当前位置： 首页 > news >正文

【AI大模型】Spring AI 基于mysql实现对话持久存储详解

news 2025/7/7 5:46:10

目录

一、前言

二、Spring AI 记忆功能概述

2.1 Spring AI会话记忆介绍

2.2 常用的会话记忆存储方式

2.2.1 集成数据库持久存储会话实现步骤

三、基于MySql实现会话记忆的实现过程

3.1 ChatMemory 介绍

3.2 ChatMemory的几种实现

3.2.1 InMemoryChatMemory

3.2.2 MessageWindowChatMemory 

3.2.3 MessageChatMemoryAdvisor

3.3 基于mysql实现会话记忆存储思路

四、基于mysql实现会话记忆操作过程

4.1 自定义ChatMemory实现会话记忆存储

4.1.1 创建一张表

4.1.2 导入核心依赖

4.1.3 增加配置信息

4.1.4 添加实体类

4.1.5 增加mapper接口

4.1.6 自定义ChatMemory

4.1.7 配置 ChatClient

4.1.8 增加测试接口

4.1.9 效果验证

4.2 基于JdbcTemplate实现会话记忆存储

4.2.1 前置准备

4.2.2 导入核心依赖

4.2.3 添加配置文件

4.2.4 自定义配置类

4.2.5 添加测试接口

4.2.6 效果验证

1）第一次调用

五、写在文末

一、前言

我们知道，大型语言模型 （LLM） 是无状态的，这就意味着大模型在对话时不会保存之前的交互信息。当我们希望在一次会话中，模型支持多次交互，那么我们该如何实现呢？ 在 Spring AI中提供了ChatMemory功能，它允许我们在与LLM的多次交互中存储与检索信息。

二、Spring AI 记忆功能概述

2.1 Spring AI会话记忆介绍

Spring AI 的会话记忆功能是指让智能体（如AI助手、机器人、虚拟角色等）在多次交互中保持上下文或状态，从而提升交互体验和功能性。这种记忆功能使得智能体能够“记住”用户提供的信息，并在后续对话中参考和使用这些信息，从而提供更加个性化和精准的回复。官方文档：Chat Memory :: Spring AI Reference

2.2 常用的会话记忆存储方式

Spring AI通过 ChatMemory 接口来实现会话记忆功能。常用实现方式有下面几种：

  • 内存存储：

    • 使用 InMemoryChatMemory 来存储对话历史，这种方式适用于临时会话，但不适合长期存储；

  • 数据库存储：

    • 集成 MySQL 、 Mongo、Redis 或其他数据库来存储对话历史，以实现长期的会话记忆

2.2.1 集成数据库持久存储会话实现步骤

在实际应用中，一般是将会话数据进行持久化存储，通常的实现步骤如下：

  1. 集成数据库：

    1. 选择合适的数据存储组件（如MySQL、Mongo、Redis等），并导入相关依赖。

      1. 例如，使用MySQL存储对话历史需要导入 spring-ai-starter-model-chat-memory-repository-jdbc 依赖和 mysql-connector-j 依赖。

  2. 配置会话记忆：

    1. 在Spring配置中定义会话存储方式和会话记忆Advisor。

      1. 例如，使用 InMemoryChatMemory 并通过 MessageChatMemoryAdvisor 配置会话记忆。

  3. 添加会话ID：

    1. 每次会话时通过前端区分会话ID，确保同一个会话ID对应多次对话的消息列表，从而实现会话隔离。

三、基于MySql实现会话记忆的实现过程

使用Spring AI 基于MySql实现会话的记忆存储有两种实现方式，一种是基于ChatMemory的实现，另一种是基于JdbcTemplate 的方式实现，下面分别介绍。

3.1 ChatMemory 介绍

实现LLM的会话的记忆存储离不开ChatMemory，ChatMemory 是 Spring AI 中定义聊天记忆行为的核心接口，通过源码点进去查看，可以看到这是一个顶级接口

public interface ChatMemory {default void add(String conversationId, Message message) {this.add(conversationId, List.of(message));}void add(String conversationId, List<Message> messages);List<Message> get(String conversationId, int lastN);void clear(String conversationId);
}

