在 Android 系统中使用机器学习套件生成智能回复

机器学习套件可以使用设备端模型生成简短的消息回复。

如需生成智能回复，您需要向机器学习套件传递对话中最近消息的日志。如果机器学习套件确认对话使用的语言是英语，并且其中没有潜在的敏感主题，则会生成最多三个回复，供您向用户推荐。

捆绑解除绑定
库名称com.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
实现模型在构建时静态链接到您的应用。模型通过 Google Play 服务动态下载。
应用大小的影响大小增加了约 5.7 MB。大小增加了约 200 KB。
初始化时间模型可立即使用。可能需要等待模型下载完毕，然后才能首次使用。

试试看

  • 您可以试用示例应用，了解此 API 的使用示例。

准备工作

  1. 请务必在您的项目级 build.gradle 文件中的 buildscript 和 allprojects 部分添加 Google 的 Maven 代码库。

  2. 将 Android 版机器学习套件库的依赖项添加到模块的应用级 Gradle 文件（通常为 app/build.gradle）。根据您的需求选择以下依赖项之一：

    • 如需将模型与您的应用捆绑在一起，请执行以下操作：
    dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:smart-reply:17.0.4'
}
    • 如需在 Google Play 服务中使用该模型，请执行以下操作：
    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'
}

    如果您选择在 Google Play 服务中使用该模型，则可将应用配置为在从 Play 商店安装后自动将该模型下载到设备。通过将以下声明添加到应用的 AndroidManifest.xml 文件中：

    <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>

    您还可以通过 Google Play 服务的 ModuleInstallClient API 显式检查模型可用性并请求下载。

    如果您未启用在安装时下载模型的选项或请求显式下载，模型将在您首次运行智能回复生成器时下载。 您在下载完毕之前提出的请求不会产生任何结果。

    1. 创建对话历史记录对象

    如需生成智能回复，您需要向机器学习套件传递按时间排序的 TextMessage 对象的 List，时间戳早的排在前面。

    每当用户发送消息时，系统都会将消息及其时间戳添加到会话历史记录中：

    Kotlin

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

    Java

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

    每当用户收到消息时，系统都会将消息、其时间戳和发送者的用户 ID 添加到会话历史记录中。用户 ID 可以是用于在对话中唯一标识发送者的任何字符串。用户 ID 不需要对应于任何用户数据，也不需要在对话之间或智能回复生成器的调用之间保持一致。

    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));

    对话历史记录对象类似如下示例：

    时间戳 userID isLocalUser 消息
    太平洋标准时间 2019 年 2 月 21 日星期四 13:13:39 true 还在路上吗？
    太平洋标准时间 2019 年 2 月 21 日星期四 13:15:03 FRIEND0 false 要迟到了，对不起！

    ML Kit 会针对对话记录中的最后一条消息建议回复。最后一条消息应来自非本地用户。在上面的示例中，对话中的最后一条消息来自非本地用户 FRIEND0。当您向机器学习套件传递此日志时，它会针对 FRIENDO 的消息“Running late, sorry!”建议回复。

    2. 获取消息回复

    如需生成对消息的智能回复，请获取一个 SmartReplyGenerator 实例，并将对话历史记录传递给其 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
                // ...
            }
        });

    如果操作成功，则系统会向成功处理程序传递一个 SmartReplySuggestionResult 对象。此对象包含最多 3 条您可以向用户显示的推荐回复：

    Kotlin

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

    Java

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

    请注意，如果模型对建议回复的相关性不确定、输入会话不是英语，或者模型检测到敏感主题，则机器学习套件可能不会返回结果。