Spring AI-快速入门2：上下文记忆+会话隔离

简介

上篇文章：Spring Ai–快速入门1：对话实战 – 自学精灵实现了简单对话功能，但不支持上下文。

对话记忆的核心是：上下文的存储（发送请求时会附带）。本文实现上下文记忆和会话隔离。

会话记忆

代码

详述

SpringAI 对话记忆核心类是ChatMemory。

ChatMemory提供的方法：添加消息到对话、从对话中检索消息、清除对话历史。
目前有一个内置实现：MessageWindowChatMemory，可配置最大消息数量（默认20），当消息数量超过时，较旧的消息会被移除。
Spring AI 用 ChatMemoryRepository 来读写上下文，其默认实现是：用InMemoryChatMemoryRepository（存储在内存中）。

代码

下边自定义ChatMemory的Bean，并将其绑定到ChatClient的增强器。（实际上，Spring Ai有默认的ChatMemory的Bean，其实现就是InMemoryChatMemoryRepository，最大消息数是20，这里不自定义Bean也可以，本处写出来主要是为了了解如何自定义配置。）

package com.knife.example.ai.chat.config;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.client.advisor.SimpleLoggerAdvisor;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.ai.chat.memory.InMemoryChatMemoryRepository;
import org.springframework.ai.chat.memory.MessageWindowChatMemory;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class AiCustomConfiguration {
    /**
     * 聊天对话记忆的存储
     */
    @Bean
    public ChatMemory chatMemory() {
        // 当前版本下 MessageWindowChatMemory 是 ChatMemory 的唯一内置实现类
        // 并且构造器私有化，只提供Builder模式来创建实例（这点与之前的版本不一样）
        return MessageWindowChatMemory.builder()
                // 对话存储的repository存储库层的实现方式。默认是 Spring 提供的 InMemoryChatMemoryRepository
                .chatMemoryRepository(new InMemoryChatMemoryRepository())
                .maxMessages(20) // 最大消息数
                .build();
    }

    /**
     * 会话客户端
     */
    @Bean
    public ChatClient chatClient(ChatClient.Builder chatClientBuilder,
                                 ChatMemory chatMemory) {
        return chatClientBuilder
                .defaultSystem("你是一个博学的智能聊天助手，请根据用户提问回答！")
                .defaultAdvisors(
                        new SimpleLoggerAdvisor(), // 日志记录器
                        MessageChatMemoryAdvisor.builder(chatMemory).build() // 添加聊天记录记忆的环绕增强器
                )
                .build();
    }
}

测试

访问：http://localhost:8080/doc.html

如下图所示，可发现：有上下文记忆功能了！

后台日志（可以发现：请求会带着之前的会话问题和结果）

第一次：

第二次：

第三次：

详细日志（这里只贴出请求日志）

2025-12-07T11:45:49.079+08:00 DEBUG 19168 --- [1_chat] [nio-8080-exec-2] o.s.a.c.c.advisor.SimpleLoggerAdvisor    : request: ChatClientRequest[prompt=Prompt{messages=[SystemMessage{textContent='你是一个博学的智能聊天助手，请根据用户提问回答！', messageType=SYSTEM, metadata={messageType=SYSTEM}}, UserMessage{content='一加一等于几？', metadata={messageType=USER}, messageType=USER}], modelOptions=OpenAiChatOptions: {"streamUsage":false,"model":"qwen-plus","temperature":0.8,"top_p":0.7}}, context={}]
2025-12-07T11:46:24.627+08:00 DEBUG 19168 --- [1_chat] [nio-8080-exec-1] o.s.a.c.c.advisor.SimpleLoggerAdvisor    : request: ChatClientRequest[prompt=Prompt{messages=[UserMessage{content='一加一等于几？', metadata={messageType=USER}, messageType=USER}, AssistantMessage [messageType=ASSISTANT, toolCalls=[], textContent=一加一等于二。, metadata={role=ASSISTANT, messageType=ASSISTANT, refusal=, finishReason=STOP, annotations=[{}], index=0, id=chatcmpl-6e39b8f1-2bc8-437b-8c04-8d03e8cb2e46}], SystemMessage{textContent='你是一个博学的智能聊天助手，请根据用户提问回答！', messageType=SYSTEM, metadata={messageType=SYSTEM}}, UserMessage{content='再加一呢？', metadata={messageType=USER}, messageType=USER}], modelOptions=OpenAiChatOptions: {"streamUsage":false,"model":"qwen-plus","temperature":0.8,"top_p":0.7}}, context={}]
2025-12-07T11:48:28.010+08:00 DEBUG 19168 --- [1_chat] [nio-8080-exec-4] o.s.a.c.c.advisor.SimpleLoggerAdvisor    : request: ChatClientRequest[prompt=Prompt{messages=[UserMessage{content='一加一等于几？', metadata={messageType=USER}, messageType=USER}, AssistantMessage [messageType=ASSISTANT, toolCalls=[], textContent=一加一等于二。, metadata={role=ASSISTANT, messageType=ASSISTANT, refusal=, finishReason=STOP, annotations=[{}], index=0, id=chatcmpl-6e39b8f1-2bc8-437b-8c04-8d03e8cb2e46}], UserMessage{content='再加一呢？', metadata={messageType=USER}, messageType=USER}, AssistantMessage [messageType=ASSISTANT, toolCalls=[], textContent=如果在一加一（即2）的基础上再加一，那么结果就是3。, metadata={role=ASSISTANT, messageType=ASSISTANT, refusal=, finishReason=STOP, annotations=[{}], index=0, id=chatcmpl-f604d8f7-60f0-42b3-b1f4-ede325ad52fb}], SystemMessage{textContent='你是一个博学的智能聊天助手，请根据用户提问回答！', messageType=SYSTEM, metadata={messageType=SYSTEM}}, UserMessage{content='再次加一呢？', metadata={messageType=USER}, messageType=USER}], modelOptions=OpenAiChatOptions: {"streamUsage":false,"model":"qwen-plus","temperature":0.8,"top_p":0.7}}, context={}]