可以看到，该接口定义了三个核心操作方法：

  • add()

    • 添加消息到记忆

  • get()

    • 获取对话历史

  • clear()

    • 清除对话记忆

3.2 ChatMemory的几种实现

使用Spring AI过程中，细心的同学通过源码可以看到ChatMemory提供了内置的几种实现，下面分别说明。

3.2.1 InMemoryChatMemory

如果没有引入第三方的会话存储组件，ChatMemory 的默认实现类为InMemoryChatMemory，从源码中可以看到该类对ChatMemory 的几个接口方法进行了实现，开发者可以直接使用。

3.2.2 MessageWindowChatMemory 

MessageWindowChatMemory将消息的窗口保持在指定的最大大小。当消息数超过最大值时，在保存系统消息时会删除较旧的消息。默认窗口大小为20个消息。

MessageWindowChatMemory 是 ChatMemory 的主要实现类，具有以下特点：

  • 维护一个固定大小的消息窗口

  • 自动移除旧消息，保留最新消息

  • 默认保留20条消息（可配置）

  • 特殊处理系统消息（不会被自动移除）

3.2.3 MessageChatMemoryAdvisor

MessageChatMemoryAdvisor 是 Spring AI 中用于处理会话历史记录的核心类。我们可以创建一个自定义的 MemoryAdvisor，并使用它来存储对话数据。MessageWindowChatMemory 是 ChatMemory 的主要实现类，具有以下特点：

  • 维护一个固定大小的消息窗口

  • 自动移除旧消息，保留最新消息

  • 默认保留20条消息（可配置）

  • 特殊处理系统消息（不会被自动移除）

官方文档地址：Chat Memory :: Spring AI Reference

3.3 基于mysql实现会话记忆存储思路

从上面关于ChatMemory的介绍中不难发现，实现会话记忆存储的最重要的组件就是ChatMemory，所以其核心思路如下：

  • 创建会话存储数据表；
  • 自定义操作会话记忆的类，实现ChatMemory接口，重写里面的相关方法；
    • 即对会话的增删改操作改为查询数据库；
  • 配置ChatClient 和 ChatMemory ，使用自定义的实现了ChatMemory的类；

四、基于mysql实现会话记忆操作过程

下面介绍两种具体的基于mysql的实现详细过程。

4.1 自定义ChatMemory实现会话记忆存储

4.1.1 创建一张表

使用下面的建表sql创建一个表，该表用于后面存储会话信息

CREATE TABLE `ai_chat_memory` (`id` BIGINT NOT NULL AUTO_INCREMENT PRIMARY KEY COMMENT 'id',`chat_id` varchar(32) NOT NULL COMMENT '会话id',`type` varchar(10) NOT NULL DEFAULT 'user' COMMENT '消息类型',`content` text NOT NULL COMMENT '消息内容',`create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',`update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',`is_del` tinyint(1) NOT NULL DEFAULT '0' COMMENT '删除标记,0-未删除;1-已删除')ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8mb4;

注意：

  • spring-ai默认生成的会话Id为defalut，不是UUID。

这里选择将单条消息作为数据库的一行数据，而不是单次会话，因此chat_id不是唯一的。

CREATE index idx_chat_id ON ai_chat_memory (chat_id);

