Spring AI Alibaba 多轮AI对话记忆功能实战详解

一、前言

在企业级 AI 对话业务开发中，单轮对话无记忆无法满足真实用户需求。例如：在线智能客服、业务顾问、AI 辅助办公、智能问答系统等场景，用户往往需要连续多轮提问，且模型需要记住上文对话内容，实现上下文连贯应答。

Spring AI Alibaba 针对 Java 生态提供了标准化的对话记忆（Chat Memory）能力，无需开发者手动拼接历史消息、无需自行维护上下文，可快速实现用户级、会话级多轮记忆对话。

二、核心原理

2.1、为什么默认对话没有记忆？

ChatModel / ChatClient 原生调用为无状态调用：每次请求都是独立的，大模型不会自动保存上一轮对话内容，必须开发者主动将 历史消息 + 当前提问 一并传入模型。

2.2、Spring AI 记忆核心机制

Spring AI 提供 ChatMemory 顶层接口，核心实现：

• InMemoryChatMemory：内存级记忆（适合单实例、临时会话）

• RedisChatMemory：分布式持久化记忆（生产推荐）

核心工作流程：

2.3、核心组件依赖关系

ChatMemory（记忆存储）→ ChatClient（业务调用）→ ChatModel（底层模型通信）

企业规范：业务层统一使用 ChatClient + Memory 实现多轮对话

三、业务场景介绍

本文模拟企业 AI 业务咨询助手场景：

• 不同用户通过唯一 sessionId 区分会话

• 同一个 session 下支持无限多轮上下文对话

• 不同 session 对话记忆相互隔离、互不干扰

• 支持清空指定会话记忆、重置对话上下文

四、搭建项目

4.1、技术栈介绍

1、SpringBoot 版本 3.3.10

2、Spring AI Alibaba 版本 1.1.2.0

注意： Spring AI Alibaba在很多地方进行优化和重构，与老版本有些许差异

4.2、创建项目步骤

4.2.1、项目依赖

<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>3.3.10</version>
</parent>
<groupId>com.wn</groupId>
<artifactId>dashscope</artifactId>
<version>0.0.1-SNAPSHOT</version>
<name>dashscope</name>
<description>dashscope</description>
<properties>
<java.version>17</java.version>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
<project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding>
</properties>
<dependencies>
<!– Spring Boot Web starter：提供构建 Web 应用（包括 RESTful）所需的核心依赖，如 Tomcat、Spring MVC 等 –>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<!– 单元测试依赖 –>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
<!– Spring AI Alibaba DashScope Starter：集成阿里云通义千问（DashScope）大模型能力，提供 ChatModel 等核心组件 –>
<dependency>
<groupId>com.alibaba.cloud.ai</groupId>
<artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
<version>1.1.2.0</version>
</dependency>
<!– Lombok：通过注解简化 Java 代码，自动生成 getter/setter、构造函数、toString 等方法，减少样板代码 –>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
</dependency>
</dependencies>

4.2.2、application.yml配置文件

spring:
ai:
dashscope:
api-key: ${DASHSCOPE_API_KEY}
chat:
options:
model: qwen-turbo
# 温度系数（Temperature），控制生成文本的随机性和创造性
# 取值范围通常为 0.0 到 1.0（部分模型支持更高）
# 0.9 表示较高的随机性，生成的回答会更加多样化和富有创意，但可能稍微降低准确性
temperature: 0.9
# 最大生成令牌数（Max Tokens）
# 限制模型单次响应输出的最大 token 数量
# 设置为 2048 可以平衡响应长度与成本，防止生成过长的无用内容或超出上下文限制
max-tokens: 2048

4.2.3、核心配置类

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.ai.chat.memory.InMemoryChatMemoryRepository;
import org.springframework.ai.chat.memory.MessageWindowChatMemory;
import org.springframework.ai.chat.model.ChatModel;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class AiChatMemoryConfig {