会话隔离

现在已经实现记忆，但是还有问题：所有会话共享一个记忆，没有进行隔离！

会话隔离的方法是：在请求发送前，调用 advisor() 方法配置一个 Consumer：

代码

package com.knife.example.ai.chat.controller;

import io.swagger.v3.oas.annotations.Operation;
import io.swagger.v3.oas.annotations.Parameter;
import io.swagger.v3.oas.annotations.tags.Tag;
import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.http.MediaType;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;

@Slf4j
@Tag(name = "对话")
@RequestMapping("chat")
@RestController
public class ChatController {
    @Autowired
    private ChatClient chatClient;

    @Operation(summary = "直接输出")
    @GetMapping("direct")
    public String direct(@Parameter(description = "消息") String message,
                         @Parameter(description = "会话ID") String chatId) {
        return chatClient.prompt(message)
                .advisors(a -> a.param(ChatMemory.CONVERSATION_ID, chatId))
                .call()
                .content();
    }

    /**
     * 可以用apifox测试
     */
    @Operation(summary = "流式输出")
    @GetMapping(value = "stream", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
    public Flux<String> stream(@Parameter(description = "消息") String message,
                               @Parameter(description = "会话ID") String chatId) {
        return chatClient.prompt(message)
                .advisors(a -> a.param(ChatMemory.CONVERSATION_ID, chatId))
                .stream()
                .content();
    }
}

测试1：使用同一会话ID

访问：http://localhost:8080/doc.html

后台日志（可以发现，请求时会带上会话id）

第一次：

第二次：

第三次：

测试2：更换会话ID

更换会话ID后可以发现，已经是单独的上下文了，实现了隔离。

注意事项

本处为了简单，直接在前端指定了会话ID，实际项目里需要进行优化：由后端控制会话ID的生成。

详细方案如下：

第一次请求时：前端传给后端空的会话ID，后端去创建会话ID并请求AI，并将会话ID返回给前端。
第二次及之后的请求：前端传给后端的会话ID是后端第一次返回的会话ID。
前端要有“新建会话”按钮，点击后新建会话，然后重复上边第1,2步（从传给后端空的会话ID开始）

默认的内存存储方案分析

ChatMemory

上边ChatMemory主要是为了了解如何自定义配置。实际上，Spring Ai有默认的ChatMemory的Bean：InMemoryChatMemoryRepository，源码如下：

MessageWindowChatMemory

MessageWindowChatMemory，是一个消息窗口组件，可配置最大消息数量（默认20），当消息数量超过时，较旧的消息会被移除。

上边各个组件的关系：

ChatMemory（接口）

定义了聊天记忆的基本行为，如：记住消息、获取消息等。是最高层次的抽象。

MessageWindowChatMemory（实现类）

实现 ChatMemory接口，并引入了“消息窗口”的概念，限制记忆的消息数量。

ChatMemoryRepository（接口）

定义了对聊天记忆的 CRUD (增删改查) 。是低层次的存储抽象。

InMemoryChatMemoryRepository（实现类）

实现 ChatMemoryRepository接口，将聊天记忆存储在内存中。

功能优化：会话记忆持久化

见：Spring AI–快速入门3：上下文记忆持久化-CSDN博客

Spring AI–快速入门2：上下文记忆+会话隔离

简介

会话记忆

代码

测试

会话隔离

代码

测试1：使用同一会话ID

测试2：更换会话ID

注意事项

默认的内存存储方案分析

功能优化：会话记忆持久化

评论0

请先登录！

升级VIP

夜间模式

返回顶部

站点公告

Spring AI–快速入门2：上下文记忆+会话隔离

简介

会话记忆

代码

测试

会话隔离

代码

测试1：使用同一会话ID

测试2：更换会话ID

注意事项

默认的内存存储方案分析

功能优化：会话记忆持久化

评论0

请先 登录 ！

升级VIP

夜间模式

返回顶部

站点公告

社交账号快速登录

社交账号快速登录

请先登录！