如何将Spring AI 1.1.x版本对话记忆持久化实现？
- 内容介绍
- 文章标签
- 相关推荐
一、为什么要把对话记忆持久化？
说实在的， Spring AI 1.1.x的聊天机器人如果不把记忆保存到数据库里跟用户说“你之前说过什么？”时就只能装作没听见，显得像个无脑机器。可别忘了用户是想要持续、连贯、温度十足的对话体验，否则他会像掉进了一个无限循环的回声室里。于是持久化成了必不可少的步骤——就像给聊天机器人装上了一个记忆罐，实不相瞒...。
先说个情绪：我第一次遇到这个坑时我差点直接把电脑关掉。
那必须的！ 那天晚上， 我在代码里加了几行 JD娱乐 的注解，后来啊启动后整整跑了一小时才报错：NoSuchBeanDefinitionException。我当时真想大喊“啊！这到底是怎么回事啊！”然后去喝一杯咖啡。后来才发现是主要原因是依赖版本不匹配，导致 Spring Boot 自动配置失效。于是我改成手动创建 DataSource，终于搞定。
二、 核心概念拆解：ChatMemory 与 ChatMemoryRepository
ChatMemory 是负责上下文管理的层面它决定哪些消息要保留，多长时间保留，然后 雪糕刺客。 把它们交给 ChatMemoryRepository 来真正存到磁盘或缓存。简单来说：
- A. 获取历史消息；
- B. 控制窗口大小；
- C. 将最新消息写入仓库；
- D. 在多用户场景下隔离会话。
注意：千万别把这两层搞混，否则你会发现所有人共享同一个聊天历史——那可不是好事！
实现细节大揭秘
public interface IMyChatMemoryRepository { List findConversationId 一言难尽。 s; List findByConversationId; void saveAll; void delete; }
这里的 Message 对象就是 Spring AI 内部用来表示 UserMessage、 AiMessage 的结构体， 何不... 你可以根据自己的业务 字段，比方说添加 taggedAt, sensitivityLevel, 等等。
三、选择存储方案：JD娱乐 / Redis / MongoDB 等你都能玩转！
我们先来聊聊最常见的三种方案——JD娱乐、 Redis 和 MongoDB， 切记... 每种都有它的优缺点和适用场景。下面随机插入一个小表格， 让你一眼看清楚：
| 方案 | 优点 | 缺点 |
|---|---|---|
| MySQL | 事务平安、成熟稳定 支持复杂查询 易于迁移和备份 | 写入性能受限 需要维护索引 单机部署难以横向 ？不一定哦，但要考虑分库分表！ |
| Redis | 极快读写 天然支持 TTL 适合高并发短期缓存场景 | 数据持久化方式有 RDB/AOF 区别 内存限制较大 数据平安性低于磁盘级别数据库 |
| MongoDB | 灵活 schema 水平 简单 聚合查询强大 | 写放大问题可能出现 索引需要手动维护 |
| PostgreSQL | 事务一致性好 丰富的数据类型支持 全文检索强大 | 相对 MySQL 更重一些？不过也不一定！ |
| 🔥 推荐组合：Spring Boot + MyBatis + MySQL + Redis 缓存热键 🔥 | ||
| 💡 小贴士：使用 @Cacheable 注解即可让最常访问的对话快速返回。 | ||
| 📝 小实验：试试将最近10条消息缓存到 Redis， 只保留30秒，然后再从 MySQL 拉取完整历史。 | ||
| 🚀 高阶技巧：使用 Kafka 做异步同步，把日志推送到 Elasticsearch 做分析。 | ||
| ⚠️ 警示语句：不要在生产环境随便改 SystemMessage， 否则系统会崩坏~ 😱 | ||
*上述表格纯属个人经验分享，，请根据实际情况酌情使用。
"看不懂就别看"
"看不懂就别看"
"看不懂就别看"
"看不懂就别看"
"看不懂就别看"
一、为什么要把对话记忆持久化？
说实在的， Spring AI 1.1.x的聊天机器人如果不把记忆保存到数据库里跟用户说“你之前说过什么？”时就只能装作没听见，显得像个无脑机器。可别忘了用户是想要持续、连贯、温度十足的对话体验，否则他会像掉进了一个无限循环的回声室里。于是持久化成了必不可少的步骤——就像给聊天机器人装上了一个记忆罐，实不相瞒...。
先说个情绪：我第一次遇到这个坑时我差点直接把电脑关掉。
那必须的！ 那天晚上， 我在代码里加了几行 JD娱乐 的注解，后来啊启动后整整跑了一小时才报错：NoSuchBeanDefinitionException。我当时真想大喊“啊！这到底是怎么回事啊！”然后去喝一杯咖啡。后来才发现是主要原因是依赖版本不匹配，导致 Spring Boot 自动配置失效。于是我改成手动创建 DataSource，终于搞定。
二、 核心概念拆解：ChatMemory 与 ChatMemoryRepository
ChatMemory 是负责上下文管理的层面它决定哪些消息要保留，多长时间保留，然后 雪糕刺客。 把它们交给 ChatMemoryRepository 来真正存到磁盘或缓存。简单来说：
- A. 获取历史消息；
- B. 控制窗口大小；
- C. 将最新消息写入仓库；
- D. 在多用户场景下隔离会话。
注意：千万别把这两层搞混，否则你会发现所有人共享同一个聊天历史——那可不是好事！
实现细节大揭秘
public interface IMyChatMemoryRepository { List findConversationId 一言难尽。 s; List findByConversationId; void saveAll; void delete; }
这里的 Message 对象就是 Spring AI 内部用来表示 UserMessage、 AiMessage 的结构体， 何不... 你可以根据自己的业务 字段，比方说添加 taggedAt, sensitivityLevel, 等等。
三、选择存储方案：JD娱乐 / Redis / MongoDB 等你都能玩转！
我们先来聊聊最常见的三种方案——JD娱乐、 Redis 和 MongoDB， 切记... 每种都有它的优缺点和适用场景。下面随机插入一个小表格， 让你一眼看清楚：
| 方案 | 优点 | 缺点 |
|---|---|---|
| MySQL | 事务平安、成熟稳定 支持复杂查询 易于迁移和备份 | 写入性能受限 需要维护索引 单机部署难以横向 ？不一定哦，但要考虑分库分表！ |
| Redis | 极快读写 天然支持 TTL 适合高并发短期缓存场景 | 数据持久化方式有 RDB/AOF 区别 内存限制较大 数据平安性低于磁盘级别数据库 |
| MongoDB | 灵活 schema 水平 简单 聚合查询强大 | 写放大问题可能出现 索引需要手动维护 |
| PostgreSQL | 事务一致性好 丰富的数据类型支持 全文检索强大 | 相对 MySQL 更重一些？不过也不一定！ |
| 🔥 推荐组合：Spring Boot + MyBatis + MySQL + Redis 缓存热键 🔥 | ||
| 💡 小贴士：使用 @Cacheable 注解即可让最常访问的对话快速返回。 | ||
| 📝 小实验：试试将最近10条消息缓存到 Redis， 只保留30秒，然后再从 MySQL 拉取完整历史。 | ||
| 🚀 高阶技巧：使用 Kafka 做异步同步，把日志推送到 Elasticsearch 做分析。 | ||
| ⚠️ 警示语句：不要在生产环境随便改 SystemMessage， 否则系统会崩坏~ 😱 | ||
*上述表格纯属个人经验分享，，请根据实际情况酌情使用。