前言
在构建智能对话应用时，多轮对话的上下文记忆能力是刚需。Spring AI Alibaba 提供了一套优雅的 ChatMemory 机制，将对话历史的管理、存储和恢复过程封装得极为简洁。本文将带大家从零掌握如何用 Spring AI Alibaba 集成 ChatMemory，涵盖内存存储、Redis 持久化、流式 SSE 输出等场景，并给出可直接用于生产的配置方案。
一、架构流程与核心组件
整个记忆链路如下：
前端请求 → ChatClient → MessageChatMemoryAdvisor（记忆拦截器） ↓ 自动读取/写入会话历史ChatMemory（消息窗口策略：滑动窗口，限制消息条数） ↓ 底层存储ChatMemoryRepository（存储层：内存/Redis/MySQL） ↓ 底层调用DashScopeChatModel → DashScopeApi → 阿里灵积 DashScope 平台
1. ChatMemoryRepository 存储仓库
负责对话消息持久化存储，Spring AI Alibaba 内置三种实现：
- InMemoryChatMemoryRepository：内存存储，单机测试专用，重启丢失数据
- RedisChatMemoryRepository：Redis 持久化，集群/生产推荐，会话自动过期，支持两种构建模式：Jedis 直连、复用 Spring Redis 连接工厂
- JdbcChatMemoryRepository：数据库持久化，长期留存对话记录
2. ChatMemory 记忆策略层
标准实现：MessageWindowChatMemory，滑动窗口淘汰机制，配置 maxMessages 限制最大保存消息条数，自动丢弃最早对话，防止上下文 Token 超限、API 计费暴涨。
3. MessageChatMemoryAdvisor 记忆拦截器
挂载在 ChatClient 的 Advisor 链路中，请求前自动根据 conversationId 加载历史消息，模型返回后自动保存用户/助手消息，业务代码无需手动拼接历史。
4. ConversationId 会话唯一标识
不同用户、不同聊天窗口分配独立 ID，实现会话隔离，同一个 ID 自动复用历史对话，不同 ID 完全互不干扰。
5. ChatModel vs ChatClient 记忆能力区分
- ChatModel：底层原始接口，无内置记忆管理能力，需要手动拼接消息列表，代码冗余；
- ChatClient：上层封装，搭配 Advisor 一键集成 ChatMemory，支持全局系统提示词、消息自动管理、流式、函数调用，企业开发首选。
二、Maven 核心依赖与配置
2.1 基础依赖
<!– 基础 DashScope 对话依赖（必引） –><dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-alibaba-starter-dashscope</artifactId></dependency>
内存存储无需额外依赖；Redis 持久化需引入记忆扩展包，并根据连接模式补充对应依赖：
<!– Redis记忆扩展包，两种模式都必须引入 –><dependency> <groupId>com.alibaba.cloud.ai</groupId> <artifactId>spring-ai-alibaba-starter-memory-redis</artifactId></dependency><!– 方式A：Jedis直连模式，需要该依赖 –><dependency> <groupId>redis.clients</groupId> <artifactId>jedis</artifactId></dependency><!– 方式B：复用Spring Redis连接工厂模式，需要该依赖 –><!–<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId></dependency>–>
2.2 application.yml 基础配置
spring: ai: dashscope: api-key: sk-xxxxxxxxxxxxxxxxxxxx chat: options: model: qwen-turbo temperature: 0.7 # Redis配置，Jedis直连模式通过@Value读取；连接池复用模式由SpringDataRedis自动读取 data: redis: host: 127.0.0.1 port: 6379 password: "" database: 0
三、方案1：内存版 ChatMemory（本地测试首选）
内存实现适用于开发调试，提供两种写法：极简自动装配与手动配置定制窗口大小。
3.1 方式A：极简自动装配（90% 测试场景，零配置类）
Spring AI Alibaba 自动配置了 InMemoryChatMemoryRepository，我们只需通过 @Bean 定义 ChatMemory 和 ChatClient 即可，无需手动创建仓库。
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.context.annotation.Bean;import org.springframework.context.annotation.Configuration;@Configurationpublic class AiMemoryConfig { // 使用自动装配的 InMemoryChatMemoryRepository @Bean public ChatMemory chatMemory(InMemoryChatMemoryRepository repository) { return MessageWindowChatMemory.builder() .chatMemoryRepository(repository) .maxMessages(10) // 最多保存10条消息（5轮对话） .build(); } @Bean public ChatClient chatClient(ChatModel chatModel, ChatMemory chatMemory) { return ChatClient.builder(chatModel) .defaultSystem("你是资深Java后端专家，结合上下文简洁回答问题") .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build()) .build(); }}
Controller 示例：
@RestController@RequestMapping("/ai/chat")public class MemoryChatController { @Autowired private ChatClient chatClient; @Autowired private ChatMemory chatMemory; /** * 同步多轮对话 * @param conversationId 会话ID，前端生成UUID * @param userMsg 用户提问 */ @GetMapping("/sync") public String syncChat( @RequestParam String conversationId, @RequestParam String userMsg) { return chatClient.prompt() .user(userMsg) .advisors(spec -> spec.param(ChatMemory.CONVERSATION_ID, conversationId)) .call() .content(); } // 清空指定会话记忆 @DeleteMapping("/memory/clear") public String clearMemory(@RequestParam String conversationId) { chatMemory.clear(conversationId); return "会话[" + conversationId + "]记忆已清空"; }}
