, agrega el mensaje y la marca de tiempo al historial de conversación:

    Kotlin

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

    Java

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

    Cuando el usuario recibe un mensaje, agrega el mensaje, su marca de tiempo y la ID de usuario del remitente en el historial de conversaciones. El ID de usuario puede ser cualquier cadena que identifica de forma exclusiva al remitente en la conversación. El ID de usuario no necesita corresponda a los datos del usuario, y no es necesario que el ID del usuario sea coherente entre una conversación o invocaciones del generador de respuestas 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));

    Un objeto de historial de conversaciones se parece al siguiente ejemplo:

    Marca de tiempo userID isLocalUser Mensaje
    Jue 21 de feb 13:13:39 PST 2019 verdadero ¿vas en camino?
    Jue 21 de feb 13:15:03 PST 2019 FRIEND0 falso Llegaré tarde, lo siento.

    El Kit de AA sugiere respuestas al último mensaje de un historial de conversación. Último mensaje debe ser de un usuario que no sea local. En el ejemplo anterior, el último mensaje de la conversación es del usuario no local FRIEND0. Cuando usas pasar este registro del ML Kit, te sugiere respuestas al mensaje de FRIENDO: "¡Llegaré tarde, lo siento!"

    2. Recibe respuestas de mensajes

    Para generar respuestas inteligentes a un mensaje, obtén una instancia de SmartReplyGenerator Luego, pasa el historial de la conversación a su 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
                    // ...
                }
            });

    Si la operación se realiza correctamente, se pasará un objeto SmartReplySuggestionResult a el controlador de éxito. Este objeto contiene una lista de hasta tres respuestas sugeridas, que puedes presentar a tu usuario:

    Kotlin

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

    Java

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

    Ten en cuenta que es posible que ML Kit no devuelva resultados si el modelo no está seguro de la relevancia de las respuestas sugeridas, la conversación ingresada no está inglés o si el modelo detecta cuestiones sensibles.