ChenSoul Blog

本文介绍如何使用 Spring AI 的对话记忆实现多轮对话：按会话 ID 持久化历史消息，每次请求时把该会话的历史一并发给模型，让回复能联系上下文。本文使用 MessageChatMemoryAdvisor + JDBC 存储，并通过 Cookie 区分不同会话。

源代码

如果您想自己尝试，可以查看我的源代码。为此，您必须克隆我的示例 GitHub 仓库。然后，您只需按照我的说明操作即可。

为什么需要对话记忆

单轮对话每次只发当前用户输入，模型看不到之前的问答，无法实现「接着上一句说」、追问、澄清等。对话记忆的作用是：

按会话隔离：同一会话内的多轮消息归为一组（用 conversationId 区分）。
持久化：历史消息写入数据库（本示例用 PostgreSQL），重启后仍可继续同一会话。
自动注入：每次调用时，Advisor 根据 conversationId 取出历史，拼进本次 Prompt，再发给模型。

本示例使用 DeepSeek（OpenAI 兼容 API）和 PostgreSQL 存储记忆；前端提供简单聊天页面，通过 Cookie 携带会话 ID。

项目结构概览

ChatMemoryApplication：Spring Boot 入口。
ChatController：POST /api/chat，接收用户输入，按 Cookie 中的会话 ID 调用带记忆的 ChatClient，并回写 Cookie。
IndexController：GET /，返回聊天页面（Thymeleaf 模板 index.html）。
ChatMemory：由 spring-ai-starter-model-chat-memory-repository-jdbc 自动配置，基于 JDBC 的 ChatMemoryRepository 实现。
docker-compose.yaml：提供 PostgreSQL，供 JDBC 记忆存储使用。

核心依赖

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-openai</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-chat-memory-repository-jdbc</artifactId>
</dependency>
<dependency>
    <groupId>org.postgresql</groupId>
    <artifactId>postgresql</artifactId>
    <scope>runtime</scope>
</dependency>
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-docker-compose</artifactId>
    <scope>runtime</scope>
    <optional>true</optional>
</dependency>

openai：调用 DeepSeek（或其它 OpenAI 兼容模型）。
chat-memory-repository-jdbc：提供 ChatMemory Bean 和 JDBC 持久化，并依赖数据源。
postgresql：JDBC 驱动。
docker-compose：可选，用于启动本地 Postgres。

后端：ChatClient + MessageChatMemoryAdvisor

在构造 ChatClient 时注册 MessageChatMemoryAdvisor，并注入 ChatMemory（由 JDBC starter 提供）。每次请求时通过 Advisor 参数传入当前会话 ID，Advisor 会按该 ID 读写历史并拼入 Prompt。

@RestController
@RequestMapping("/")
class ChatController {

    private final ChatClient chatClient;

    ChatController(ChatClient.Builder builder, ChatMemory chatMemory) {
        this.chatClient = builder
                .defaultAdvisors(
                    MessageChatMemoryAdvisor.builder(chatMemory).build(),
                    new SimpleLoggerAdvisor()
                )
                .build();
    }

    @PostMapping("/api/chat")
    ResponseEntity<Output> chat(@RequestBody @Valid Input input,
                                @CookieValue(name = "X-CONV-ID", required = false) String convId) {
        String conversationId = convId == null ? UUID.randomUUID().toString() : convId;

        var response = this.chatClient.prompt()
                .user(input.prompt())
                .advisors(a -> a.param(ChatMemory.CONVERSATION_ID, conversationId))
                .call().content();

        ResponseCookie cookie = ResponseCookie.from("X-CONV-ID", conversationId)
                .path("/")
                .maxAge(3600)
                .build();
        Output output = new Output(response);
        return ResponseEntity.ok().header(HttpHeaders.SET_COOKIE, cookie.toString()).body(output);
    }

    record Input(@NotBlank String prompt) {}
    record Output(String content) {}
}

要点：

MessageChatMemoryAdvisor.builder(chatMemory).build()：在默认 Advisor 链中加入对话记忆，会根据 ChatMemory.CONVERSATION_ID 参数读写该会话的历史。
advisors(a -> a.param(ChatMemory.CONVERSATION_ID, conversationId))：本次请求使用 conversationId；若无 Cookie 则用新 UUID，并在响应里通过 Set-Cookie 下发给浏览器，后续请求自动带上同一会话 ID。
SimpleLoggerAdvisor：可选，便于在日志中查看请求/响应。

