Spring AI 提供了灵活的聊天内存管理机制，支持多种内存类型和存储库，以适应不同的应用场景。默认情况下，它使用内存中的 MessageWindowChatMemory 来存储对话历史，并可配置为使用 JDBC 等持久化存储。通过 ChatClient 和 Advisor，可以轻松地将对话上下文集成到 AI 交互中，实现多轮对话。文章还介绍了如何自定义模板和扩展数据库支持，为开发者提供了强大的工具来构建智能对话应用。

✨ **Spring AI 聊天内存自动配置与默认行为**：Spring AI 默认会自动配置一个 ChatMemory bean，并使用内存中的存储库来管理对话历史，保留系统消息。如果已配置其他存储库（如 Cassandra、JDBC、Neo4j），则会优先使用。默认的内存类型是 MessageWindowChatMemory，它会将消息窗口保持在指定的最大大小，超出后会删除较旧的消息，保留系统消息。默认窗口大小为 20 条消息。

🗄️ **内存存储抽象与实现**：Spring AI 提供了 ChatMemoryRepository 抽象来存储聊天内存，并提供了 InMemoryChatMemoryRepository（使用 ConcurrentHashMap 存储在内存中）作为默认实现。此外，还支持 JdbcChatMemoryRepository，它使用 JDBC 在关系数据库中持久化存储消息，并支持 PostgreSQL、MySQL/MariaDB、SQL Server、HSQLDB 等多种数据库。Schema 初始化可以通过配置属性进行控制，也可以自定义脚本位置。

💬 **ChatClient 集成与 Advisor**：通过 ChatClient API，可以集成不同的 Advisor 来管理对话内存行为。MessageChatMemoryAdvisor 会将对话历史检索为消息集合并包含在提示中；PromptChatMemoryAdvisor 将对话历史附加到系统提示作为纯文本；VectorStoreChatMemoryAdvisor 则将对话历史检索为纯文本并追加到系统消息中。这些 Advisor 可以根据需要进行配置，例如使用 MessageWindowChatMemory 和 MessageChatMemoryAdvisor 来管理对话。

📝 **自定义模板与扩展性**：PromptChatMemoryAdvisor 支持自定义模板来扩充系统消息，用户可以通过提供自定义的 PromptTemplate 对象来控制对话内存的呈现方式。模板必须包含 'instructions'（接收原始系统消息）和 'memory'（接收对话内存）占位符。Spring AI 还提供了 StTemplateRenderer 和 NoOpTemplateRenderer，并允许用户通过实现 JdbcChatMemoryRepositoryDialect 接口来扩展对新数据库的支持。

💡 **直接使用 ChatModel 管理内存**：在不使用 ChatClient 的情况下，可以直接使用 ChatModel 来显式管理内存。开发者需要手动创建 ChatMemory 实例，并在每次与 ChatModel 交互后，将用户消息和模型响应添加到内存中，以维护对话上下文。这种方式提供了更精细的内存控制，适用于特定场景。

简绍

Spring AI 会自动配置一个 bean，您可以直接在应用程序中使用该 bean。默认情况下，它使用内存中的存储库来存储消息 （） 和实现来管理对话历史记录。如果已经配置了不同的存储库（例如，Cassandra、JDBC 或 Neo4j），Spring AI 将改用它。

内存类型

该抽象允许您实现各种类型的内存以适应不同的用例。内存类型的选择会显着影响应用程序的性能和行为。本节介绍Spring AI提供的内置内存类型及其特点。ChatMemory

消息窗口聊天记忆

MessageWindowChatMemory将消息窗口保持到指定的最大大小。当消息数超过最大值时，将删除较旧的消息，同时保留系统消息。默认窗口大小为 20 封邮件。

MessageWindowChatMemory memory = MessageWindowChatMemory.builder()    .maxMessages(10)    .build();

这是 Spring AI 用于自动配置 bean 的默认消息类型。ChatMemory

内存存储

Spring AI 提供了用于存储聊天内存的抽象。本节描述了 Spring AI 提供的内置存储库及其使用方法，但如果需要，您也可以实现自己的存储库。ChatMemoryRepository

