【AI大模型】Spring AI 基于Redis实现对话持久存储详解

置顶 已于 2025-07-06 20:26:24 修改
阅读量3.7k 收藏 48
点赞数 53
CC 4.0 BY-SA版权
分类专栏： AI 大模型应用到项目实战高手 springboot 入门到精通项目实战 Spring AI 核心技术 文章标签： Spring AI会话存储 Spring AI会话记忆 Spring AI持久化会话 Spring AI会话持久化 Spring AI会话 Spring AI记忆
于 2025-06-24 19:07:50 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhangcongyi420/article/details/148808144

目录

一、前言

二、Spring AI 会话记忆介绍

2.1 Spring AI 会话记忆概述

2.2 常用的会话记忆实现方式

2.2.1 集成数据库持久存储会话实现步骤

2.3 适用场景

三、Spring AI基于内存会话记忆存储

3.1 本地开发环境准备

3.2 工程搭建与集成

3.2.1 添加核心依赖

3.3.2 添加配置文件

3.3.3 添加测试接口

3.2 ChatMemory 介绍

3.2.1 ChatMemory 概述

3.2.2 InMemoryChatMemory

3.2.3 MessageWindowChatMemory 

3.2.4 MessageChatMemoryAdvisor

3.3 案例效果演示

3.3.1 自定义配置类

3.3.2 添加测试接口

四、Spring AI基于Redis记忆存储

4.1 前置准备

4.1.1 导入redis依赖

4.1.2 增加配置信息

4.1.4 增加redis配置类

4.1.5 启动redis服务

4.2 代码整合过程

4.2.1 增加会话实体对象

4.2.2 自定义ChatMemory

4.2.3 自定义模型配置类

4.2.4 添加测试接口

4.2.5 效果测试

五、写在文末

一、前言

在使用AI大模型产品进行多轮对话的时候发现，你可以在第一次输入问题并得到大模型的回复之后，只要是在一定的会话时间窗口期内，再次提问与第一次相关的问题，或者基于第一次的提问的衍生内容，大模型均可以再次回复与此相关的回答，这就是大模型的记忆功能。

默认情况下，我们向大模型每次发起的提问都是新的，大模型就无法把我们的每次对话形成记忆，也无法根据对话上下文给出人性化的答案，因为大模型已经失去了上一次的提问记忆。所以让智能体（如AI助手、机器人、虚拟角色等）拥有记忆功能不仅能提升交互体验，还能增强其功能性、适应性和长期价值。本篇以Spring AI为例，详细说明下基于Spring AI框架下的记忆功能的实现。

