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- 主机地址：
IP端口：Port密码：dwdasdasffgdfsfsdf四、实现细节
1. In-Memory实现
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
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
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。