InMemoryChatMemoryRepository使用 将消息存储在内存中。ConcurrentHashMap

默认情况下，如果尚未配置其他存储库，则 Spring AI 会自动配置可以直接在应用程序中使用的 bean 类型。ChatMemoryRepositoryInMemoryChatMemoryRepository

@AutowiredChatMemoryRepository chatMemoryRepository;

如果您更愿意手动创建 ，可以按如下方式创建：InMemoryChatMemoryRepository

ChatMemoryRepository repository = new InMemoryChatMemoryRepository();

JdbcChatMemory存储库

JdbcChatMemoryRepository是使用 JDBC 在关系数据库中存储消息的内置实现。它支持多个开箱即用的数据库，适用于需要持久存储聊天内存的应用程序。

<dependency>    <groupId>org.springframework.ai</groupId>    <artifactId>spring-ai-starter-model-chat-memory-repository-jdbc</artifactId></dependency>

Spring AI 为 提供了 的自动配置，您可以直接在应用程序中使用。JdbcChatMemoryRepository

@AutowiredJdbcChatMemoryRepository chatMemoryRepository;ChatMemory chatMemory = MessageWindowChatMemory.builder()    .chatMemoryRepository(chatMemoryRepository)    .maxMessages(10)    .build();

如果您更愿意手动创建 ，可以通过提供实例和 ：JdbcChatMemoryRepositoryJdbcTemplateJdbcChatMemoryRepositoryDialect

ChatMemoryRepository chatMemoryRepository = JdbcChatMemoryRepository.builder()    .jdbcTemplate(jdbcTemplate)    .dialect(new PostgresChatMemoryDialect())    .build();ChatMemory chatMemory = MessageWindowChatMemory.builder()    .chatMemoryRepository(chatMemoryRepository)    .maxMessages(10)    .build();

支持的数据库和 Dialect 抽象

Spring AI 通过 dialect 抽象支持多个关系数据库。以下数据库是开箱即用的：

PostgreSQL 数据库MySQL / MariaDBSQL 服务器HSQLDB 数据库

Schema 初始化

自动配置将在启动时使用特定于供应商的数据库 SQL 脚本自动创建表。默认情况下，架构初始化仅针对嵌入式数据库（H2、HSQL、Derby 等）运行。SPRING_AI_CHAT_MEMORY您可以使用以下属性控制架构初始化：spring.ai.chat.memory.repository.jdbc.initialize-schema

# 控制何时初始化架构。值：（默认值）、、。embedded alway sneverspring.ai.chat.memory.repository.jdbc.initialize-schema=embedded # Only for embedded DBs (default)# 用于初始化的架构脚本的位置。支持 URL 和平台占位符。classpath:spring.ai.chat.memory.repository.jdbc.initialize-schema=always   # Always initialize# 在初始化脚本中使用的平台（如果使用@@platform@@占位符）spring.ai.chat.memory.repository.jdbc.initialize-schema=never    # Never initialize (useful with Flyway/Liquibase)

要覆盖架构脚本位置，请使用：

spring.ai.chat.memory.repository.jdbc.schema=classpath:/custom/path/schema-mysql.sql```java扩展方言要添加对新数据库的支持，请实现接口并提供用于选择、插入和删除消息的 SQL。然后，您可以将自定义方言传递给存储库构建器。JdbcChatMemoryRepositoryDialect

ChatMemoryRepository chatMemoryRepository = JdbcChatMemoryRepository.builder().jdbcTemplate(jdbcTemplate).dialect(new MyCustomDbDialect()).build();

## 聊天客户端中的内存使用 ChatClient API 时，您可以提供一种实现来维护多个交互的对话上下文。ChatMemorySpring AI 提供了一些内置的 Advisor，您可以使用它们根据需要配置 的内存行为。ChatClient- MessageChatMemoryAdvisor.此顾问使用提供的实现来管理对话内存。在每次交互中，它都会从内存中检索对话历史记录，并将其作为消息集合包含在提示中。ChatMemory- PromptChatMemoryAdvisor.此顾问使用提供的实现来管理对话内存。在每次交互时，它都会从内存中检索对话历史记录，并将其作为纯文本附加到系统提示中。ChatMemory- VectorStoreChatMemoryAdvisor.此顾问使用提供的实现来管理对话内存。在每次交互时，它都会从矢量存储中检索对话历史记录，并将其作为纯文本追加到系统消息中。VectorStore例如，如果要与 一起使用，可以按如下方式配置：MessageWindowChatMemoryMessageChatMemoryAdvisor```javaChatMemory chatMemory = MessageWindowChatMemory.builder().build();ChatClient chatClient = ChatClient.builder(chatModel)    .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build())    .build();

