Spring AI 学习指南（四）ChatMemory内存记忆实战｜官方标准架构实现多轮对话

大模型是无状态的。每一次HTTP请求都是独立会话，模型不会主动保存任何历史对话。比如我们先问“你是挂号助手”，再问“我刚刚说了什么”，AI会完全无法应答，这也是原生LLM的“健忘”特性。想要实现类似ChatGPT的连续多轮对话，必须手动维护对话上下文。Spring AI 提供了整套ChatMemory对话记忆体系，彻底解决无状态痛点，让AI拥有上下文记忆能力。本篇作为记忆系列第一篇，我们先从最简单

javalucene

370人浏览 · 2026-05-25 12:01:16

javalucene · 2026-05-25 12:01:16 发布

统一环境：IDEA2026.1.1、JDK21、SpringBoot3.5.14、SpringAI1.1.6、智谱glm-4-flash

前置阅读：已掌握 ChatModel 底层原理、ChatClient 链式写法、三大消息体系

一、前言：为什么AI需要记忆？

在前三期的实战中，我们实现了AI基础问答、角色对话、流式输出等功能，但所有接口都存在一个核心问题：大模型是无状态的。

每一次HTTP请求都是独立会话，模型不会主动保存任何历史对话。比如我们先问“你是挂号助手”，再问“我刚刚说了什么”，AI会完全无法应答，这也是原生LLM的“健忘”特性。

想要实现类似ChatGPT的连续多轮对话，必须手动维护对话上下文。Spring AI 提供了整套ChatMemory对话记忆体系，彻底解决无状态痛点，让AI拥有上下文记忆能力。

本篇作为记忆系列第一篇，我们先从最简单、零依赖的内存记忆入手，吃透 Spring AI 官方标准架构，为后续 JDBC 数据库持久化、Redis 分布式高性能记忆打好基础。

二、核心概念：彻底分清 Memory 与 History

学习记忆功能前，必须厘清官方明确区分的两个核心概念，避免后续开发踩坑。

2.1 Chat Memory（对话记忆）

专门供给大模型推理使用的上下文消息，是裁剪后的窗口化消息，只保留近期有效对话，避免上下文无限膨胀，控制Token消耗和响应速度。

2.2 Chat History（对话历史）

完整的、未经裁剪的全量对话记录，主要用于业务归档、日志审计、数据复盘，不建议全部传给大模型。

核心避坑：不要把完整对话历史全部传入模型，会导致Token成本飙升、响应延迟增高、历史冗余污染当前提问，降低回答质量。

三、Spring AI 记忆架构（核心重点）

Spring AI 1.1.x 采用策略与存储解耦的分层架构，扩展性极强，更换存储方式无需改动核心业务逻辑。

3.1 两层核心架构

ChatMemory（记忆策略层）：负责管理上下文规则，控制消息窗口大小、裁剪过期消息、维护对话边界，不负责数据存储。核心实现：MessageWindowChatMemory（滑动窗口记忆，官方默认）
ChatMemoryRepository（存储层）：只负责消息的增删改查，纯粹做数据持久化，不参与记忆规则处理。核心实现：内存、JDBC、Redis等

3.2 核心接口职责

ChatMemory 核心能力：新增消息、获取会话上下文、清空会话记忆

ChatMemoryRepository 核心能力：存取消息、查询会话、删除会话数据

3.3 Advisor 自动装配机制

Spring AI 通过 MessageChatMemoryAdvisor 组件，将记忆能力自动植入对话流程：

请求前：根据会话ID读取历史消息，拼接进Prompt
响应后：自动保存本轮用户提问、AI回复到记忆存储中

全程无需手动拼接消息、无需手动存历史，全自动实现多轮对话。

四、内存存储方案详解（In-Memory）

内存存储是 Spring AI 默认的记忆方案，底层基于 InMemoryChatMemoryRepository 实现，依靠 ConcurrentHashMap 存储会话数据，Key为会话ID，Value为消息列表。

