Spring AI ChatMemory 对话记忆配置JDBC方式到Mysql数据库实战示例与原理讲解

霸道流氓气质2026-05-14 12:51

场景

Spring AI ChatMemory 对话记忆配置指南：概念、实战与常见问题：

https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/161020514

上述示例对话记忆使用内存方式，如何使用JDBC方式将对话记忆到Mysql中。

之前我们使用的 InMemoryChatMemoryRepository 将所有对话历史存储在 JVM 堆内存中，

服务重启后所有会话数据都会丢失，且无法在多个服务实例间共享。

将存储层切换为 JDBC（如 MySQL、PostgreSQL）后，这些痛点可以得到有效解决。

Spring AI 对存储介质做过一次重要的架构演进。早期版本直接提供了 JdbcChatMemory 类。

但在 1.1.0 版本之后，框架采用了更清晰的职责分离设计，

将原先的 JdbcChatMemory 标记为 @Deprecated，

并引入了 MessageWindowChatMemory + JdbcChatMemoryRepository 的组合模式。

这一改动的核心思想是：

存储逻辑（Repository）与内存窗口管理（ChatMemory）彻底解耦，使架构更具扩展性，

也可以更灵活地混合搭配不同的记忆策略与存储后端。

核心知识点

JdbcChatMemoryRepository

JdbcChatMemoryRepository 是 ChatMemoryRepository 接口的 JDBC 实现，它通过 JdbcTemplate 直接与关系型数据库交互，

将消息存储在一张名为 SPRING_AI_CHAT_MEMORY 的约定表中。

它开箱即用地支持 MySQL、PostgreSQL、SQL Server、HSQLDB、H2 等多种数据库。

每个会话由 conversation_id 唯一标识，该组件负责根据此 ID 进行存取操作，框架会自动完成消息的序列化与反序列化。

MessageWindowChatMemory

这是 Spring AI 当前推荐的核心记忆实现，负责维护一个固定大小的消息窗口（可通过 maxMessages 配置）。

当消息数量超过上限时，自动移除旧消息，但会保留系统消息（SystemMessage）。

在 JDBC 持久化场景下，ChatMemory Bean 注入 JdbcChatMemoryRepository 即可实现底层存储切换，

上层的滑动窗口策略完全不变。

MessageChatMemoryAdvisor

作为拦截器层，Advisor 负责在每次请求中自动注入对话历史（从 ChatMemory 中通过 conversation_id 加载），

并在收到模型回复后将新的消息写回存储。

建表脚本与自动初始化

框架约定的表名为 SPRING_AI_CHAT_MEMORY，需要包含以下列

列名 类型 说明
id BIGINT 主键，自增
conversation_id VARCHAR(36) 会话唯一标识
content TEXT 消息内容（JSON 序列化）
type VARCHAR(10) 消息类型（USER / ASSISTANT / SYSTEM / TOOL）
timestamp TIMESTAMP 消息时间戳

框架支持通过配置自动执行建表脚本。

spring.ai.chat.memory.repository.jdbc.initialize-schema 的

可选值包括 always（每次启动都建表）、embedded（仅内嵌数据库自动建表）、never（不自动建表）。

开发环境建议使用 always，生产环境建议使用 never，由 DBA 手动管理表结构。

Spring AI 内置了针对各种数据库的建表 SQL，存放在 org/springframework/ai/chat/memory/jdbc/sql/ 目录下，

框架会根据检测到的数据源类型自动选择对应的脚本。也可以通过 schema 属性指定自定义脚本路径。

架构对比

维度 InMemory JDBC 持久化
数据生命周期 随 JVM 重启丢失 持久化到数据库，重启不丢
跨实例共享 不支持 支持（多实例共享同一数据库）
内存压力 长期运行占用堆内存 数据库承担存储压力
审计与分析 不支持 可直接查询数据库
配置复杂度 零配置 需配置数据源，引入 JDBC 依赖

注：

博客：
https://blog.csdn.net/badao_liumang_qizhi

实现

MySQL 环境准备

复制代码 
-- 创建数据库
CREATE DATABASE IF NOT EXISTS spring_ai DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

pom.xml

在之前依赖的基础上，移除 InMemoryChatMemoryRepository 的手动配置依赖，新增 JDBC Starter 和 MySQL 驱动：

复制代码 
    <properties>
        <java.version>17</java.version>
        <spring-ai.version>1.1.2</spring-ai.version>
    </properties>

