编程导航会员会员
登录/注册

Spring AI 1.0.0 + MySQL 实现会话记忆持久化：彻底搞懂 ChatMemoryRepository

在做大模型应用时，“会话记忆”几乎是刚需：

  • 用户希望多轮对话是连续的；
  • 系统希望对话历史能存数据库，方便会话列表、历史回看、数据分析。

Spring AI 1.0.0 已经把这一块封装得很优雅，其中的关键角色就是这两个：

  • ChatMemoryRepository：负责「消息如何落到 MySQL、如何查出来」
  • ChatMemory（MessageWindowChatMemory）：负责「每次调用大模型时，用哪些历史消息」

本文以我的项目为例，重点讲清楚这件事：

我的 Controller 层只注入了一个 ChatMemoryRepository Bean，就能完成会话记忆的管理和 MySQL 持久化。这个 Bean 到底做了什么？为什么不用自己写 SQL？

一、整体架构：两层「记忆」分工

先把大的图讲清楚，避免一上来就被各种类名绕晕。

可以把 Spring AI 的会话记忆拆成两层来看：

  1. 上层：ChatMemory（记忆管理器）

    • 对 ChatClient 提供「添加消息」「获取历史」的统一接口。
    • 决定：
      • 每次调用大模型时，带多少条历史消息（记忆窗口）；
      • 用什么策略裁剪历史（比如只保留最近 50 条）。

  2. 下层：ChatMemoryRepository（持久化存储引擎）

    • 负责和 MySQL 打交道。
    • 决定：
      • 一条对话消息如何序列化成表里的 content 字段；
      • 按 conversation_id + 时间顺序查出整段对话；
      • 删除指定会话的所有消息。

在我的项目里：

  • ChatClient 使用的是上层的 ChatMemory（由 MessageWindowChatMemory + JdbcChatMemoryRepository 组成），负责「让模型有记忆」；
  • 而对外提供「历史记录接口」的 ChatHistoryController，直接注入的是下层的 ChatMemoryRepository，负责「查历史、删历史」。

这一点非常关键：

你在 Controller 里看到的 ChatMemoryRepository，就是那条连通 Spring AI 和 MySQL 的“地线”。

二、配置内容：项目里到底配了什么？

1. Maven 依赖

在 pom.xml 中，我使用 Spring AI 官方 JDBC 记忆模块 + MySQL 驱动：

▼
xml
复制代码
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-chat-memory-repository-jdbc</artifactId>
</dependency>

<dependency>
    <groupId>com.mysql</groupId>
    <artifactId>mysql-connector-j</artifactId>
</dependency>

Spring Boot + Starter 的好处就是：只要依赖在，配好数据源，Spring AI 会自动帮你创建 JdbcChatMemoryRepository 这种 Bean。

2. application 配置：启用 JDBC 记忆 + 自动建表

我开启了 Spring AI 的 JDBC 记忆功能，并指定建表脚本：

▼
yaml
复制代码
spring:
  ai:
    chat:
      memory:
        repository:
          jdbc:
            initialize-schema: always        # 自动建表
            schema: classpath:sql/schema-mysql.sql  # 表结构脚本
  datasource:
    driver-class-name: com.mysql.cj.jdbc.Driver
    url: jdbc:mysql://localhost:3306/campusai?...
    username: root
    password: root

这几行配置干了两件事：

  1. 告诉 Spring AI：
    • 我要用 JDBC 作为 ChatMemoryRepository 的实现（其实就是项目里的 JdbcChatMemoryRepository）。
  2. 告诉 Spring Boot：
    • 启动时从 sql/schema-mysql.sql 里加载建表 SQL，如果表不存在就建表。

3. 数据库表结构：SPRING_AI_CHAT_MEMORY

建表脚本大致如下：

▼
sql
复制代码
CREATE TABLE IF NOT EXISTS SPRING_AI_CHAT_MEMORY (
    `id` BIGINT(19) 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 `SPRING_AI_CHAT_MEMORY_CONVERSATION_ID_TIMESTAMP_IDX` (`conversation_id`, `timestamp`),
    CONSTRAINT TYPE_CHECK CHECK (type IN ('USER', 'ASSISTANT', 'SYSTEM', 'TOOL'))
);

几个字段含义：

  • conversation_id：会话唯一标识（你在业务里用的 chatId）。
  • type：消息类型（用户 / 助手 / 系统 / 工具）。
  • content：消息内容及元数据（Spring AI 负责序列化/反序列化）。
  • timestamp：消息时间，用来按时间顺序还原整段对话。

