Genera respuestas inteligentes con ML Kit en Android

ML Kit puede generar respuestas breves a mensajes con un modelo integrado en el dispositivo.

Para generar respuestas inteligentes, pasa a ML Kit un registro de mensajes recientes de una conversación. Si el Kit de AA determina que la conversación está en inglés y que no contiene cuestiones potencialmente delicadas, generará 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 en 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	Aumenta el tamaño en aproximadamente 5.7 MB.	Aumenta el tamaño en aproximadamente 200 KB.
Tiempo de inicialización	El modelo está disponible de inmediato.	Es posible que debas esperar a que se descargue el modelo antes de usarlo por primera vez.

Probar

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

Antes de comenzar

1. En tu archivo build.gradle de nivel de proyecto, asegúrate de incluir el repositorio Maven de Google en las secciones buildscript y allprojects.

2. Agrega las dependencias para las bibliotecas de Android de ML Kit al archivo Gradle a nivel de la app de tu módulo, que suele ser app/build.gradle. Elige una de las siguientes dependencias según tus necesidades:

   • Sigue estos pasos para empaquetar el modelo con tu app:

   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 decides usar el modelo en los Servicios de Google Play, puedes configurar tu app para que descargue automáticamente el modelo en el dispositivo después de instalarla desde Play Store. Agrega la siguiente declaración al archivo AndroidManifest.xml de tu 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 de forma explícita la disponibilidad del modelo y solicitar la descarga a través de la 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 descargará la primera vez que ejecutes el generador de respuestas inteligentes. Las solicitudes que realices antes de que se complete la descarga no generarán ningún resultado.

   1. Crea un objeto de historial de conversaciones

   Para generar respuestas inteligentes, debes pasar al Kit de AA una List de objetos de TextMessage ordenada cronológicamente, con la marca de tiempo más antigua.

   Cuando los usuarios envían un mensaje, puedes agregarlo junto con su marca de tiempo al historial de conversaciones:

   Kotlin

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

   Java

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

   Cuando los usuarios reciben un mensaje, puedes agregarlo junto con su marca de tiempo y el ID de usuario del remitente al historial de conversaciones. El ID de usuario puede ser cualquier cadena que identifique de forma única al remitente en la conversación. El ID no tiene que corresponder a los datos de ningún usuario ni ser coherente con las conversaciones 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 tiene un aspecto similar al del siguiente ejemplo:

   Marca de tiempo	userID	isLocalUser	Mensaje
   Jue 21 de feb 13:13:39 PST 2019		verdadero	¿estás en camino?
   Jue 21 de feb 13:15:03 PST 2019	FRIEND0	falso	Llegaré tarde, lo siento.

   ML Kit sugiere respuestas al último mensaje en el historial de una conversación. El último mensaje debe ser de un usuario no local. En el ejemplo anterior, el último mensaje de la conversación es del usuario no local FRIEND0. Cuando pasas este registro a ML Kit, se sugieren respuestas al mensaje de FRIENDO: "Llego tarde, lo siento".

   2. Cómo recibir respuestas de mensajes

   Para generar respuestas inteligentes a un mensaje, obtén una instancia de SmartReplyGenerator y 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 al controlador de éxito. Este objeto contiene una lista de hasta tres respuestas sugeridas que puedes presentar a un 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 ML Kit podría no mostrar resultados si el modelo no está seguro de la relevancia de las respuestas sugeridas, la conversación que se ingresa no está en inglés o si el modelo detecta cuestiones sensibles.