    <!-- 新增：使用 Spring AI BOM 统一管理所有模块版本 -->
    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.ai</groupId>
                <artifactId>spring-ai-bom</artifactId>
                <version>${spring-ai.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>

    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <!-- Spring AI Ollama 核心 -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-model-ollama</artifactId>
        </dependency>

        <!-- Spring AI JDBC 聊天记忆持久化 -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-model-chat-memory-repository-jdbc</artifactId>
        </dependency>

        <!-- MySQL 驱动 -->
        <dependency>
            <groupId>com.mysql</groupId>
            <artifactId>mysql-connector-j</artifactId>
            <scope>runtime</scope>
        </dependency>

    </dependencies>

依赖变化说明：

新增 spring-ai-starter-model-chat-memory-repository-jdbc：

提供 JdbcChatMemoryRepository 的自动配置，包含 spring-ai-autoconfigure-model-chat-memory 和 JDBC 存储实现两个模块。

新增 mysql-connector-j：

MySQL 的 JDBC 驱动（推荐使用新 artifactId mysql-connector-j 而非旧的 mysql-connector-java）。

移除 InMemoryChatMemoryRepository 的显式 Bean 声明：

框架在检测到 JdbcChatMemoryRepository 时，会自动将默认的 InMemoryChatMemoryRepository 替换为 JDBC 实现，

不再需要手动声明。

建表脚本

创建 src/main/resources/sql/schema-mysql.sql：

复制代码 
CREATE TABLE IF NOT EXISTS SPRING_AI_CHAT_MEMORY (
    id BIGINT NOT NULL AUTO_INCREMENT,
    conversation_id VARCHAR(36) NOT NULL,
    content TEXT NOT NULL,
    type VARCHAR(10) NOT NULL,
    timestamp TIMESTAMP NOT NULL,
    PRIMARY KEY (id),
    INDEX idx_conv_ts (conversation_id, timestamp),
    CONSTRAINT type_check CHECK (type IN ('USER', 'ASSISTANT', 'SYSTEM', 'TOOL'))
);

application.yml

复制代码 
​
server:
  port: 886

spring:
  datasource:
    driver-class-name: com.mysql.cj.jdbc.Driver
   url:jdbc:mysql://localhost:3306/spring_ai?serverTimezone=Asia/Shanghai&useUnicode=true&characterEncoding=utf-8
    username: root
    password: 123456                          # 替换为实际密码

  ai:
    ollama:
      base-url: http://localhost:11434
      chat:
        model: qwen2.5:7b-instruct
        options:
          temperature: 0.7
          num-ctx: 4096     # Ollama 上下文窗口大小
    chat:
      memory:
        repository:
          jdbc:
            initialize-schema: always                # 开发环境每次启动都执行建表脚本
            schema: classpath:sql/schema-mysql.sql   # 自定义建表脚本路径


logging:
  level:
    org.springframework.ai.chat.client.advisor: DEBUG
    org.springframework.jdbc: DEBUG                   # 可选：查看 SQL 执行日志

​

配置重点解析：

spring.datasource.*：

标准的 Spring Boot 数据源配置，连接 MySQL 数据库。

spring.ai.chat.memory.repository.jdbc.initialize-schema: always：

每次启动时执行建表脚本（开发环境推荐）。

spring.ai.chat.memory.repository.jdbc.schema：

指定自定义 SQL 脚本的路径，覆盖框架内置的建表脚本。

注意：

如果未指定 schema 属性，框架会自动从 org/springframework/ai/chat/memory/jdbc/sql/ 加载内置的建表脚本，

支持 schema-mysql.sql、schema-postgresql.sql 等。

ChatConfig 配置类

关键变化：不再手动创建 InMemoryChatMemoryRepository，改为注入由 Starter 自动提供的 JdbcChatMemoryRepository。

复制代码 
package com.badao.ai.config;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.ai.chat.memory.MessageWindowChatMemory;
import org.springframework.ai.chat.memory.repository.jdbc.JdbcChatMemoryRepository;
import org.springframework.ai.chat.model.ChatModel;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class ChatConfig {

