在 Android 上使用 ML Kit 產生智慧回覆

機器學習套件可使用裝置端模型，為訊息生成簡短回覆。

如要生成智慧回覆，請將對話中最近的訊息記錄傳送至 ML Kit。如果 ML Kit 判斷對話內容為英文，且不涉及潛在敏感主題，就會生成最多三則回覆，供您建議給使用者。

組合未綁定
程式庫名稱com.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
導入模型會在建構時靜態連結至應用程式。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。
初始化時間模型會立即提供。首次使用前可能需要等待模型下載完成。

立即試用

事前準備

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

  2. 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。請依據需求選擇下列其中一個依附元件：

    • 如要將模型與應用程式組合，請按照下列步驟操作：
    dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:smart-reply:17.0.4'
}
    • 如要在 Google Play 服務中使用模型，請按照下列步驟操作：
    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'
}

    如果您選擇在 Google Play 服務中使用模型，可以將應用程式設定為在從 Play 商店安裝後，自動將模型下載至裝置。在應用程式的 AndroidManifest.xml 檔案中新增下列宣告：

    <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>

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

    如果未啟用安裝時模型下載或要求明確下載，模型會在您首次執行智慧回覆產生器時下載。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

    如要生成智慧回覆，請將依時間順序排序的 List TextMessage 物件傳遞至 ML Kit，最早的時間戳記在前。

    每當使用者傳送訊息時，請將訊息和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，請將訊息、時間戳記和傳送者的使用者 ID 新增至對話記錄。使用者 ID 可以是任何字串，只要能在對話中唯一識別傳送者即可。使用者 ID 不必對應任何使用者資料，也不必在對話或智慧回覆產生器呼叫之間保持一致。

    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));

    對話記錄物件類似下列範例：

    時間戳記 userID isLocalUser 訊息
    Thu Feb 21 13:13:39 PST 2019 true 你正在前往嗎？
    Thu Feb 21 13:15:03 PST 2019 FRIEND0 false 抱歉，我會晚一點到！

    ML Kit 會根據對話記錄中的最後一則訊息建議回覆內容。最後一則訊息應來自非本機使用者。在上述範例中，對話中的最後一則訊息來自非本機使用者 FRIEND0。當您使用 ML Kit 傳遞這項記錄時，系統會建議回覆 FRIENDO 的訊息：「Running late, sorry!」(抱歉，我會晚點到！)

    2. 取得訊息回覆

    如要為訊息產生智慧回覆，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則建議回覆，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相關性沒有把握、輸入的對話不是英文，或是模型偵測到敏感主題，ML Kit 可能不會傳回結果。