4.1.2 导入核心依赖

本例使用mysql进行会话存储，使用mybatis-plus作为orm框架，在pom中导入如下依赖

<properties><maven.compiler.source>17</maven.compiler.source><maven.compiler.target>17</maven.compiler.target><project.build.sourceEncoding>UTF-8</project.build.sourceEncoding><spring-ai.version>1.0.0-M6</spring-ai.version><spring-ai-alibaba.version>1.0.0-M6.1</spring-ai-alibaba.version>
</properties><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>3.3.3</version><relativePath/>
</parent><dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>${spring-ai.version}</version><type>pom</type><scope>import</scope></dependency></dependencies>
</dependencyManagement><dependencies><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><scope>provided</scope></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-mcp-client-webflux-spring-boot-starter</artifactId></dependency><dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-starter</artifactId><version>${spring-ai-alibaba.version}</version></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId></dependency><dependency><groupId>com.baomidou</groupId><artifactId>mybatis-plus-spring-boot3-starter</artifactId><version>3.5.10.1</version></dependency><!-- MySQL 驱动 --><dependency><groupId>mysql</groupId><artifactId>mysql-connector-java</artifactId><version>8.0.26</version> <!-- 使用适合你的MySQL驱动版本 --></dependency><!--<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-chat-memory-repository-jdbc</artifactId><version>1.0.0</version></dependency>--></dependencies><repositories><repository><name>Central Portal Snapshots</name><id>central-portal-snapshots</id><url>https://central.sonatype.com/repository/maven-snapshots/</url><releases><enabled>false</enabled></releases><snapshots><enabled>true</enabled></snapshots></repository><repository><id>spring-milestones</id><name>Spring Milestones</name><url>https://repo.spring.io/milestone</url><snapshots><enabled>false</enabled></snapshots></repository><repository><id>spring-snapshots</id><name>Spring Snapshots</name><url>https://repo.spring.io/snapshot</url><releases><enabled>false</enabled></releases></repository>
</repositories><build><finalName>${project.artifactId}</finalName><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins>
</build>

4.1.3 增加配置信息

在工程的配置文件中增加如下配置信息

spring:ai:dashscope:api-key: 你的百炼平台的apikeychat:options:model: qwen-maxchat:client:enabled: falsedatasource:driver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://IP:3306/testusername: rootpassword: 123456#  data:
#    redis:
#      host: localhost
#      port: 6379# mybatis-plus配置
mybatis-plus:type-aliases-package: com.congge.domainconfiguration:# 下划线转驼峰map-underscore-to-camel-case: true# 全局配置global-config:db-config:# 数据库id配置id-type: autologic-delete-field: is_del # 全局逻辑删除字段名logic-delete-value: 1   # 逻辑已删除值。可选，默认值为 1logic-not-delete-value: 0 # 逻辑未删除值。可选，默认值为 0mapper-locations: classpath:/mapper/**.xml

4.1.4 添加实体类

实体类与数据表映射

package com.congge.domain;import com.baomidou.mybatisplus.annotation.IdType;
import com.baomidou.mybatisplus.annotation.TableId;
import com.baomidou.mybatisplus.annotation.TableName;
import lombok.Data;import java.util.Date;@Data
@TableName("ai_chat_memory")
public class AiChatMemory {@TableId(value = "id", type = IdType.AUTO)private Long id;private String chatId;private String type;private String content;private Date createTime;private Date updateTime;private Integer isDel;}

4.1.5 增加mapper接口

package com.congge.mapper;import com.baomidou.mybatisplus.core.mapper.BaseMapper;
import com.congge.domain.AiChatMemory;
import org.apache.ibatis.annotations.Mapper;@Mapper
public interface AiChatMemoryMapper extends BaseMapper<AiChatMemory> {}

4.1.6 自定义ChatMemory

增加一个自定义类，实现ChatMemory，并重写里面的方法

package com.congge.config.mysql;import com.baomidou.mybatisplus.core.conditions.query.QueryWrapper;
import com.congge.domain.AiChatMemory;
import com.congge.mapper.AiChatMemoryMapper;
import jakarta.annotation.Resource;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.ai.chat.messages.*;
import org.springframework.stereotype.Component;
import org.springframework.util.CollectionUtils;import java.util.ArrayList;
import java.util.List;/*** 基于MySQL ChatMemory实现*/
@Component
public class InMySqlChatMemory implements ChatMemory {@Resourceprivate AiChatMemoryMapper aiChatMemoryMapper;@Overridepublic void add(String conversationId, List<Message> messages) {List<AiChatMemory> aiChatMemorieList = new ArrayList<>();messages.forEach(message -> {AiChatMemory aiChatMemory = new AiChatMemory();aiChatMemory.setChatId(conversationId);aiChatMemory.setType(message.getMessageType().getValue());aiChatMemory.setContent(message.getText());aiChatMemorieList.add(aiChatMemory);});aiChatMemoryMapper.insertOrUpdate(aiChatMemorieList);}@Overridepublic List<Message> get(String conversationId, int lastN) {if (lastN >0){List<AiChatMemory> aiChatMemoryList = aiChatMemoryMapper.selectList(new QueryWrapper<AiChatMemory>().eq("chat_id", conversationId).orderByDesc("create_time").last("limit " + lastN));if (CollectionUtils.isEmpty(aiChatMemoryList)){return List.of();}return aiChatMemoryList.stream().map(aiChatMemory -> {String type = aiChatMemory.getType();String content = aiChatMemory.getContent();Message message;return switch (type) {case "system" -> message = new SystemMessage(content);case "user" -> message = new UserMessage(content);case "assistant" -> message = new AssistantMessage(content);default -> throw new IllegalArgumentException("Unknown message type: " + type);};}).toList();}return List.of();}@Overridepublic void clear(String conversationId) {aiChatMemoryMapper.delete(new QueryWrapper<AiChatMemory>().eq(conversationId!=null,"chat_id",conversationId));}
}