这样，同一 Cookie 下的多轮请求都会带上对应会话的历史，模型即可基于上下文回复。

聊天页面（templates/index.html）使用 jQuery 调用 POST /api/chat，请求体为 { "prompt": "用户输入" }。浏览器会自动携带 Cookie，因此：

首次访问无 X-CONV-ID，服务端生成新 conversationId 并写入 Cookie。
之后同一浏览器内的请求都会带上该 Cookie，服务端用同一 conversationId 读写记忆，实现多轮对话。

前端只需正常发 POST，无需自己维护会话 ID。

配置

application.properties 示例：

spring.application.name=chat-memory

spring.ai.openai.base-url=https://api.deepseek.com
spring.ai.openai.api-key=${DEEPSEEK_API_KEY}
spring.ai.openai.chat.options.model=deepseek-reasoner

logging.level.org.springframework.ai.chat.client.advisor=DEBUG

# 启动时自动创建 Chat Memory 所需表结构
spring.ai.chat.memory.repository.jdbc.initialize-schema=always

docker-compose.yaml（本地 Postgres）：

services:
  postgres:
    image: postgres:18
    environment:
      - POSTGRES_USER=postgres
      - POSTGRES_PASSWORD=postgres
      - POSTGRES_DB=postgres
    ports:
      - "5432:5432"

使用 Docker Compose 时，Spring Boot 会按服务自动配置数据源，无需再写 spring.datasource.*。

运行与验证

环境变量：设置 DeepSeek API Key。
```
export DEEPSEEK_API_KEY=<your-api-key>
```
启动 Postgres（若使用 docker-compose）：
```
cd chat-memory && docker compose up -d
```
启动应用：
```
mvn spring-boot:run
```
打开聊天页面：浏览器访问 http://localhost:8080/ ，在页面中连续多轮提问，模型应能结合上文回答。

API 测试（同一会话需在请求中带相同 Cookie，或先请求一次拿到 Set-Cookie 再复用）：

# 首次请求，从响应头中拿到 Set-Cookie 中的 X-CONV-ID，后续请求可携带该 Cookie
curl -s -X POST http://localhost:8080/api/chat \
  -H "Content-Type: application/json" \
  -d '{"prompt":"我叫小明，请记住。"}' -c cookies.txt -b cookies.txt -D -

curl -s -X POST http://localhost:8080/api/chat \
  -H "Content-Type: application/json" \
  -d '{"prompt":"我叫什么名字？"}' -b cookies.txt

查看数据库。可以看到数据库里面创建一个 spring_ai_chat_memory 表：

小结

对话记忆：通过 ChatMemory + MessageChatMemoryAdvisor，按会话 ID 持久化并注入历史消息，实现多轮上下文对话。
会话划分：本示例用 Cookie X-CONV-ID 区分会话，无 Cookie 时生成新 UUID 并回写 Cookie。
存储：spring-ai-starter-model-chat-memory-repository-jdbc 使用 PostgreSQL 存储历史，表结构由 initialize-schema=always 自动创建，创建的表名为 spring_ai_chat_memory。
前端：Thymeleaf 提供聊天页，正常调用 POST /api/chat 即可，Cookie 由浏览器自动维护。

在 Spring AI 中接入对话记忆，只需引入 JDBC 记忆 starter、配置数据源、在 ChatClient 中加上 MessageChatMemoryAdvisor 并在每次请求中传入 conversationId 即可。

Spring AI 对话记忆

源代码

为什么需要对话记忆

项目结构概览

核心依赖

后端：ChatClient + MessageChatMemoryAdvisor

前端：会话 ID 与 Cookie

配置

运行与验证

小结