Ir a la consola

Genera respuestas inteligentes con el Kit de AA en Android

Puedes usar el Kit de AA para generar respuestas de mensajes con un modelo en el dispositivo.

Para generar respuestas inteligentes, pasa al Kit de AA 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 sensibles, genera hasta tres respuestas que puedes sugerir al usuario.

Consulta la muestra de inicio rápido del Kit de AA en GitHub para ver un ejemplo de esta API en uso.

Antes de comenzar

  1. Si aún no lo has hecho, agrega Firebase a tu proyecto de Android.
  2. En tu archivo build.gradle de nivel de proyecto, asegúrate de incluir el repositorio Maven de Google en las secciones buildscript y allprojects.
  3. Agrega las dependencias para las bibliotecas de Android del Kit de AA al archivo Gradle (generalmente app/build.gradle) de tu módulo (nivel de app):
    dependencies {
      // ...
      implementation 'com.google.firebase:firebase-ml-natural-language:19.0.1'
      implementation 'com.google.firebase:firebase-ml-natural-language-smart-reply-model:19.0.1'
    }
    
  4. También inhabilita la compresión de archivos tflite en el archivo build.gradle del nivel de tu app:
    android {
        // ...
        aaptOptions {
            noCompress "tflite"
        }
    }
    

1. Crea un objeto de historial de conversaciones

Para generar respuestas inteligentes, primero debes pasar al Kit de AA una List de objetos de FirebaseTextMessage ordenada cronológicamente, partiendo 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:

Java

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

Kotlin

conversation.add(FirebaseTextMessage.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 string 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.

Java

conversation.add(FirebaseTextMessage.createForRemoteUser(
        "Are you coming back soon?", System.currentTimeMillis(), userId));

Kotlin

conversation.add(FirebaseTextMessage.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 ID de usuario ¿Es un usuario local? Mensaje
Jue 21 de feb 13:13:39 PST 2019 verdadero ¿vienes en camino?
Jue 21 de feb 13:15:03 PST 2019 FRIEND0 falso Llegaré tarde, lo siento.

Ten en cuenta que el mensaje más reciente en el ejemplo anterior es de un usuario no local. Esto es importante, ya que el Kit de AA sugiere respuestas cuyo envío está destinado a realizarlo el usuario de tu app, es decir, el usuario local. Debes asegurarte de que pasas al Kit de AA un registro de conversación que termine con un mensaje al que el usuario podría querer responder.

2. Recibe respuestas de mensajes

Obtén una instancia de FirebaseSmartReply y pasa el historial de la conversación a su método suggestReplies() para generar respuestas inteligentes a un mensaje:

Java

FirebaseSmartReply smartReply = FirebaseNaturalLanguage.getInstance().getSmartReply();
smartReply.suggestReplies(conversation)
        .addOnSuccessListener(new OnSuccessListener<SmartReplySuggestionResult>() {
            @Override
            public void onSuccess(SmartReplySuggestionResult result) {
                if (result.getStatus() == SmartReplySuggestionResult.STATUS_NOT_SUPPORTED_LANGUAGE) {
                    // The conversation's language isn't supported, so the
                    // 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
                // ...
            }
        });

Kotlin

val smartReply = FirebaseNaturalLanguage.getInstance().smartReply
smartReply.suggestReplies(conversation)
        .addOnSuccessListener { result ->
            if (result.getStatus() == SmartReplySuggestionResult.STATUS_NOT_SUPPORTED_LANGUAGE) {
                // The conversation's language isn't supported, so the
                // the result doesn't contain any suggestions.
            } else if (result.getStatus() == SmartReplySuggestionResult.STATUS_SUCCESS) {
                // Task completed successfully
                // ...
            }
        }
        .addOnFailureListener {
            // 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 3 respuestas sugeridas que puedes presentar a un usuario:

Java

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

Kotlin

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

Ten en cuenta que el Kit de AA 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.