    @Bean
    public ChatMemory chatMemory(JdbcChatMemoryRepository jdbcChatMemoryRepository) {
        // 只需将 Repository 替换为 JDBC 实现，窗口策略完全不变
        return MessageWindowChatMemory.builder()
                .chatMemoryRepository(jdbcChatMemoryRepository)
                .maxMessages(20)   // 每次最多携带 20 条历史消息
                .build();
    }

    @Bean
    public ChatClient chatClient(ChatModel chatModel, ChatMemory chatMemory) {
        return ChatClient.builder(chatModel)
                .defaultAdvisors(
                        MessageChatMemoryAdvisor.builder(chatMemory).build()
                )
                .build();
    }
}

改造对比：

从 InMemory 到 JDBC，

只需要在 chatMemory Bean 中将构造参数从 new InMemoryChatMemoryRepository() 替换为注入 JdbcChatMemoryRepository，

其余代码和业务逻辑全部不变。

MemoryChatController 控制器

复制代码 
package com.badao.ai.controller;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.memory.ChatMemory; // 导入 ChatMemory 接口
import org.springframework.web.bind.annotation.*;

@RestController
@RequestMapping("/api")
public class MemoryChatController {

    private final ChatClient chatClient;

    public MemoryChatController(ChatClient chatClient) {
        this.chatClient = chatClient;
    }

    @PostMapping("/chat/memory")
    public ChatResponse chatWithMemory(@RequestBody MemoryChatRequest request) {
        String result = chatClient.prompt()
                .user(request.message())
                .advisors(advisor -> advisor.param(
                        ChatMemory.CONVERSATION_ID,
                        request.conversationId()
                ))
                .call()
                .content();
        return new ChatResponse(200, "success", result);
    }

    public record MemoryChatRequest(String message, String conversationId) {}
    public record ChatResponse(int code, String msg, String data) {}
}

测试验证

原理深入

1、Spring Boot 自动配置如何发现 JdbcChatMemory 并替换 InMemory？

整个过程由 Spring Boot 的自动配置机制驱动：

依赖触发：

在 pom.xml 中引入 spring-ai-starter-model-chat-memory-repository-jdbc 后，JdbcChatMemoryRepository 类被加入 Classpath。

条件装配：

框架中的 ChatMemoryAutoConfiguration 会检测 Classpath 中是否存在 JdbcChatMemoryRepository。

如果存在且已配置 DataSource，则自动创建一个 JdbcChatMemoryRepository Bean。

Bean 覆盖：

由于存在 JdbcChatMemoryRepository Bean，默认的 InMemoryChatMemoryRepository 自动配置会失效（被条件装配注解跳过）

ChatMemory Bean 直接注入 JdbcChatMemoryRepository，从而实现存储介质的无缝切换。

整个过程无需任何 @ConditionalOnMissingBean 的手动干预，框架已内置完整的条件装配逻辑。

2、JdbcChatMemoryRepository 如何将消息写入 MySQL？

JdbcChatMemoryRepository 的核心实现基于 Spring 的 JdbcTemplate，它直接操作 SPRING_AI_CHAT_MEMORY 表。

一条消息的写入过程如下：

MessageChatMemoryAdvisor 在 AI 返回响应后调用 ChatMemory.add(conversationId, messages)。

MessageWindowChatMemory 收到新消息后，先合并窗口中已有的消息，

再将合并后的完整消息列表通过 JdbcChatMemoryRepository.saveAll(conversationId, messages) 写回数据库。

JdbcChatMemoryRepository.saveAll() 内部采用先删后插策略：

先 DELETE 该会话的所有旧消息，再 INSERT 全部新消息。

这种"全量替换"策略的好处是避免并发场景下的增量同步困难，同时配合自增主键保证原子性。

查询消息时，findByConversationId() 会按 timestamp 升序排列所有消息，

再由 MessageWindowChatMemory 截取最近 maxMessages 条注入到 Prompt 中。

3、数据库表结构与索引设计

框架约定的表结构如下：

复制代码 
CREATE TABLE IF NOT EXISTS SPRING_AI_CHAT_MEMORY (
    id BIGINT NOT NULL AUTO_INCREMENT,
    conversation_id VARCHAR(36) NOT NULL,
    content TEXT NOT NULL,
    type VARCHAR(10) NOT NULL,
    timestamp TIMESTAMP NOT NULL,
    PRIMARY KEY (id),
    INDEX idx_conv_ts (conversation_id, timestamp),
    CONSTRAINT type_check CHECK (type IN ('USER', 'ASSISTANT', 'SYSTEM', 'TOOL'))
);

