当前位置：首页 > news >正文

7. LangChain4j + 记忆缓存详细说明

news 2025/9/10 10:10:17

7. LangChain4j + 记忆缓存详细说明

文章目录

7. LangChain4j + 记忆缓存详细说明
- LangChain4j + 记忆缓存实战操作
最后：

https://docs.langchain4j.dev/tutorials/chat-memory/

记忆缓存是聊天系统中的一个重要组件，用于存储和管理对话的上下文信息。它的主要作用是让AI助手能够"记住"之前的对话内容，从而提供连贯和个性化的回复。

我们随便打开一个大模型对话聊天就明白了。

简单的理解就是：一个让大模型可以记住我们上面一段历史内容上对它的提问，和索引需要的内容：

官方解释：LangChain4j提供了2种开箱即用的记忆缓存的实现方式如下：

一种是：通过提问的条数，记忆几条提问记录信息。比如：记忆存储你提问的前 100 条的记录内容。推荐
第二种：则是通过记忆存储你的 token 数目，这种方式不推荐，因为不同的大模型的 token 计算的方式不同。

LangChain4j + 记忆缓存实战操作

创建对应项目的 module 模块内容：
导入相关的 pom.xml 的依赖，这里我们采用流式输出的方式，导入langchain4j-open-ai + langchain4j + langchain4j-reactor 这三件必须存在，这里我们不指定版本，而是通过继承的 pom.xml 当中获取。_

<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><!--langchain4j-open-ai + langchain4j + langchain4j-reactor--><dependency><groupId>dev.langchain4j</groupId><artifactId>langchain4j-open-ai</artifactId></dependency><dependency><groupId>dev.langchain4j</groupId><artifactId>langchain4j</artifactId></dependency><dependency><groupId>dev.langchain4j</groupId><artifactId>langchain4j-reactor</artifactId></dependency><!--lombok--><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><optional>true</optional></dependency><!--hutool--><dependency><groupId>cn.hutool</groupId><artifactId>hutool-all</artifactId><version>5.8.22</version></dependency>

配置 applcation.yaml / properties 配置文件，其中指明我们的输出响应的编码格式，因为如果不指定的话，存在返回的中文，就是乱码了。

server.port=9006spring.application.name=langchain4j-06chat-memory# 设置响应的字符编码，避免流式返回输出乱码
server.servlet.encoding.charset=utf-8
server.servlet.encoding.enabled=true
server.servlet.encoding.force=true

编写操作大模型的 Chan**Assistant 接口类**。

注意：需要加上@MemoryId 和 @UserMesage 两个注解 这个很好理解，你想让大模型记录到你的对话历史信息。你自然就一定要提供UserId用户ID，以及用户的历史记录信息了

package com.rainbowsea.langchain4j06chatmemory.service;import dev.langchain4j.service.MemoryId;
import dev.langchain4j.service.UserMessage;/***/
public interface ChatMemoryAssistant
{/*** 聊天带记忆缓存功能** @param userId  用户 ID* @param prompt 消息* @return {@link String }*/String chatWithChatMemory(@MemoryId Long userId, @UserMessage String prompt);
}

编写大模型三件套（大模型 key，大模型 name，大模型 url）三件套的大模型配置类。

注意：这里我们要记忆缓存的话，就需要用到我们的通义千问的长对话大模型了。


import dev.langchain4j.memory.chat.MessageWindowChatMemory;
import dev.langchain4j.memory.chat.TokenWindowChatMemory;
import dev.langchain4j.model.TokenCountEstimator;
import dev.langchain4j.model.chat.ChatModel;
import dev.langchain4j.model.openai.OpenAiChatModel;
import dev.langchain4j.model.openai.OpenAiTokenCountEstimator;
import dev.langchain4j.service.AiServices;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import com.rainbowsea.langchain4j06chatmemory.service.ChatMemoryAssistant;/*** @Description: 知识出处，https://docs.langchain4j.dev/tutorials/chat-memory/#eviction-policy*/
@Configuration
public class LLMConfig
{@Beanpublic ChatModel chatModel(){return OpenAiChatModel.builder().apiKey(System.getenv("aliQwen_api"))  //你自己配置到系统变量当中的值.modelName("qwen-long").baseUrl("https://dashscope.aliyuncs.com/compatible-mode/v1").build();}/*** @Description: 按照MessageWindowChatMemory*知识出处，https://docs.langchain4j.dev/tutorials/chat-memory/#eviction-policy*/@Bean(name = "chatMessageWindowChatMemory")public ChatMemoryAssistant chatMessageWindowChatMemory(ChatModel chatModel){return AiServices.builder(ChatMemoryAssistant.class).chatModel(chatModel)//按照memoryId对应创建了一个chatMemory.chatMemoryProvider(memoryId -> MessageWindowChatMemory.withMaxMessages(100)).build();}}

