Spring AI开发跃迁指南（第二章：精进之道1——花样玩转LLM对话记忆功能）

---

1.简介

大模型（LLM）本身是无状态的，也就是说它本上不会保存之前的交互信息，所以在需要LLM有记忆功能时，我们就需要借助外部工具来存储历史的对话信息，从而达到一定程度上的记忆功能。
Spring AI 也提供了聊天记忆功能ChatMemory，允许使用 LLM 跨多个交互存储和检索信息。

示例：为什么需要对话记忆？

LLM 本质是无状态的——每次请求独立处理，无法自动关联历史上下文。例如：

chatModel.call("我叫张三");  
chatModel.call("我是谁？"); // 模型无法回答“张三”  

2.核心组件

Spring AI自身实现了一个ChatMemory->InMemoryChatMemory，它使用内存来保留对话信息，并使用一个MessageWindowChatMemory实现来管理对话历史记录。

ChatMemory接口是聊天记忆功能的底层抽象，实现此接口则可对ChatMemory示例做扩展。消息的底层存储由 处理ChatMemoryRepository，其唯一职责是存储和检索消息，ChatMemory实现决定保留哪些消息以及何时删除它们。策略示例包括保留最后 N 条消息、将消息保留一段时间或将消息保留到一定的令牌限制。

@Autowired
private ChatMemory chatMemory;

自动注入ChatMemory。具体的使用示例已经在Spring AI开发跃迁指南（第二章：急速上手3——Spring AI Advisor核心原理、源码讲解及使用实例）有完整的实例。

3.记忆存储类型

存储类型主要分为四种，除了上面介绍的内存存储外还存在Jdbc，Cassandra和Neo4j。下面我们主要讲后三种。

3.1.JdbcChatMemoryRepository

JdbcChatMemoryRepository是一个内置实现，使用 JDBC 将消息存储在关系数据库中。支持多种数据库，适用于需要持久存储聊天记忆的应用程序。

pom依赖：

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-chat-memory-repository-jdbc</artifactId>
</dependency>

自动配置：

ChatMemoryRepository chatMemoryRepository = JdbcChatMemoryRepository.builder().jdbcTemplate(jdbcTemplate).dialect(new PostgresChatMemoryDialect()).build();ChatMemory chatMemory = MessageWindowChatMemory.builder().chatMemoryRepository(chatMemoryRepository).maxMessages(10).build();

支持的数据库包括：

• PostgreSQL

• MySQL / MariaDB

• SQL Server

• HSQLDB

配置属性：

属性	描述	默认值
spring.ai.chat.memory.repository.jdbc.initialize-schema	控制何时初始化架构。值：（embedded默认）always、、never。	embedded
spring.ai.chat.memory.repository.jdbc.schema	用于初始化的架构脚本的位置。支持classpath:URL 和平台占位符。	classpath:org/springframework/ai/chat/memory/repository/jdbc/schema-@@platform@@.sql
spring.ai.chat.memory.repository.jdbc.platform	如果使用 @@platform@@ 占位符，则在初始化脚本中使用的平台。	自动检测

初始化配置：
自动配置将SPRING_AI_CHAT_MEMORY在启动时使用数据库供应商特定的 SQL 脚本自动创建表。默认情况下，模式初始化仅适用于嵌入式数据库（H2、HSQL、Derby 等）。可以使用以下属性控制架构初始化spring.ai.chat.memory.repository.jdbc.initialize-schema：

spring.ai.chat.memory.repository.jdbc.initialize-schema=embedded # Only for embedded DBs (default)
spring.ai.chat.memory.repository.jdbc.initialize-schema=always   # Always initialize
spring.ai.chat.memory.repository.jdbc.initialize-schema=never    # Never initialize (useful with Flyway/Liquibase)

3.2.CassandraChatMemory

CassandraChatMemoryRepository使用 Apache Cassandra 存储消息。它适用于需要持久存储聊天内存的应用程序，尤其适用于需要高可用性、持久性、可扩展性以及利用生存时间 (TTL) 功能的应用程序。

pom依赖：

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-chat-memory-repository-cassandra</artifactId>
</dependency>

自动配置：

@Autowired
CassandraChatMemoryRepository chatMemoryRepository;ChatMemory chatMemory = MessageWindowChatMemory.builder().chatMemoryRepository(chatMemoryRepository).maxMessages(10).build();

配置属性：

属性	描述	默认值
spring.cassandra.contactPoints	启动集群发现的主机	127.0.0.1
spring.cassandra.port	要连接的 Cassandra 本机协议端口	9042
spring.cassandra.localDatacenter	要连接的 Cassandra 数据中心	datacenter1
spring.ai.chat.memory.cassandra.time-to-live	Cassandra 中写入的消息的生存时间 (TTL)
spring.ai.chat.memory.cassandra.keyspace	Cassandra 键空间	springframework
spring.ai.chat.memory.cassandra.messages-column	Cassandra 消息的列名	springframework
spring.ai.chat.memory.cassandra.table	Cassandra 表	ai_chat_memory
spring.ai.chat.memory.cassandra.initialize-schema	是否在启动时初始化模式。	true

初始化配置： 自动配置将自动创建ai_chat_memory表。
通过将设置属性spring.ai.chat.memory.repository.cassandra.initialize-schema=false来禁用架构初始化。

3.2.Neo4j ChatMemoryRepository

使用 Neo4j 将聊天消息作为节点和关系存储在属性图数据库中。它适用于希望利用 Neo4j 的图功能实现聊天内存持久化的应用程序。

pom依赖：

<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-chat-memory-repository-neo4j</artifactId>
</dependency>

自动配置：

@Autowired
Neo4jChatMemoryRepository chatMemoryRepository;ChatMemory chatMemory = MessageWindowChatMemory.builder().chatMemoryRepository(chatMemoryRepository).maxMessages(10).build();

配置属性：

属性	描述	默认值
spring.ai.chat.memory.repository.neo4j.sessionLabel	存储对话会话的节点的标签	Session
spring.ai.chat.memory.repository.neo4j.messageLabel	存储消息的节点的标签	Message
spring.ai.chat.memory.repository.neo4j.toolCallLabel	存储工具调用的节点的标签（例如在助手消息中）	ToolCall
spring.ai.chat.memory.repository.neo4j.metadataLabel	存储消息元数据的节点的标签	Metadata
spring.ai.chat.memory.repository.neo4j.toolResponseLabel	存储工具响应的节点的标签	ToolResponse
spring.ai.chat.memory.repository.neo4j.mediaLabel	存储与消息相关的媒体的节点的标签	Media

Neo4j 代码库将自动确保为对话 ID 和消息索引创建索引，以优化性能。如果使用自定义标签，系统也会为这些标签创建索引。无需初始化架构，但您应确保您的应用程序可以访问 Neo4j 实例。

4.Spring AI集成的ChatClient中的记忆

ChatClient中的封装的聊天记忆主要分为三个即MessageChatMemoryAdvisor、
PromptChatMemoryAdvisor和VectorStoreChatMemoryAdvisor其为Spring AI提供的Advisor的一部分。其具体的试用流程及原理请参考：Spring AI开发跃迁指南（第二章：急速上手3——Spring AI Advisor核心原理、源码讲解及使用实例）