三、核心配置：ChatMemory Bean 到底做了什么？

看下配置类

▼
java
复制代码
@Bean
public ChatMemory chatMemory(JdbcChatMemoryRepository chatMemoryRepository) {
    return MessageWindowChatMemory.builder()
            .chatMemoryRepository(chatMemoryRepository)
            .maxMessages(50)
            .build();
}

这段代码可以分三层理解：

  1. JdbcChatMemoryRepository 来源

    • 来自上面提到的 Starter + application 配置；
    • 它已经和 SPRING_AI_CHAT_MEMORY 表绑定好了：
      • save 时写表；
      • findByConversationId 时按 conversation_id + timestamp 查表。

  2. MessageWindowChatMemory 是一个“带记忆窗口的大脑”

    • 它实现了 ChatMemory 接口，但不直接操作数据库；
    • 内部会调用 chatMemoryRepository 去读写 MySQL；
    • 它的核心职责是：
      • 每次调用大模型时，从仓库里取出最近 maxMessages 条消息；
      • 把新的问答消息再写回仓库。

  3. maxMessages(50)：记忆窗口大小

    • 只把最近 50 条对话消息当成上下文传给大模型；
    • 这样可以避免无限累积上下文导致 Token 爆炸，同时又能兼顾一定的“记忆深度”。

一句话总结这段 Bean 配置：

ChatMemory = 记忆窗口策略（MessageWindowChatMemory） + 底层存储（JdbcChatMemoryRepository）

而这个 ChatMemory 会在创建 ChatClient 时被作为 Advisor 注入，负责「请求大模型时自动带上数据库里的对话历史」。

四、真正的主角：ChatMemoryRepository 是怎么“自动记忆 + 持久化”的？

Controller 里其实并没有用 ChatMemory，而是直接用了 ChatMemoryRepository：

▼
java
复制代码
@RestController
@RequestMapping("/ai/history")
@RequiredArgsConstructor
public class ChatHistoryController {

    private final ChatMemoryRepository chatMemoryRepository;
    private final ISpringAiChatRecordService recordService;

    // 新建会话记录（只是保存会话元数据）
    @RequestMapping("/create")
    public void create(@RequestBody SpringAiChatRecord record) {
        recordService.save(record);
    }

    // 获取某个会话的聊天记录
    @GetMapping("/info/{chatId}")
    public List<MessageVO> getChatHistory(@PathVariable("chatId") String chatId) {
        List<Message> messages = chatMemoryRepository.findByConversationId(chatId);
        return messages.stream().map(MessageVO::new).collect(Collectors.toList());
    }

    // 删除某个会话
    @GetMapping("/delete/{chatId}")
    public Result deleteChatHistory(@PathVariable("chatId") String chatId) {
        chatMemoryRepository.deleteByConversationId(chatId);
        recordService.removeById(chatId);
        return Result.ok();
    }
}

这里的关键点有三个：

1. ChatMemoryRepository 的来源

  • 它不是你自己写的接口，而是 Spring AI 在 1.0.0 里提供的统一持久化接口。
  • Starter 会根据你配置的 JDBC 方案，自动提供一个 JdbcChatMemoryRepository 实例，并同时以接口类型 ChatMemoryRepository 注入到 Spring 容器中。
  • 因此在 Controller 里，只需要：
▼
java
复制代码
private final ChatMemoryRepository chatMemoryRepository;

就能拿到完整的「会话消息持久化能力」。

2. findByConversationId：如何“查出一整段对话”

当你调用：

▼
java
复制代码
List<Message> messages = chatMemoryRepository.findByConversationId(chatId);

底层发生的事情是：

  1. 在 SPRING_AI_CHAT_MEMORY 表中，按 conversation_id = chatId 查询所有记录；
  2. 按 timestamp 升序排序；
  3. 把每一行的 content 字段反序列化成 Spring AI 的 Message 对象（其中包含角色、文本、工具调用等信息）；
  4. 最终返回一个 List<Message>。

在项目中，又通过MessageVO做了一层转换，使前端拿到的是简单的：

▼
java
复制代码
public class MessageVO {
    private String role;    // user / assistant / system
    private String content; // 文本内容

    public MessageVO(Message message) {
        this.role = switch (message.getMessageType()) {
            case USER -> "user";
            case ASSISTANT -> "assistant";
            case SYSTEM -> "system";
            default -> "";
        };
        this.content = message.getText();
    }
}