3.2 方式B：手动配置类（自定义窗口上限，推荐工程化写法）
若需完全掌控 Bean 创建过程，可手动声明 Repository 和 ChatMemory：
@Configurationpublic class AiMemoryConfig { @Bean public InMemoryChatMemoryRepository memoryRepository() { return new InMemoryChatMemoryRepository(); } @Bean public ChatMemory chatMemory(InMemoryChatMemoryRepository repository) { return MessageWindowChatMemory.builder() .chatMemoryRepository(repository) .maxMessages(20) // 自定义窗口大小 .build(); } @Bean public ChatClient chatClient(ChatModel chatModel, ChatMemory chatMemory) { return ChatClient.builder(chatModel) .defaultSystem("你是资深Java后端专家，结合上下文简洁回答问题") .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build()) .build(); }}
四、方案2：Redis 持久化 ChatMemory（生产环境集群推荐）
内存存储致命缺陷：服务重启、多实例集群时会话记忆丢失，线上必须使用 Redis 持久化。RedisChatMemoryRepository 提供两套构建方式：
4.1 方式A：Jedis 直连（简单 Demo）
组件内部自建 Jedis 连接，不共享项目 Redis 连接池，yml 配置通过 @Value 读取。
@Configurationpublic class RedisMemoryConfig { @Value("${spring.data.redis.host}") private String host; @Value("${spring.data.redis.port}") private int port; @Value("${spring.data.redis.password:}") private String password; @Value("${spring.data.redis.database:0}") private int database; @Bean public RedisChatMemoryRepository redisChatMemoryRepository() { return RedisChatMemoryRepository.builder() .host(host) .port(port) .password(password) .database(database) .build(); } @Bean public ChatMemory chatMemory(RedisChatMemoryRepository redisChatMemoryRepository) { return MessageWindowChatMemory.builder() .chatMemoryRepository(redisChatMemoryRepository) .maxMessages(20) .build(); } @Bean public ChatClient chatClient(ChatModel chatModel, ChatMemory chatMemory) { return ChatClient.builder(chatModel) .defaultSystem("你是通义千问对话助手，记住用户全部历史提问") .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build()) .build(); }}
4.2 方式B：复用 Spring Data Redis 连接工厂（生产推荐）
项目已引入 spring-boot-starter-data-redis 时使用，连接池、哨兵、集群配置统一管理。
@Configurationpublic class RedisMemoryConfig { @Bean public RedisChatMemoryRepository redisChatMemoryRepository(RedisConnectionFactory redisConnectionFactory) { return RedisChatMemoryRepository.builder() .redisConnectionFactory(redisConnectionFactory) .build(); } @Bean public ChatMemory chatMemory(RedisChatMemoryRepository redisChatMemoryRepository) { return MessageWindowChatMemory.builder() .chatMemoryRepository(redisChatMemoryRepository) .maxMessages(20) .build(); } @Bean public ChatClient chatClient(ChatModel chatModel, ChatMemory chatMemory) { return ChatClient.builder(chatModel) .defaultSystem("你是通义千问对话助手，记住用户全部历史提问") .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build()) .build(); }}
Redis 记忆特性：
- 会话数据序列化存入 Redis，服务重启不丢失；
- 支持配置 Key 过期时间，自动清理长期未使用会话；
- 微服务多实例集群共享 Redis，多节点对话上下文统一。
重要区分：
- Jedis 直连模式：内部新建独立 Jedis 连接，不和业务 Redis 共用连接池，适合简单 Demo；
- RedisConnectionFactory 模式：复用项目已有 Redis 连接池，适合正式业务系统。
五、流式 SSE 接口实现带记忆打字机效果
结合 ChatMemory 实现带历史上下文的实时流式输出，基于 WebFlux Flux + SSE：
@RestController@RequestMapping("/ai/chat")public class StreamMemoryChatController { @Autowired private ChatClient chatClient; /** * 流式带记忆对话，SSE实时推送 */ @GetMapping(value = "/stream", produces = "text/event-stream;charset=utf-8") public Flux<String> streamChatWithMemory( @RequestParam String conversationId, @RequestParam String userMsg) { return chatClient.prompt() .user(userMsg) .advisors(spec -> spec.param(ChatMemory.CONVERSATION_ID, conversationId)) .stream() .content(); }}
六、总结与选型建议
Spring AI Alibaba 的 ChatMemory 体系将对话上下文管理复杂度降到最低，配合 ChatClient 的 Advisor 机制，让我们能更专注于业务逻辑。希望本文能帮助大家快速落地多轮对话功能，如有疑问欢迎在评论区交流。
