Generowanie inteligentnych odpowiedzi za pomocą ML Kit na Androida

ML Kit może generować krótkie odpowiedzi na wiadomości za pomocą modelu na urządzeniu.

Aby generować inteligentne odpowiedzi, musisz przekazać ML Kit dziennik ostatnich wiadomości w rozmowie. Jeśli ML Kit ustali, że rozmowa jest w języku angielskim, i że nie ma ona potencjalnie drażliwego tematu, wygeneruje maksymalnie 3 odpowiedzi, które możesz zasugerować użytkownikowi.

Ten interfejs API jest dostępny za pomocą biblioteki niepołączonej, którą należy pobrać przed użyciem, lub biblioteki połączonej, która zwiększa rozmiar aplikacji. Więcej informacji o różnicach między tymi opcjami instalacji znajdziesz w tym przewodniku.

	Łączenie w pakiety	Niegrupowane
Nazwa biblioteki	com.google.mlkit:smart-reply	com.google.android.gms:play-services-mlkit-smart-reply
Implementacja	Model jest statycznie połączony z aplikacją w czasie kompilacji.	Model jest pobierany dynamicznie przez Usługi Google Play.
Wpływ na rozmiar aplikacji	Zwiększenie rozmiaru o około 5,7 MB.	Zwiększenie rozmiaru o około 200 KB.
Czas inicjowania	Model jest dostępny od razu.	Możliwe, że przed pierwszym użyciem trzeba będzie poczekać na pobranie modelu.

Uwaga: niepakietowa wersja Inteligentnej odpowiedzi jest obecnie dostępna w wersji beta, co oznacza, że może się zmienić w sposób niezgodny wstecznie i nie podlega żadnej gwarancji jakości usług ani żadnym zasadom wycofywania.

Wypróbuj

• Przetestuj przykładową aplikację, aby zobaczyć przykład użycia tego interfejsu API.

Zanim zaczniesz

Ten interfejs API wymaga interfejsu Android API na poziomie 21 lub wyższym. Upewnij się, że plik kompilacji Twojej aplikacji używa wartości minSdkVersion o wartości 21 lub wyższej.

1. Upewnij się, że w sekcji buildscript i allprojects w pliku build.gradle Google na poziomie projektu znajduje się repozytorium Maven.

2. Dodaj zależności dla bibliotek ML Kit na Androida do pliku Gradle na poziomie modułu. Zwykle ma on postać app/build.gradle. Wybierz jedną z tych zależności w zależności od potrzeb:

   • Aby połączyć model z aplikacją:

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

   • Aby używać modelu w Usługach Google Play:

   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'
   }
   

   Jeśli zdecydujesz się używać modelu w Usługach Google Play, możesz skonfigurować automatyczne pobieranie modelu przez aplikację po jej zainstalowaniu ze Sklepu Play. Dodając tę deklarację do pliku AndroidManifest.xml aplikacji:

   <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>
   

   Możesz też wyraźnie sprawdzić dostępność modelu i poprosić o pobranie za pomocą interfejsu ModuleInstallClient API z Usług Google Play.

   Jeśli nie włączysz pobierania modelu podczas instalacji ani nie poprosisz o jawne pobieranie, model zostanie pobrany przy pierwszym uruchomieniu generatora inteligentnych odpowiedzi. Prośby przesłane przed zakończeniem pobierania nie dają żadnych wyników.

   1. Tworzenie obiektu historii rozmowy

   Aby wygenerować inteligentne odpowiedzi, przekazujesz ML Kit uporządkowaną chronologicznie List z TextMessage obiektów, zaczynając od najwcześniejszej sygnatury czasowej.

   Za każdym razem, gdy użytkownik wysyła wiadomość, dodaj ją wraz z sygnaturą czasową do historii rozmowy:

   Kotlin

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

   Java

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

   Za każdym razem, gdy użytkownik otrzyma wiadomość, dodaj ją do historii rozmowy, jej sygnaturę czasową oraz identyfikator użytkownika nadawcy. Identyfikator użytkownika może być dowolnym ciągiem znaków, który jednoznacznie identyfikuje nadawcę w wątku. Identyfikator użytkownika nie musi odpowiadać żadnym danym użytkownika i nie musi być spójny między rozmowami ani wywołaniami generatora inteligentnych odpowiedzi.

   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));

   Obiekt historii rozmowy wygląda tak:

   sygnatura czasowa,	userID	isLocalUser	przekaz,
   Czw 21 lutego 13:13:39 czasu PST 2019		prawda	jesteś w drodze?
   Czw 21 lutego 13:15:03 czasu PST 2019	FRIEND0	false	Spóźnię się.

   ML Kit sugeruje odpowiedzi na ostatnią wiadomość w historii rozmowy. Ostatnia wiadomość powinna być od użytkownika z innego kraju. W powyższym przykładzie ostatnia wiadomość w rozmowie pochodzi od użytkownika FRIEND0, który nie jest lokalny. Gdy używasz pakietu ML Kit z przekazywania tego logu, sugeruje on odpowiedzi na wiadomość „ZNAJOMI”.

   2. Otrzymywanie odpowiedzi na wiadomości

   Aby generować inteligentne odpowiedzi na wiadomość, pobierz wystąpienie obiektu SmartReplyGenerator i przekaż historię rozmowy do metody 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
                   // ...
               }
           });

   Jeśli operacja się powiedzie, do modułu obsługi powodzenia jest przekazywany obiekt SmartReplySuggestionResult. Ten obiekt zawiera listę maksymalnie trzech sugerowanych odpowiedzi, które możesz przedstawić użytkownikowi:

   Kotlin

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

   Java

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

   Pamiętaj, że ML Kit może nie zwracać wyników, jeśli model nie ma pewności co do trafności sugerowanych odpowiedzi, rozmowa wejściowa jest w języku innym niż angielski lub jeśli model wykryje wrażliwy temat.