索引设计分析：

联合索引 idx_conv_ts (conversation_id, timestamp) 覆盖了 findByConversationId() 的查询模式

（WHERE conversation_id = ? ORDER BY timestamp），形成覆盖索引，查询性能极高，无需回表。

时间类型选择说明：

TIMESTAMP 类型能自动记录消息写入时的精确时间，相比 DATETIME 更紧凑（4 字节 vs 8 字节），

且受数据库时区设置影响，适合追踪消息时序。

序列化格式说明：

content 列存储的是消息的 JSON 序列化字符串。

Spring AI 使用 Jackson 将 Message 对象序列化为 JSON，包含消息文本、元数据（如 Token 使用量、模型名称）等完整信息，

直接以 TEXT 类型存储。

4、滑动窗口如何与数据库配合？

MessageWindowChatMemory 在 get() 时只从数据库中取最近 maxMessages 条消息，而非全部加载。

SQL 查询层面按 timestamp 升序排列，再在 Java 层截断。

这保证了即使某次对话积累了成千上万条消息，每次调用 AI 时仍然只携带可控数量的上下文。

数据库中的旧消息不会被删除，可随时通过直接查询表来获取完整的对话历史。

5、ChatMemory 配置最佳实践

配置项 说明 生产环境推荐值
maxMessages 记忆窗口大小 10-20 条，视模型上下文窗口而定
initialize-schema 建表策略 never（由 DBA 通过 Flyway/Liquibase 管理）
schema 自定义脚本路径 classpath:sql/schema-mysql.sql（版本化管理）
相关推荐
在所不辞兄17 分钟前
【零基础学智能仿真-63】ABACUS作业工具与MCP接口
人工智能·深度学习·神经网络·机器学习·智能仿真
数据库小学妹18 分钟前
金融数据库成本怎么算？五笔钱加一张TCO表
数据库·金融行业·数据库选型·国产化替代·tco·金融数据库
楚山之石23 分钟前
【Medical Image Analysis】深度学习医学图像合成综述：伪CT、合成MRI与合成PET的架构、性能与临床边界
图像处理·人工智能·学习·mr·mri
blackappleD28 分钟前
百度 Unlimited OCR 2 拆解：SR-SWA 如何让百页文档的 KV 缓存不再涨
人工智能·llm
数字新视界29 分钟前
国产动环数据库在智能机房环境监控中的应用与优势分析
大数据·人工智能·数据中心·机房管理·模块化机房
holly就是我31 分钟前
AI 编程助手为什么跑偏？用开源 ccglass 看清 Prompt、工具调用和 Token 消耗
人工智能·后端
KaiwuDB35 分钟前
KaiwuDB 分布式集群扩缩容，从原理到完整操作踩坑总结
运维·数据库·分布式
雨中飘荡的记忆40 分钟前
额度又见底了？这个开源项目，给 AI 编程助手接上 61 家"加油站"
人工智能
天远Date Lab1 小时前
零信任架构实战：基于天远企业年报信息核验构建自动化商业保理财务与社保穿透评估网关
人工智能·架构·自动化
EnCi Zheng1 小时前
后端怎么把AI接口稳定安全低成本接进业务：超时重试、密钥隔离与成本熔断清单
人工智能·后端·安全·架构·api
热门推荐
01如何新建文件夹？ 电脑新建文件夹的4种方法02国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）03历年考研数学一、数学二、数学三真题试卷及答案PDF04GitHub 镜像站点05几个好用的ip纯净度检测网站06昇腾910B系列芯片完全指南：四款型号对比、服务器选型与大模型部署实战07苹果iPA游戏软件资源下载网站08CVE-2026-91403 高危漏洞预警：Java JSSE 信任链被攻破 全场景修复方案与Linux系统级彻底清理实操09蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接10Windows 10/11 如何退出微软账户并改用本地账户登录（含找不到选项的解决方法）