4.1.7 配置 ChatClient

增加一个配置类，将ChatClient作为全局bean配置进去

package com.congge.config.mysql;import com.alibaba.cloud.ai.dashscope.api.DashScopeApi;
import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatModel;
import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatOptions;
import jakarta.annotation.Resource;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;@Configuration
public class MysqlChatClientConfig {@Value("${spring.ai.dashscope.api-key}")public String apiKey;@ResourceChatMemory InMySqlChatMemory;@Beanpublic ChatClient qwenPlusInMemoryChatClient(){if (apiKey == null)throw new RuntimeException("apiKey is null");return ChatClient.builder(new DashScopeChatModel(new DashScopeApi(apiKey),DashScopeChatOptions.builder().withModel("qwen-max").build()))//.defaultSystem(LOVE_PROMPT).defaultAdvisors(//自定义持久化记忆advisornew MessageChatMemoryAdvisor(InMySqlChatMemory)).build();}
}

4.1.8 增加测试接口

如下，增加两个测试接口，用于观察效果

package com.congge.web;import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;@RequestMapping("/memory/store")
@RestController
@Slf4j
public class MySqlChatStoreController {@Autowiredprivate ChatClient chatClient;@Autowiredprivate ChatMemory chatMemory;//localhost:8082/memory/store/chat?userId=1&inputMsg=我叫小王//localhost:8082/memory/store/chat?userId=1&inputMsg=你知道我是谁吗@GetMapping(value = "/chat")public String chat(@RequestParam String userId, @RequestParam String inputMsg) {String response = chatClient.prompt().user(inputMsg).advisors(new MessageChatMemoryAdvisor(chatMemory, userId, 10)).call().content();return response;}//localhost:8082/memory/store/chat/v2?message=你是谁呢@GetMapping("/chat/v2")public String simpleChat(String message) {return chatClient.prompt().user(message).call().content();}}

4.1.9 效果验证

启动工程后，分别做下面的测试。

1）第一次调用

2）第二次调用

通过上述的2次调用可以看到，通过上面的方式也能够实现与大模型对话的上下文记忆功能，此时查看数据库，可以看到会话数据存储到了数据表中，由于上面代码中没有设置系统角色，这里显示的是deafult

4.2 基于JdbcTemplate实现会话记忆存储

这种实现方式相对来说要简单一些，不过对Spring AI的版本要求较高，这个在实际整合应用中需要注意，下面看完整的操作过程。

4.2.1 前置准备

去硅基流动网站注获取apikey 硅基流动用户系统，统一登录 SSO

去spring ai官网获取open ai依赖 ，此种实现方式需要依赖最新的版本：Upgrade Notes :: Spring AI Reference

mysql数据库创建一张数据表，用于保存会话信息

CREATE TABLE `spring_ai_chat_memory` (`id` bigint NOT NULL AUTO_INCREMENT COMMENT 'ID',`conversation_id` varchar(255) DEFAULT NULL COMMENT '会话ID',`content` varchar(10000) DEFAULT NULL COMMENT '内容',`type` varchar(255) DEFAULT NULL COMMENT '类型',`timestamp` datetime DEFAULT NULL COMMENT '时间',PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8mb4;