为了保证知识内容上的完整性，这里我也附上通过 token 数记录历史对话的代码

package com.rainbowsea.langchain4j06chatmemory.config;import dev.langchain4j.memory.chat.MessageWindowChatMemory;
import dev.langchain4j.memory.chat.TokenWindowChatMemory;
import dev.langchain4j.model.TokenCountEstimator;
import dev.langchain4j.model.chat.ChatModel;
import dev.langchain4j.model.openai.OpenAiChatModel;
import dev.langchain4j.model.openai.OpenAiTokenCountEstimator;
import dev.langchain4j.service.AiServices;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import com.rainbowsea.langchain4j06chatmemory.service.ChatMemoryAssistant;/*** @Description: 知识出处，https://docs.langchain4j.dev/tutorials/chat-memory/#eviction-policy*/
@Configuration
public class LLMConfig
{@Beanpublic ChatModel chatModel(){return OpenAiChatModel.builder().apiKey(System.getenv("aliQwen_api"))  //你自己配置到系统变量当中的值.modelName("qwen-long").baseUrl("https://dashscope.aliyuncs.com/compatible-mode/v1").build();}/*** @Description: 按照 TokenWindowChatMemory,* 知识出处，https://docs.langchain4j.dev/tutorials/chat-memory/#eviction-policy*/@Bean(name = "chatTokenWindowChatMemory")public ChatMemoryAssistant chatTokenWindowChatMemory(ChatModel chatModel){//1 TokenCountEstimator默认的token分词器，需要结合Tokenizer计算ChatMessage的token数量TokenCountEstimator openAiTokenCountEstimator = new OpenAiTokenCountEstimator("gpt-4");return AiServices.builder(ChatMemoryAssistant.class).chatModel(chatModel).chatMemoryProvider(memoryId -> TokenWindowChatMemory.withMaxTokens(1000,openAiTokenCountEstimator)).build();}
}

编写聊天记忆缓存调用的 cutroller

运行测试：

为了保证知识内容上的完整性，这里我也附上通过 token 数记录历史对话的代码

package com.rainbowsea.langchain4j06chatmemory.controller;import cn.hutool.core.date.DateUtil;
import com.rainbowsea.langchain4j06chatmemory.service.ChatMemoryAssistant;
import dev.langchain4j.data.message.AiMessage;
import dev.langchain4j.data.message.UserMessage;
import dev.langchain4j.model.chat.response.ChatResponse;
import jakarta.annotation.Resource;
import lombok.extern.slf4j.Slf4j;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;import java.util.Arrays;/*** @auther zzyybs@126.com* @Date 2025-05-30 19:16* @Description: TODO*/
@RestController
@Slf4j
public class ChatMemoryController
{@Resource(name = "chatTokenWindowChatMemory")private ChatMemoryAssistant chatTokenWindowChatMemory;/*** @Description: TokenWindowChatMemory实现聊天功能* @Auther: zzyybs@126.com*/@GetMapping(value = "/chatmemory/test3")public String chatTokenWindowChatMemory(){chatTokenWindowChatMemory.chatWithChatMemory(1L, "你好！我的名字是mysql");String answer01 = chatTokenWindowChatMemory.chatWithChatMemory(1L, "我的名字是什么");System.out.println("answer01返回结果："+answer01);chatTokenWindowChatMemory.chatWithChatMemory(3L, "你好！我的名字是oracle");String answer02 = chatTokenWindowChatMemory.chatWithChatMemory(3L, "我的名字是什么");System.out.println("answer02返回结果："+answer02);return "chatTokenWindowChatMemory success : "+ DateUtil.now()+"<br> \n\n answer01: "+answer01+"<br> \n\n answer02: "+answer02;}
}