二、Spring AI 会话记忆介绍

</

了解本专栏 订阅专栏 解锁全文 超级会员免费看
8. Spring Ai之入门到精通（超级详细）
gorgor在码农
07-31 2万+
Spring AI 1.0.0 M1里程碑版本发布，标志着 Java 终于踏进Ai的时代半只脚。
【AI大模型】Spring AI 基于mysql实现对话持久存储详解
congge
07-06 3546
Spring AI 基于mysql实现会话持久存储详解
【SpringAI 1.0.0】 ChatMemory 转换为 Redis 存储
kjihi的博客
05-26 393
本文介绍了使用Redisson实现 SpringAI 分布式会话存储的方案，解决多实例环境下会话共享问题。
SpringAI 1.0.0 正式版——利用Redis存储会话（ChatMemory）
a1833235073的博客
06-06 868
本文介绍了基于SpringAI 1.0.0实现Redis存储聊天记忆的方法。通过自定义RedisChatMemoryRepository取代默认的InMemoryChatMemoryRepository，将聊天对话数据持久化到Redis中。主要实现步骤包括：1)添加必要的依赖；2)配置Redis连接和API密钥；3)实现RedisChatMemoryRepository类，包含消息的序列化/反序列化处理；4)注册相关Bean并配置MessageWindowChatMemory限制消息数量；5)创建ChatC
spirngAI基于Redis实现自定义chatMemory
theddl的博客
06-03 1159
Spring AI通过ChatMemory接口实现聊天记忆功能，解决了大型语言模型无状态的问题。官方默认使用InMemoryChatMemory基于内存存储聊天记录，但存在重启丢失问题。本文提出基于Redis的自定义实现方案：首先定义Msg类规范存储结构，然后通过Redis持久化保存对话历史。相比默认内存方案，Redis实现能长期保存上下文信息，支持多实例共享记忆，提升用户体验。系统通过MessageChatMemoryAdvisor拦截器自动管理对话记忆，开发者只需关注业务逻辑。
Spring AI 自定义Redis持久化ChatMemory(可直接复用)
lddya的博客
06-09 793
Spring AI 的 ChatMemory 接口支持解耦对话记忆的 “存储” 与 “记忆算法”。通过自定义实现 ChatMemory，可将对话历史存储至 Redis 等外部存储，而非默认的内存。本文基于 InMemoryChatMemory 原理，使用 Kryo 序列化库 和 Redis 实现持久化存储，解决 Message 接口多态序列化问题。
Spring Al——记忆持久化
2301_81283571的博客
06-26 1273
SpringAI基于Redis和MySQL实现对话记忆持久化的技术方案：Redis适用于高速读写的短期对话场景，利用内存存储优势保存临时上下文；MySQL适合长期存储完整对话历史，提供可靠的数据持久化。实现步骤包括Maven依赖配置、MySQL连接设置，以及通过MessageWindowChatMemory管理对话记忆。代码示例展示了如何存储对话记录和检索历史消息，其中Redis处理实时交互，MySQL负责数据归档。该方案兼顾性能与可靠性，为智能对话系统提供完整记忆管理解决方案。
基于redis实现springAI记忆存储
weixin_72973409的博客
02-18 669
【代码】基于redis实现springAI记忆存储。
SpringAI实现AI应用-使用redis持久化聊天记忆
m0_71817461的博客
05-08 1566
之前使用SpringAI的内置的聊天记忆顾问时，都是使用内存的方式进行存储，当项目重启的时候，聊天记录就没有了。此篇就使用redis将聊天记录进行持久化。
Spring AI应用系列——基于Alibaba DashScope的聊天记忆功能实现
weixin_50236329的博客
04-29 1518
本项目通过Spring AI框架和Alibaba DashScope API实现了聊天记忆功能，并支持三种存储方式。用户可以根据实际需求选择合适的存储方案。未来可以进一步优化存储策略，例如结合Redis和MySQL实现冷热数据分离，提升系统性能和扩展性。
【SpringAI】5.Memory对话记忆实战指南
最新发布
占星安啦的博客
07-09 94
Spring AI Chat Memory 提供了两种对话记忆存储方案：本地内存(Local)和JDBC数据库存储。本地内存方案配置简单、响应快，适合开发测试环境，但数据不持久化；JDBC方案通过MySQL数据库持久化对话历史，支持多会话隔离和消息窗口限制（如20条消息）。两种方案都通过ChatMemory接口统一管理，使用MessageChatMemoryAdvisor自动处理消息存储和检索，关键通过CONVERSATION_ID参数区分不同会话。JDBC方案需预先创建包含conversation_id、
【AI大模型】SpringBoot整合Spring AI 核心组件使用详解
congge
05-05 9169
SpringBoot整合Spring AI 核心组件使用详解
【大模型】Spring AI对接ChatGpt使用详解
congge
05-19 8762
spring ai使用详细介绍
【微服务】Spring AI 使用详解
热门推荐
congge_study的博客
11-03 1万+
Spring AI 使用详解
Spring AI - Redis缓存对话
RookieSa的博客
04-23 687
将和大模型的对话缓存到
基于SpringBoot + Spring AI + Vue的全栈AI对话系统开发全流程解析
qq_32358423的博客
02-23 1601
基于SpringBoot + Spring AI + Vue的全栈AI对话系统开发全流程解析
Spring AI + Redis 实现对话存储方案
u013257321的博客
06-30 1043
我们需要实现Spring AI的// 默认24小时@Override@Override@Override。
如何实现一个多轮对话聊天，且将聊天记录存放到本地数据库中。
guoguozgw的博客
06-11 651
该方法主要用于在多轮对话的时候被使用到。作为参数传入到ConversationChain当中。# 1️⃣ 定义 Prompt 模板（带历史记录变量）你是一个智能助手，以下是你和用户的对话历史：{history}用户: {input}助手:"""llm = ChatOpenAI()#在这里情实现自己的大模型。# 2️⃣ 定义记忆（会自动记录历史对话）# 3️⃣ 实例化 LLM（可以换成 Qwen、ChatGLM 等）# llm# 1 ️⃣ 定义 Prompt 模板（带历史记录变量）
评论 52
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小码农叔叔

谢谢鼓励

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值