4.2.2 导入核心依赖

在pom文件中导入如下核心依赖

<properties><maven.compiler.source>17</maven.compiler.source><maven.compiler.target>17</maven.compiler.target><project.build.sourceEncoding>UTF-8</project.build.sourceEncoding><!--<spring-ai.version>1.0.0-M6</spring-ai.version>--><spring-ai.version>1.0.0</spring-ai.version><spring-ai-alibaba.version>1.0.0-M6.1</spring-ai-alibaba.version></properties><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>3.3.3</version><relativePath/></parent><dependencyManagement><dependencies><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-bom</artifactId><version>${spring-ai.version}</version><type>pom</type><scope>import</scope></dependency></dependencies></dependencyManagement><dependencies><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><scope>provided</scope></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><!--<dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-starter</artifactId><version>${spring-ai-alibaba.version}</version></dependency>--><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-openai</artifactId><version>1.0.0</version></dependency><dependency><groupId>com.baomidou</groupId><artifactId>mybatis-plus-spring-boot3-starter</artifactId><version>3.5.10.1</version></dependency><!-- MySQL 驱动 --><dependency><groupId>mysql</groupId><artifactId>mysql-connector-java</artifactId><version>8.0.26</version> <!-- 使用适合你的MySQL驱动版本 --></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-chat-memory-repository-jdbc</artifactId><version>1.0.0</version></dependency></dependencies><repositories><repository><name>Central Portal Snapshots</name><id>central-portal-snapshots</id><url>https://central.sonatype.com/repository/maven-snapshots/</url><releases><enabled>false</enabled></releases><snapshots><enabled>true</enabled></snapshots></repository><repository><id>spring-milestones</id><name>Spring Milestones</name><url>https://repo.spring.io/milestone</url><snapshots><enabled>false</enabled></snapshots></repository><repository><id>spring-snapshots</id><name>Spring Snapshots</name><url>https://repo.spring.io/snapshot</url><releases><enabled>false</enabled></releases></repository></repositories><build><finalName>${project.artifactId}</finalName><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></build>

4.2.3 添加配置文件

在工程的配置文件中添加下面的配置信息

server:port: 8083spring:ai:openai:api-key: 你的硅基流动apikeybase-url: https://api.siliconflow.cnchat:options:model: deepseek-ai/DeepSeek-R1chat:memory:repository:jdbc:initialize-schema: never#platform: mariadb#schema: classpath:org/springframework/ai/chat/memory/repository/jdbc/schema-mariadb.sqldatasource:driver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://你的数据库IP:3306/ry?useUnicode=true&characterEncoding=utf8&autoReconnectForPools=true&useSSL=falseusername: 用户名password: 密码logging:level:# 用于支持llm模型输入前和输入后的日志打印org.springframework.ai.chat.client.advisor: debug# mybatis-plus配置
#mybatis-plus:
#  type-aliases-package: com.congge.domain
#  configuration:
#    # 下划线转驼峰
#    map-underscore-to-camel-case: true
#  # 全局配置
#  global-config:
#    db-config:
#      # 数据库id配置
#      id-type: auto
#      logic-delete-field: is_del # 全局逻辑删除字段名
#      logic-delete-value: 1   # 逻辑已删除值。可选，默认值为 1
#      logic-not-delete-value: 0 # 逻辑未删除值。可选，默认值为 0
#  mapper-locations: classpath:/mapper/**.xml