/**
* 配置对话记忆组件 (ChatMemory)
* 在 Spring AI 1.1.x 版本中，推荐使用 MessageWindowChatMemory 替代旧版的简单内存实现。
* 它基于“消息窗口”策略，只保留最近 N 条消息，既能节省 Token 消耗，又能保持上下文连贯性。
* @return ChatMemory 实例
*/
@Bean
public ChatMemory chatMemory() {
// 1. 创建内存存储库
// InMemoryChatMemoryRepository 是 ChatMemory 的底层存储实现，负责实际保存和读取消息列表。
// 这里使用内存存储，适用于单节点或测试环境；生产环境可替换为 RedisChatMemoryRepository 等持久化实现。
InMemoryChatMemoryRepository repository = new InMemoryChatMemoryRepository();

// 2. 构建 MessageWindowChatMemory 实例
// MessageWindowChatMemory 是 ChatMemory 接口的具体实现类，它封装了“窗口滑动”的逻辑。
return MessageWindowChatMemory.builder()
.chatMemoryRepository(repository) // 注入底层存储库
.maxMessages(10) // 设置窗口大小：仅保留最近的 10 条消息（包含用户提问和AI回答）
.build();
}

/**
* 构建支持多轮记忆的 ChatClient
*
* ChatClient 是 Spring AI 提供的高级抽象，用于简化与大模型的交互。
* 通过注入 ChatMemory 并配置 Advisor，可以实现自动化的上下文管理。
*
* @param chatModel 底层大模型对话模型 (由 spring-ai-alibaba-starter-dashscope 自动配置并提供)
* @param chatMemory 对话记忆组件 (由上方的 chatMemory() Bean 提供)
* @return 具备多轮记忆能力的 ChatClient 实例
*/
@Bean
public ChatClient memoryChatClient(ChatModel chatModel, ChatMemory chatMemory) {
return ChatClient.builder(chatModel)
// 植入记忆拦截器 (Advisor)
// MessageChatMemoryAdvisor 负责在发送请求前从 ChatMemory 加载历史消息，
// 并在收到响应后将新的对话内容存回 ChatMemory。
// builder(chatMemory).build() 是 Spring AI 1.1.x 中创建 Advisor 的标准方式。
.defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build())
// 设置全局默认系统提示词 (System Prompt)
// 该提示词会附加在每次对话的最前面，用于定义 AI 的角色、行为准则和业务规范。
.defaultSystem("你是企业智能业务咨询助手，回答专业、简洁、贴合业务，支持上下文连贯对话。")
.build();
}
}

4.2.4、业务工具类（封装记忆对话能力）

/**
* AI 对话记忆管理工具类
*
* 该类封装了 Spring AI 的 ChatClient 和 ChatMemory 组件，
* 提供基于会话 ID (SessionId) 的多轮对话支持和记忆清理功能。
* 适用于需要在 Service 层或 Controller 层灵活控制对话上下文的场景。
*/
@Component
public class AiChatMemoryUtil {

/**
* 具备多轮对话能力的 ChatClient 实例
* 由 Spring 容器自动注入配置好的 Bean（通常已配置了 MessageChatMemoryAdvisor）
*/
private ChatClient chatClient;

/**
* 对话记忆存储组件
* 用于直接操作底层记忆数据（如清空指定会话的历史记录）
*/
private ChatMemory chatMemory;

/**
* 构造函数注入
*
* @param chatClient 预配置的 ChatClient，负责与大模型交互并自动处理上下文拼接
* @param chatMemory 预配置的 ChatMemory，负责历史消息的持久化存储与检索
*/
public AiChatMemoryUtil(ChatClient chatClient, ChatMemory chatMemory) {
this.chatClient = chatClient;
this.chatMemory = chatMemory;
}

/**
* 执行带记忆的多轮对话
*
* 该方法通过动态参数覆盖默认的 Advisor 配置，实现针对特定会话的个性化记忆控制。
*
* @param sessionId 会话唯一标识符，用于隔离不同用户或不同对话窗口的上下文
* @param userMessage 用户当前输入的文本消息
* @return 大模型生成的回复内容
*/
public String callChatMemory(String sessionId, String userMessage) {
return chatClient.prompt()
// 配置 Advisors 的动态参数
.advisors(advisor -> advisor
// 指定当前对话所属的会话 ID
// ChatMemoryAdvisor 会根据此 ID 从存储中加载对应的历史消息
.param("chat_memory_conversation_id", sessionId)

