Se usó la API de Cloud Translation para traducir esta página.

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 Display	Sin agrupar
Nombre de la biblioteca	`com.google.mlkit:smart-reply`	`com.google.android.gms:play-services-mlkit-smart-reply`
Implementación	El 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 app	Se aumentó el tamaño de aproximadamente 5.7 MB.	Aumento de tamaño aproximado de 200 KB.
Tiempo de inicialización	El modelo está disponible de inmediato.	Es posible que debas esperar a que el modelo se descargue antes de usarlo por primera vez.

Probar

Prueba la app de ejemplo para ver un ejemplo de uso de esta API.

Antes de comenzar

Esta API requiere el nivel de API de Android 21 o una versión posterior. Asegúrate de que la compilación de tu app usa un valor minSdkVersion de 21 o superior.

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.

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.