当执行对 的调用时，内存将由 自动管理 。将根据指定的对话 ID 从内存中检索对话历史记录：ChatClientMessageChatMemoryAdvisor

String conversationId = "007";chatClient.prompt()    .user("Do I have license to code?")    .advisors(a -> a.param(ChatMemory.CONVERSATION_ID, conversationId))    .call()    .content();

演示案例

private final ZhiPuAiChatModel chatModel;private final  ChatClient chatClient;@Autowiredpublic ChatController(ZhiPuAiChatModel chatModel) {    this.chatModel = chatModel;    MessageWindowChatMemory chatMemory = MessageWindowChatMemory.builder()            .maxMessages(10)            .build();    chatClient = ChatClient.builder(chatModel)            .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build())            .build();}@GetMapping("/ai/generate")public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {    String conversationId = "007";    String content = chatClient.prompt().user(message)            .advisors(a -> a.param(ChatMemory.CONVERSATION_ID, conversationId))            .call()            .content();    return Map.of("generation", content);//        return Map.of("generation", chatModel.call(message));}

PromptChat记忆顾问

自定义模板它使用默认模板通过检索到的对话内存来扩充系统消息。您可以通过 builder 方法提供自己的对象来自定义此行为。PromptChatMemoryAdvisorPromptTemplate.promptTemplate()

自定义可以使用任何实现（默认情况下，它使用基于 StringTemplate 引擎）。重要的要求是模板必须包含以下两个占位符：PromptTemplateTemplateRendererStPromptTemplate

用于接收原始系统消息的占位符。instructions用于接收检索到的对话内存的占位符。memory

String answer = ChatClient.create(chatModel).prompt()    .user(u -> u            .text("Tell me the names of 5 movies whose soundtrack was composed by {composer}")            .param("composer", "John Williams"))    .call()    .content();

在内部，ChatClient 使用该类来处理用户和系统文本，并将变量替换为运行时提供的值，具体取决于给定的实现。 默认情况下，Spring AI 使用该实现，该实现基于 Terence Parr 开发的开源 StringTemplate 引擎。PromptTemplateTemplateRedererStTemplateRendererSpring AI 还为不需要模板处理的情况提供了一个。NoOpTemplateRendererSpring AI 还提供了一个 .NoOpTemplateRenderer如果您更愿意使用其他模板引擎，您可以直接向 ChatClient 提供界面的自定义实现。您也可以继续使用默认的 ，但使用自定义配置。TemplateRendererStTemplateRenderer例如，默认情况下，模板变量由语法标识。如果计划在提示中包含 JSON，则可能需要使用不同的语法来避免与 JSON 语法冲突。例如，您可以使用 和 分隔符。{}<>

String answer = ChatClient.create(chatModel).prompt()    .user(u -> u            .text("Tell me the names of 5 movies whose soundtrack was composed by <composer>")            .param("composer", "John Williams"))    .templateRenderer(StTemplateRenderer.builder().startDelimiterToken('<').endDelimiterToken('>').build())    .call()    .content();

聊天模型中的内存

如果直接使用 a 而不是 a ，则可以显式管理内存：ChatModelChatClient

// Create a memory instanceChatMemory chatMemory = MessageWindowChatMemory.builder().build();String conversationId = "007";// First interactionUserMessage userMessage1 = new UserMessage("My name is James Bond");chatMemory.add(conversationId, userMessage1);ChatResponse response1 = chatModel.call(new Prompt(chatMemory.get(conversationId)));chatMemory.add(conversationId, response1.getResult().getOutput());// Second interactionUserMessage userMessage2 = new UserMessage("What is my name?");chatMemory.add(conversationId, userMessage2);ChatResponse response2 = chatModel.call(new Prompt(chatMemory.get(conversationId)));chatMemory.add(conversationId, response2.getResult().getOutput());// The response will contain "James Bond"