智能回复
使用收藏整理内容 根据您的偏好保存和分类内容。
入门
我们的智能回复模型根据聊天消息生成回复建议。这些建议旨在提供上下文相关的、一键式回复，帮助用户轻松回复传入消息。
下载入门模型
示例应用程序
有一个 TensorFlow Lite 示例应用程序演示了 Android 上的智能回复模型。
查看 Android 示例
阅读 GitHub 页面 了解应用程序的工作原理。在这个项目中，您还将学习如何使用自定义 C++ 操作构建应用程序。
工作原理
该模型为对话聊天消息生成回复建议。
设备上的模型具有以下几个优点。
- 快速：模型驻留在设备上，不需要互联网连接。因此，推理速度非常快，平均延迟仅为几毫秒。
- 资源效率：模型在设备上的内存占用很小。
- 隐私友好：用户数据永远不会离开设备。
示例输出
详细了解
用户
除另有说明外，本页内容根据 知识共享署名 4.0 许可证 授权，代码示例根据 Apache 2.0 许可证 授权。有关详细信息，请参阅 Google Developers 网站政策。Java 是 Oracle 和/或其关联公司的注册商标。
上次更新时间：2023-08-30 UTC。
[{ "type": "thumb-down", "id": "missingTheInformationINeed", "label":"缺少我需要的信息" },{ "type": "thumb-down", "id": "tooComplicatedTooManySteps", "label":"太复杂/步骤太多" },{ "type": "thumb-down", "id": "outOfDate", "label":"过时" },{ "type": "thumb-down", "id": "samplesCodeIssue", "label":"示例/代码问题" },{ "type": "thumb-down", "id": "otherDown", "label":"其他" }]
[{ "type": "thumb-up", "id": "easyToUnderstand", "label":"易于理解" },{ "type": "thumb-up", "id": "solvedMyProblem", "label":"解决了我的问题" },{ "type": "thumb-up", "id": "otherUp", "label":"其他" }]