4.1 适用场景

本地开发、功能测试、学习Demo
单机临时对话场景

4.2 优缺点

优点：零依赖、零配置、开箱即用、开发效率高

致命缺点：服务重启记忆全部丢失、不支持集群多实例共享、生产环境禁止使用

五、实战：官方标准内存记忆多轮对话

我们基于 MessageWindowChatMemory + 内存Repository + Advisor 官方标准架构，实现带窗口裁剪、多会话隔离的多轮对话。

5.1 编写记忆配置类

统一配置记忆窗口大小、内存存储、自动顾问组件，全局生效

package demo.ai.conf;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
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 ChatMemoryConfig {

    /**
     * 1. 注册内存存储仓库（默认存储方案）
     */
    @Bean
    public InMemoryChatMemoryRepository chatMemoryRepository() {
        return new InMemoryChatMemoryRepository();
    }

    /**
     * 2. 注册滑动窗口记忆策略
     * maxMessages：最大保留消息条数，超出自动裁剪旧消息，保留系统消息
     */
    @Bean
    public MessageWindowChatMemory chatMemory(InMemoryChatMemoryRepository repository) {
        return MessageWindowChatMemory.builder()
                .chatMemoryRepository(repository)
                .maxMessages(10)   //最多保留10条对话消息
                .build();
    }

    /**
     * 3. 构建自带记忆能力的ChatClient
     * 自动装配记忆顾问，实现上下文自动拼接、自动存储
     */
    @Bean
    public ChatClient chatClient(ChatClient.Builder builder, MessageWindowChatMemory chatMemory) {
        return builder
                .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build())
                .build();
    }
}

由于ChatMemoryConfig构建了ChatClient，那么上次教程在ChatClientConfiguration构建的ChatClient需要注释掉，否则启动会报错

package demo.ai.conf;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

//@Configuration
public class ChatClientConfiguration {

    @Bean
    public ChatClient chatClient(ChatClient.Builder chatClientBuilder) {
        return chatClientBuilder.build();
    }
}

5.2 编写记忆对话控制器

package demo.ai.controller;

import jakarta.annotation.Resource;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.memory.ChatMemory;
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;
import reactor.core.publisher.Flux;

@RestController
@RequestMapping("/memory")
public class ChatMemoryController {

    @Resource
    private ChatClient chatClient;
    @Resource
    private ChatMemory chatMemory;

    /**
     * 带内存记忆的普通多轮对话
     * @param sessionId 会话ID，实现多用户隔离
     * @param msg 用户提问
     * @return AI连贯回复
     */
    @GetMapping("/chat")
    public String memoryChat(@RequestParam String sessionId,
                             @RequestParam String msg) {
        return chatClient.prompt()
                // 传入会话ID，隔离不同用户对话
                .advisors(advisor -> advisor.param(ChatMemory.CONVERSATION_ID, sessionId))
                .system("你是专业的医院挂号咨询助手，回答简洁、易懂、专业")
                .user(msg)
                .call()
                .content();
    }

    /**
     * 带内存记忆的流式多轮对话
     */
    @GetMapping("/stream")
    public Flux<String> memoryStreamChat(@RequestParam String sessionId,
                                         @RequestParam String msg) {
        return chatClient.prompt()
                .advisors(advisor -> advisor.param(ChatMemory.CONVERSATION_ID, sessionId))
                .system("你是专业的医院挂号咨询助手，分段清晰、简洁回答问题")
                .user(msg)
                .stream()
                .content();
    }

    /**
     * 清空指定会话记忆
     */
    @GetMapping("/clear")
    public String clearMemory(@RequestParam String sessionId) {
        chatMemory.clear(sessionId);
        return "会话【" + sessionId + "】记忆已清空";
    }
}

pom.xml、application.yml 与上次教程一样，不再列出。