本頁面由 Cloud Translation API 翻譯而成。

在 Android 上使用 ML Kit 產生智慧回覆

ML Kit 可以使用裝置上的模型來產生訊息的簡短回覆。

如要產生智慧回覆，您必須向 ML Kit 傳送對話中近期訊息的記錄。如果 ML Kit 判斷對話是以英文輸入，且對話不含潛在敏感主題，則 ML Kit 會產生最多三個回覆，您可以向使用者提供建議。

	組合	未分類
程式庫名稱	`com.google.mlkit:smart-reply`	`com.google.android.gms:play-services-mlkit-smart-reply`
導入方法	模型會在建構期間以靜態方式連結至應用程式。	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	模型可立即使用。	可能要等到模型下載完畢再開始使用。

馬上試試

您可以試用範例應用程式，查看這個 API 的使用範例。

事前準備

這個 API 需要 Android API 級別 21 以上。確認應用程式的版本檔案使用 21 以上的 minSdkVersion 值。

在專案層級的 build.gradle 檔案中，請務必在 buildscript 和 allprojects 區段中納入 Google 的 Maven 存放區。

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。請根據您的需求選擇下列其中一種依附元件：

將模型與應用程式組合如下：

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

如何在 Google Play 服務中使用模型：

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，可以設定讓應用程式在從 Play 商店安裝應用程式後，自動將模型下載至裝置。將下列宣告新增至應用程式的 AndroidManifest.xml 檔案：

<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>

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

如果您不啟用安裝期間模型下載功能，或要求明確下載，系統會在首次執行智慧回覆產生器時下載模型。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

為產生智慧回覆，您必須向 ML Kit 傳遞依時間排序的 TextMessage 物件 List，且時間戳記位於最前面。

每當使用者傳送訊息時，請將訊息和訊息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，在對話記錄中加入訊息、訊息時間戳記，以及傳送者的使用者 ID。使用者 ID 可以是任何可在對話中識別寄件者的任何字串。使用者 ID 不需要對應至任何使用者資料，而且智慧回覆產生器的對話或叫用使用者 ID 不必保持一致。

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));

對話記錄物件如下列範例所示：

時間戳記	userID	isLocalUser	訊息
2019 年 2 月 21 日星期四 13:13:39 (太平洋標準時間)		true	你正在路上嗎？
2019 年 2 月 21 日星期四 13:15:03 (太平洋標準時間)	FRIEND0	false	抱歉，我遲到了！

ML Kit 建議回覆對話記錄中的最後一則訊息。最後一則訊息應來自非本機使用者。在上述範例中，對話中的最後一個訊息是來自非本機使用者 FRIEND0。使用 Pass ML Kit 這項記錄時，它會建議回覆 FRIENDO 的訊息：「Running late, 抱歉!」

2. 接收訊息回覆

如要產生訊息的智慧回覆，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。這個物件包含最多三個建議的回覆清單，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關聯性不足、輸入對話不是英文，或是模型偵測到敏感主題，ML Kit 可能不會傳回結果。