// 动态设置最大保留消息数
// 此处覆盖默认配置，仅保留最近 20 条消息作为上下文
// 有助于控制 Token 消耗并避免超出模型上下文窗口限制
.param("chat_memory_max_messages", 20)
)
// 设置用户当前发送的消息
.user(userMessage)
// 发起同步调用并获取纯文本回复
.call()
.content();
}

/**
* 清空指定会话的对话记忆
*
* 该操作会从底层存储（如内存、Redis 或数据库）中删除该 sessionId 关联的所有历史消息。
*
* 适用场景：
* 1. 用户点击“新建对话”或“重置上下文”按钮
* 2. 用户退出登录或会话过期
* 3. 检测到敏感话题需要强制清除历史记录
*
* @param sessionId 需要清空记忆的会话唯一 ID
*/
public void clearChatMemory(String sessionId) {
// 调用 ChatMemory 接口的 clear 方法，物理删除指定会话的历史数据
chatMemory.clear(sessionId);
}
}

4.2.5、Controller层(提供带记忆的接口)

import com.wn.dashscope.utils.AiChatMemoryUtil;
import org.springframework.util.StringUtils;
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;

/**
* 通义千问（DashScope）带记忆对话控制器
*
* 提供基于会话 ID (SessionId) 的多轮对话接口，支持上下文连贯交互及记忆管理。
* 遵循 RESTful 风格，通过 GET 请求暴露服务（生产环境建议根据安全性要求调整为 POST）。
*/
@RestController
@RequestMapping("/memory")
public class DashScopeChatController {

/**
* AI 对话记忆管理工具类
* 封装了 ChatClient 和 ChatMemory 的核心逻辑，负责实际的模型调用与状态管理
*/
private AiChatMemoryUtil aiChatMemoryUtil;

/**
* 构造函数注入依赖
* @param aiChatMemoryUtil 预配置的对话工具类 Bean
*/
public DashScopeChatController(AiChatMemoryUtil aiChatMemoryUtil) {
this.aiChatMemoryUtil = aiChatMemoryUtil;
}

/**
* 带上下文记忆的多轮对话接口
*
* 接收用户提问，结合历史会话记录生成 AI 回复。
* 每次调用会自动将新的问答对存入记忆库，供后续对话参考。
*
* @param sessionId 会话唯一标识符（由前端生成并维护，用于隔离不同用户的上下文）
* @param msg 用户当前的提问内容
* @return AI 生成的文本回复，或在参数非法时返回错误提示
*/
@GetMapping("/call")
public String chatMemory(@RequestParam String sessionId, @RequestParam String msg) {
// 1. 参数合法性校验
// 防止空指针异常或无效请求，确保业务逻辑执行的稳定性
if (!StringUtils.hasText(sessionId) || !StringUtils.hasText(msg)) {
return "会话ID和提问内容不能为空";
}
// 2. 执行带记忆的对话调用
// 委托给 AiChatMemoryUtil 处理复杂的上下文加载、Prompt 构建及模型调用
return aiChatMemoryUtil.callChatMemory(sessionId, msg);
}

/**
* 清空指定会话的记忆
*
* 用于重置对话上下文，适用于用户开启新话题、退出登录或发现上下文污染的场景。
* 操作完成后，该 sessionId 关联的历史消息将从存储中彻底删除。
*
* @param sessionId 需要清空记忆的会话唯一标识符
* @return 操作结果提示信息
*/
@GetMapping("/clear")
public String clearMemory(@RequestParam String sessionId) {
// 1. 参数合法性校验
if (!StringUtils.hasText(sessionId)) {
return "会话ID不能为空";
}
// 2. 执行记忆清除操作
// 直接调用底层 ChatMemory 组件清除数据
aiChatMemoryUtil.clearChatMemory(sessionId);
// 3. 返回成功反馈
return "会话[" + sessionId + "]上下文记忆已清空";
}
}

4.2.6、接口测试效果

请求1：

请求2: