Spring AI 2.0 开发Java Agent智能体 - 会话记忆(Chat Memory)

大家好，我是Java1234_小锋老师，最近更新《2027版本 Spring AI 2.0 开发Java Agent智能体视频教程》专辑，感谢大家支持。

本课程主要介绍和讲解Spring AI 2.0简介，Spring AI 2.0 HelloWorld搭建，Advisors --- 拦截器模式增强AI能力，对话与提示词工程（Prompt），工具调用 (Function Calling / Tools) ，RAG(检索增强生成)，MCP(模型上下文协议)和多模态支持。

等这个Spring AI2.0基础课程录制完成，接下来要发布2个企业级Java AI实战课程，RAG 企业知识库系统和AI智能客服系统。大家可以点点关注，后面更精彩。

视频教程+课件+源码打包下载：

链接：https://pan.baidu.com/s/1o-zRfndo1HHrS_uFroOiCw?pwd=1234

提取码：0000

Spring AI 2.0 开发Java Agent智能体 - 会话记忆(Chat Memory)

一、Chat Memory 核心概念

1.1 什么是 Chat Memory

大型语言模型 (LLMs) 本质是无状态 的，无法保留历史对话信息。Spring AI 2.0 提供的Chat Memory功能解决了这一问题，它能：

存储历史对话：自动保存用户消息和 AI 响应到记忆仓库
检索历史对话：新请求时自动提取相关历史消息注入当前 Prompt
会话隔离 ：通过conversationId区分不同用户 / 会话，确保上下文独立
消息管理：提供灵活策略（如滑动窗口）控制保留哪些历史消息

1.2 核心组件架构

组件	作用	核心接口 / 类
ChatMemory	策略层，决定保留哪些消息	`ChatMemory`接口，默认实现`MessageWindowChatMemory`
ChatMemoryRepository	存储层，负责消息 CRUD	`ChatMemoryRepository`接口，支持多种存储后端
ChatMemoryAdvisor	拦截器，自动处理记忆注入	`MessageChatMemoryAdvisor`和`VectorStoreChatMemoryAdvisor`

二、内置 Chat Memory 类型与存储后端

2.1 内置记忆策略

Spring AI 2.0 提供两种主要记忆类型：

MessageWindowChatMemory（默认）
- 核心机制：维护固定大小消息窗口，超出上限时淘汰最早消息 ，永远保留 system 消息Spring
- 默认窗口大小：20 条消息Spring
- 适用场景：大多数简单多轮对话，平衡上下文完整性与 token 消耗
VectorStoreChatMemory（语义记忆）
- 核心机制：基于向量存储的语义检索，将对话内容向量化后存储，根据语义相似度召回相关历史
- 适用场景：长对话、需要精准语义匹配的复杂场景

2.2 支持的存储后端

存储类型	实现类	特点	适用场景
内存存储	`InMemoryChatMemoryRepository`	基于`ConcurrentHashMap`，轻量快速	开发测试、演示环境
Redis	`RedisChatMemoryRepository`	分布式、高性能、支持 TTL	生产环境、多实例部署
JDBC	`JdbcChatMemoryRepository`	关系型数据库持久化	需要长期存储、事务支持
Cassandra	`CassandraChatMemoryRepository`	分布式 NoSQL，高可用	大规模分布式系统

三、具体实例：构建有记忆的对话应用

我们先演示下没有以及的对话。

请求：http://localhost:8080/ai?question=我是小锋

我们再次请求：http://localhost:8080/ai?question=我是谁？

因为没有会话记忆，所以每次请求访问都是独立的。但是如果我们做聊天机器人，客服机器人，那肯定是不行的，我们需要让大模型记住历史会话上下文章。

我们来实现下吧。

首先在AiConfiguration里定义ChatMemory bean

复制代码

/**
     * 创建一个 ChatMemory 对象，用于存储聊天记录。
     *
     * @return ChatMemory 对象，用于存储聊天记录。
     */
    @Bean
    public ChatMemory chatMemory(){
        return MessageWindowChatMemory.builder()
                .maxMessages(10) // 设置消息窗口大小为 10
                .chatMemoryRepository(new InMemoryChatMemoryRepository()) // 内存存储
                .build();
    }

接着chatClient的advisors里加上chatMemory会话记忆

复制代码

/**
     * 创建一个 ChatClient 对象，用于处理聊天请求。
     *
     * @param model OpenAiChatModel 对象，用于处理聊天请求。
     * @return ChatClient 对象，用于处理聊天请求。
     */
    @Bean
    public ChatClient chatClient(OpenAiChatModel  model,ChatMemory chatMemory){
        return ChatClient
                .builder(model) // 创建 ChatClient 对象，并设置模型为 model
                // .defaultAdvisors(new MySimpleLoggerAdvisor()) // 添加一个 MySimpleLoggerAdvisor，记录请求日志
                .defaultAdvisors(
                        new SimpleLoggerAdvisor(), // 添加一个 SimpleLoggerAdvisor，记录请求日志
                        MessageChatMemoryAdvisor.builder(chatMemory).build() // 添加一个 MessageChatMemoryAdvisor，记录聊天记录
                )
                .build(); // 构建 ChatClient 对象
    }

然后MyAiChatController里加上一个会话ID设置，保证聊天上下文独立。

复制代码

@RequestMapping("/aiplus")
    public String aiplus(String question, String convId) {
        return chatClient.prompt() // 创建一个 Prompt 对象，用于构建聊天请求。
                .user( question) // 设置用户输入的文本。
                .advisors(a->a.param(ChatMemory.CONVERSATION_ID,convId)) // 设置会话 ID
                .call() // 调用 ChatClient 对象的 call() 方法，发送聊天请求给大模型并获取响应。
                .content(); // 获取响应的文本内容。
    }

我们再来测试下：

复制代码

http://localhost:8080/aiplus?question=我是锋哥&convId=001
http://localhost:8080/aiplus?question=我是谁&convId=001

已经带有记忆功能了。