4.2.4 自定义配置类

自定义ChatClient和ChatMemory全局bean，参考下面的代码

package com.congge.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.ChatMemoryRepository;
import org.springframework.ai.chat.memory.MessageWindowChatMemory;
import org.springframework.ai.chat.memory.repository.jdbc.JdbcChatMemoryRepository;
import org.springframework.ai.chat.memory.repository.jdbc.JdbcChatMemoryRepositoryDialect;
import org.springframework.ai.openai.OpenAiChatModel;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.jdbc.core.JdbcTemplate;import javax.sql.DataSource;@Configuration
public class JdbcChatConfig {@Beanpublic JdbcChatMemoryRepository jdbcChatMemoryRepository(JdbcTemplate jdbcTemplate, DataSource dataSource) {JdbcChatMemoryRepositoryDialect dialect = JdbcChatMemoryRepositoryDialect.from(dataSource);return JdbcChatMemoryRepository.builder().jdbcTemplate(jdbcTemplate).dialect(dialect).build();}@Beanpublic ChatMemory chatMemory(ChatMemoryRepository jdbcChatMemoryRepository){return MessageWindowChatMemory.builder().chatMemoryRepository(jdbcChatMemoryRepository)// 每个会话最多记录20条信息，可以根据实际情况设置.maxMessages(20).build();}@Beanpublic ChatClient chatClient(OpenAiChatModel openAiChatModel, ChatMemory chatMemory){// 配置模型 （因为我们使用的是 ollama, 所以此处写的是 OllamaChatModel）return ChatClient.builder(openAiChatModel)// 默认系统提示词//.defaultSystem("你是一个擅长进行情绪管理的AI助手。")// 添加模型输入前和输入后日志打印.defaultAdvisors(new SimpleLoggerAdvisor(),// 配置 chat memory advisorMessageChatMemoryAdvisor.builder(chatMemory).build()).build();}}

4.2.5 添加测试接口

添加一个自定义接口，方便测试看效果，参考下面的代码

package com.congge.web;import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;@RestController
@RequestMapping("/memory")
public class ChatController {@Autowiredprivate ChatClient chatClient;//localhost:8083/memory/chat?userId=1&inputMsg=我叫小王//localhost:8083/memory/chat?userId=1&inputMsg=你知道我是谁吗@GetMapping(value = "/chat")public String chat(@RequestParam String userId, @RequestParam String inputMsg) {String response = chatClient.prompt().user(inputMsg).advisors(advisorSpec -> advisorSpec.param(ChatMemory.CONVERSATION_ID, userId))//.advisors(new MessageChatMemoryAdvisor(chatMemory, userId, 10)).call().content();return response;}}

4.2.6 效果验证

下面分别调用一下接口进行测试。

1）第一次调用

调用接口，向大模型发起提问

2）第二次调用

调用接口，向大模型发起提问，测试会话记忆是否生效

通过上面的两次接口测试，可以看到，会话记忆能够实现，同时检查数据表，对话的数据进行了持久化存储

3）第三次调用

将服务停掉，然后重启服务，再次调用接口2，可以看到，由于历史会话进行了存储，所以当发起与历史会话相关的提问时，大模型仍然保持着会话记忆功能。

五、写在文末

本文通过较大的篇幅详细介绍了基于mysql实现会话记忆的功能，希望对看到的同学有用，本篇到此结束，感谢观看。

http://www.lryc.cn/news/581437.html

相关文章：

  • Neo4j 综合练习作业
  • 7，TCP服务器
  • 卫星通信终端天线的5种对星模式之一：信标跟踪
  • mysql的JDBC和连接池
  • 如何正确规范的开发术语自己的TYPECHO插件
  • 【CSS样式】有趣的滑块开关
  • Gin Web 服务集成 Consul：从服务注册到服务发现实践指南（下）
  • 【influxdb3】如何使用 SQL 对时间序列数据进行聚合查询
  • CppCon 2018 学习:Woes of Scope Guards and Unique_Resource
  • Redis存储Cookie实现爬虫保持登录 requests | selenium
  • RK3588 源码编译 opencv
  • Java 大视界 -- Java 大数据在智能教育在线课程学习效果影响因素分析与优化设计（334）
  • Web后端开发-SpringBootWeb入门、Http协议、Tomcat
  • Spring Boot + 本地部署大模型实现：优化与性能提升！
  • Docker相关内容
  • 闲庭信步使用图像验证平台加速FPGA的开发：开篇语——跨越软件和硬件开发的鸿沟
  • string类（详解）
  • Linux关机指令详解：shutdown命令的使用指南
  • SpringAI与智能体入门
  • 成为git砖家(12): 看懂git合并分支时冲突提示符
  • Linux操作系统之文件（四）：文件系统（上）
  • PADS交互式布局
  • PageRank：互联网的马尔可夫链平衡态
  • 线程锁和线程同步
  • Servlet学习
  • Spring--循环依赖以及三级缓存详解
  • Chat Model API
  • Altium Designer使用教程 第一章（Altium Designer工程与窗口）
  • Eureka和Nacos都可以作为注册中心,它们之间的区别
  • Java类变量（静态变量）