Mit ML Kit unter Android intelligente Antworten generieren

ML Kit kann mithilfe eines On-Device-Modells kurze Antworten auf Nachrichten generieren.

Wenn Sie intelligente Antworten generieren möchten, übergeben Sie ML Kit ein Protokoll der letzten Nachrichten in einer Unterhaltung. Wenn das ML Kit feststellt, dass die Unterhaltung auf Englisch ist und keine potenziell sensiblen Themen enthält, generiert es bis zu drei Antworten, die Sie dem Nutzer vorschlagen können.

GebündeltEntbündelt
Bibliotheksnamecom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
ImplementierungDas Modell wird beim Erstellen statisch mit Ihrer App verknüpft.Das Modell wird dynamisch über die Google Play-Dienste heruntergeladen.
Auswirkungen der App-GrößeDie Größe erhöht sich um etwa 5,7 MB.Die Größe erhöht sich um etwa 200 KB.
InitialisierungszeitDas Modell ist sofort verfügbar.Möglicherweise muss das Modell vor der ersten Verwendung heruntergeladen werden.

Jetzt ausprobieren

  • In der Beispiel-App finden Sie ein Beispiel für die Verwendung dieser API.

Hinweis

  1. Fügen Sie in der build.gradle-Datei auf Projektebene das Maven-Repository von Google in den Bereichen buildscript und allprojects ein.

  2. Fügen Sie die Abhängigkeiten für die ML Kit Android-Bibliotheken der Gradle-Datei Ihres Moduls auf App-Ebene hinzu. Diese Datei ist normalerweise app/build.gradle. Wählen Sie je nach Bedarf eine der folgenden Abhängigkeiten aus:

    • So bündeln Sie das Modell mit Ihrer App:
    dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:smart-reply:17.0.4'
}
    • So verwenden Sie das Modell in den Google Play-Diensten:
    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'
}

    Wenn Sie das Modell in den Google Play-Diensten verwenden möchten, können Sie Ihre App so konfigurieren, dass das Modell automatisch auf das Gerät heruntergeladen wird, nachdem Ihre App aus dem Play Store installiert wurde. Fügen Sie der Datei AndroidManifest.xml Ihrer Anwendung die folgende Deklaration hinzu:

    <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>

    Sie können die Modellverfügbarkeit auch explizit prüfen und den Download über die ModuleInstallClient API der Google Play-Dienste anfordern.

    Wenn Sie den Modelldownload bei der Installation nicht aktivieren oder keinen expliziten Download anfordern, wird das Modell heruntergeladen, wenn Sie den Smart Reply-Generator zum ersten Mal ausführen. Anfragen, die Sie vor Abschluss des Downloads stellen, liefern keine Ergebnisse.

    1. Objekt für den Unterhaltungsverlauf erstellen

    Wenn Sie intelligente Antworten generieren möchten, übergeben Sie ML Kit eine chronologisch geordnete List von TextMessage-Objekten, wobei der früheste Zeitstempel zuerst kommt.

    Wenn der Nutzer eine Nachricht sendet, fügen Sie die Nachricht und den Zeitstempel dem Unterhaltungsverlauf hinzu:

    Kotlin

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

    Java

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

    Wenn der Nutzer eine Nachricht erhält, fügen Sie die Nachricht, den Zeitstempel und die Nutzer-ID des Absenders dem Unterhaltungsverlauf hinzu. Die Nutzer-ID kann ein beliebiger String sein, der den Absender innerhalb der Unterhaltung eindeutig identifiziert. Die Nutzer-ID muss nicht mit Nutzerdaten übereinstimmen und muss nicht zwischen Unterhaltungen oder Aufrufen des Generators für intelligente Antworten konsistent sein.

    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));

    Ein Objekt für den Unterhaltungsverlauf sieht so aus:

    Zeitstempel userID isLocalUser Nachricht
    Thu Feb 21 13:13:39 PST 2019 wahr Bist du unterwegs?
    Do., 21. Februar 2019, 13:15:03 Uhr UTC-8 FRIEND0 falsch Ich verspäte mich leider.

    ML Kit schlägt Antworten auf die letzte Nachricht in einem Unterhaltungsverlauf vor. Die letzte Nachricht sollte von einem nicht lokalen Nutzer stammen. Im obigen Beispiel stammt die letzte Nachricht in der Unterhaltung vom nicht lokalen Nutzer FRIEND0. Wenn Sie dieses Protokoll an ML Kit übergeben, werden Antworten auf die Nachricht von FRIENDO vorgeschlagen: „Ich verspäte mich, sorry!“

    2. Antworten auf Nachrichten erhalten

    Wenn Sie intelligente Antworten auf eine Nachricht generieren möchten, rufen Sie eine Instanz von SmartReplyGenerator ab und übergeben Sie den Unterhaltungsverlauf an die Methode 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
                // ...
            }
        });

    Wenn der Vorgang erfolgreich ist, wird ein SmartReplySuggestionResult-Objekt an den Success-Handler übergeben. Dieses Objekt enthält eine Liste mit bis zu drei Antwortvorschlägen, die Sie dem Nutzer präsentieren können:

    Kotlin

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

    Java

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

    Beachten Sie, dass ML Kit möglicherweise keine Ergebnisse zurückgibt, wenn das Modell nicht sicher ist, ob die Antwortvorschläge relevant sind, die Eingabeunterhaltung nicht auf Englisch ist oder das Modell sensible Themen erkennt.