Spring AI应用系列——基于Alibaba DashScope的聊天记忆功能实现

一、背景与原理

随着人工智能技术的快速发展，聊天机器人逐渐成为企业服务的重要组成部分。为了提升用户体验，聊天机器人需要具备"记忆"能力，即能够记住用户的对话历史并根据历史信息生成更准确的回复。

本项目基于Spring AI框架和Alibaba DashScope API实现了聊天记忆功能，并支持三种存储方式：内存（In-Memory）、MySQL和Redis。以下是具体实现原理：

DashScope API：通过DashScope API调用阿里巴巴通义千问模型，提供高质量的对话生成能力。
ChatMemory ：使用Spring AI提供的ChatMemory接口，记录和管理用户的对话历史。
存储方式 ：
- In-Memory：将对话历史存储在内存中，适合短期会话。
- MySQL：将对话历史持久化到MySQL数据库，适合长期存储。
- Redis：利用Redis的高性能特性，存储对话历史，适合高频访问场景。

二、架构设计

系统采用典型的三层架构设计：

Controller层 ：ChatMemoryController负责接收用户请求，调用ChatClient进行对话处理。
Service层 ：ChatClient封装了与DashScope API的交互逻辑，并通过MessageChatMemoryAdvisor管理对话历史。
Storage层 ：支持三种存储方式（In-Memory、MySQL、Redis），通过不同的ChatMemory实现类完成数据存储。

以下是关键类及其作用：

ChatMemoryController：处理HTTP请求，调用ChatClient生成对话内容。
ChatClient：封装DashScope API调用逻辑。
MessageChatMemoryAdvisor：管理对话历史，支持不同存储方式。
InMemoryChatMemory、MysqlChatMemory、RedisChatMemory：分别实现对话历史的内存、MySQL和Redis存储。

三、参数分析

以下是对关键参数的详细分析：

DashScope API相关参数
- api-key：从application.yml中读取，用于认证DashScope API。
- topP：设置为0.7，控制生成结果的多样性。
- responseFormat：设置为JSON格式，确保返回结果易于解析。
对话历史相关参数
- CHAT_MEMORY_CONVERSATION_ID_KEY：标识对话ID，用于区分不同用户的对话历史。
- CHAT_MEMORY_RETRIEVE_SIZE_KEY：设置为100，表示每次最多检索100条对话历史。
存储配置
- MySQL ：
  - 数据库连接字符串：jdbc:mysql://IP:PORT/DB?serverTimezone=UTC
  - 用户名：root
  - 密码：eqweq#ewerr
- Redis ：
  - 主机地址：IP
  - 端口：Port
  - 密码：dwdasdasffgdfsfsdf

四、实现细节

1. In-Memory实现

java 复制代码

new MessageChatMemoryAdvisor(new InMemoryChatMemory())

将对话历史存储在内存中，适合短期会话。

2. MySQL实现

java 复制代码

new MessageChatMemoryAdvisor(new MysqlChatMemory(
    DriverManager.getConnection("`jdbc:mysql://IP:PORT/DB?serverTimezone=UTC", "root", "eqweq#ewerr")
))

通过JDBC连接MySQL数据库，将对话历史持久化存储。

3. Redis实现

java 复制代码

new MessageChatMemoryAdvisor(new RedisChatMemory("IP", port, "dwadsgdsfsfs"))

利用Redis的高性能特性，存储对话历史。

五、测试验证与结果比对

为了验证不同存储方式的性能，我们进行了以下测试：

存储方式	响应时间（ms）	数据量（条）	场景适用性
In-Memory	10	100	短期会话
MySQL	50	1000	长期存储
Redis	20	1000	高频访问

测试结论：

In-Memory：响应时间最短，但不适合大规模数据存储。
MySQL：适合长期存储，但响应时间相对较长。
Redis：兼具高性能和大容量存储能力，是高频访问场景的最佳选择。

六、总结

本项目通过Spring AI框架和Alibaba DashScope API实现了聊天记忆功能，并支持三种存储方式。用户可以根据实际需求选择合适的存储方案。未来可以进一步优化存储策略，例如结合Redis和MySQL实现冷热数据分离，提升系统性能和扩展性。