当前位置：首页 > news >正文

【AI】持久化聊天记忆(隔离对话)

news 2025/8/4 9:32:26

【AI】持久化聊天记忆(隔离对话)

文章目录

【AI】持久化聊天记忆(隔离对话)
- 引子
- 1. 引入MongoDB
- - 1.1 引入依赖
  - 1.2 配置远程连接
- 2. 代码编写
- - 2.1 创建实体类
  - 2.2 创建持久化类
  - 2.3 创建持久化配置
  - 2.4 注入配置
  - 2.5 测试代码

引子

当我们需要模型支持上下文对话时，就必须要有对应的聊天记忆来进行支撑，对此，我们可以 将每次用户的提问和AI的回复存储在一个存储介质中，这个存储介质可以是MySQL、Redis等各种存储媒介，而我们这里使用的是MongoDB来进行存储，MongoDB具体安装方式请自行搜索安装(官网链接)

同时安装好可视化界面Compass并完成连接，效果如下：

在这里插入图片描述

完成上述步骤后，接下来就可以通过代码来完成聊天记忆的保存了。

1. 引入MongoDB

我们需要先将mongodb引入到项目中：

1.1 引入依赖

<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-mongodb</artifactId>
</dependency>

1.2 配置远程连接

# 若库不存在后续在完成连接后也能自动创建
spring.data.mongodb.uri=mongodb://localhost:27017/chat_memory_test_db

2. 代码编写

2.1 创建实体类

@Data
@AllArgsConstructor
@NoArgsConstructor
@Document("chat_messages") // 文档名称，如果mongodb没有这个文档将会自动创建
public class ChatMessages {// 唯一标识，映射到 MongoDB 文档的 _id  字段@Idprivate ObjectId messageId; // 用来区分每个记忆，后续的操作都是通过操控memoryId来进行当前记忆的增删改查的private String memoryId;// 存储当前聊天记录列表的json字符串private String content;  
}

注：如果想要根据用户来区分对话，可以自行添加上userId属性，并修改持久化类

2.2 创建持久化类

通过这个持久化类，我们能够对聊天记忆进行对应的crud：

@Component
public class MongoChatMemoryStore implements ChatMemoryStore {@Autowiredprivate MongoTemplate mongoTemplate;@Overridepublic List<ChatMessage> getMessages(Object memoryId) {Criteria criteria = Criteria.where("memoryId").is(memoryId);Query query = new Query(criteria);ChatMessages chatMessages = mongoTemplate.findOne(query, ChatMessages.class);if(chatMessages == null)return new LinkedList<>();return ChatMessageDeserializer.messagesFromJson(chatMessages.getContent());}@Overridepublic void updateMessages(Object memoryId, List<ChatMessage> messages) {Criteria criteria = Criteria.where("memoryId").is(memoryId);Query query = new Query(criteria);Update update = new Update();update.set("content", ChatMessageSerializer.messagesToJson(messages));//根据query条件能查询出文档，则修改文档；否则新增文档mongoTemplate.upsert(query, update, ChatMessages.class) ;}@Overridepublic void deleteMessages(Object memoryId) {Criteria criteria = Criteria.where("memoryId").is(memoryId);Query query = new Query(criteria) ;mongoTemplate.remove(query, ChatMessages.class);}
}

2.3 创建持久化配置

@Configuration
public class SeparateChatAssistantConfig {@Autowiredprivate MongoChatMemoryStore mongoChatMemoryStore; @Bean // 将这个方法加入IOC容器ChatMemoryProvider chatMemoryProvider() {return memoryId -> MessageWindowChatMemory.builder().id(memoryId).maxMessages(10) // 限制最大的记忆存储数.chatMemoryStore(mongoChatMemoryStore) // 指定持久化类(存储介质).build();}
}

2.4 注入配置

使用@AiService注解中的chatMemoryProvider属性将持久化配置引入到对话中，这样我们只需进行对话就能自动完成持久化配置的调用了：

@AiService(wiringMode = EXPLICIT ,chatModel = "qwenChatModel",chatMemoryProvider = "chatMemoryProvider")
public interface SeparateChatAssistant {/***  分离聊天记录*  @param  memoryId  聊天id*  @param  userMessage  用户消息*  @return*/String chat(@MemoryId int memoryId, @UserMessage String userMessage);
}

注：当AIService由多个组件如大模型、聊天记忆等组成的时候，我们就可以称它为 智能体 了

2.5 测试代码

@SpringBootTest
public class ChatMemoryTest {@Autowiredprivate SeparateChatAssistant separateChatAssistant;@Testpublic void testChatMemory() {//调用service的接口String answer1 = separateChatAssistant.chat(1, "我是Gray");System.out.println(answer1);String answer2 = separateChatAssistant.chat(1, "我是谁");System.out.println(answer2);String answer3 = separateChatAssistant.chat(2, "我是谁");System.out.println(answer3);}
}