这样，Controller 就可以直接把 VO 列表返回给前端用于渲染历史消息。

3. deleteByConversationId：如何“一键清空某个会话的记忆”

当你调用：

▼
java
复制代码
chatMemoryRepository.deleteByConversationId(chatId);

底层则是：

  1. 在 SPRING_AI_CHAT_MEMORY 表中，按 conversation_id = chatId 执行 DELETE；
  2. 这个会话的所有消息（包括用户问、AI 答）都会被彻底清除。

配合业务表 spring_ai_chat_record 的删除：

▼
java
复制代码
recordService.removeById(chatId);

就实现了「删除会话 = 删除会话元数据 + 删除会话所有记忆」。

五、从一次真实请求看完整流程

以“智能客服”接口为例，一次请求的流程大致如下（简化版）：

  1. 前端调用：/ai/service?prompt=你好&chatId=abc123
  2. Controller 调用 ChatClient：
    • 通过 .advisors(a -> a.param(ChatMemory.CONVERSATION_ID, chatId)) 把 chatId 传给 ChatMemory；
  3. ChatMemory（MessageWindowChatMemory） 调用 ChatMemoryRepository：
    • findByConversationId("abc123")：从 MySQL 查出历史消息；
    • 截取最近 maxMessages(50) 条，作为上下文发给大模型；
  4. 大模型生成回复后，ChatMemory 再通过 ChatMemoryRepository：
    • 把本轮 USER 消息和 ASSISTANT 消息写入 SPRING_AI_CHAT_MEMORY；
  5. 当你访问历史接口 /ai/history/info/abc123 时：
    • ChatHistoryController 直接调用同一个 ChatMemoryRepository.findByConversationId("abc123")，把历史消息查出来给前端展示。

可以看到：

  • 写入/读取记忆：是由 ChatMemory 和 ChatMemoryRepository 配合完成的；
  • 对外暴露历史接口：只需要直接用 ChatMemoryRepository 的查询/删除能力即可。

六、总结

结合这个项目，我们可以把 Spring AI + MySQL 会话记忆总结成三句话：

  1. ChatMemoryRepository = 会话消息的 MySQL 持久化引擎

    • 提供 findByConversationId、deleteByConversationId 等方法；
    • 自动映射到 SPRING_AI_CHAT_MEMORY 表，无需手写 SQL。

  2. ChatMemory（MessageWindowChatMemory） = 带窗口策略的“记忆大脑”

    • 上接 ChatClient，下接 ChatMemoryRepository；
    • 决定「每次请求带多少历史」以及「如何写回历史」。

  3. Controller 可以直接「拿仓库查历史」

    • 你在 ChatHistoryController 中注入的 ChatMemoryRepository
      既是 ChatClient 的底层存储，又是你实现「会话列表/详情/删除」的入口。

理解了这两层分工，再回头看你的 Controller 和配置 Bean，就会非常顺畅：

  • 配置里说明的是：记忆如何落库 + 如何控制窗口；
  • Controller 里用的是：底层仓库提供的查/删接口。
Java
Spring
AI
0个评论
全部评论
点击登录，快来和大家讨论吧～
表情
图片
暂无评论
久睡成瘾
久睡成瘾
等级vip
内容推荐
更多
Spring Boot 如何处理跨域请求（CORS）：深度调研报告
3
27 岁，我终于做出了自己的游戏！但是一行代码都没写
5
最近在使用ChatGPT/Codex过程中发现了一个官方bug：高频日志写盘，会损坏电脑磁盘的寿命。桌面版和CLI都有这个问题，目前最新版的ChatGPT/Codex还没有彻底解决这个问题（虽然官方自称已经修复了，但实测还是有高频日志写盘问题）。建议使用下面这段提示词发给AI让它检查和修复：帮我检查 ~./codex/logs_2.sqlite 是否因 TRACE 日志持续高频写盘；如果中招，先备
2
codex
2
#字节内推# 实习、校招、社招均有岗位
4
作者分享
更多
基于策略模式的短信验证码发送设计
8
小厂全栈实习面经：双非大三首次面试（笔试手写JWT）
6
MyBatis-Plus 分页查询报错 BadSqlGrammarException：SELECT COUNT() 异常排查与解决
6
手写 Spring AI Advisor：解耦 ChatMemory 与历史记录，实现聊天记录持久化存储
10
下载 APP