一、Spring AI 1.1.x 对话记忆核心概念

conversationId
     ↓
[user message, assistant message...]

public interface ChatMemory {
  void add(String conversationId, List<Message> messages);

    List<Message> get(String conversationId);

    void clear(String conversationId);
}

这些方法一般不需要我们自己的调用，是由负责对话持久化的MessageChatMemoryAdvisor进行调用的

在实际开发中对话记忆持久化中所用的ChatMemory对象是其实现类MessageWindowChatMemory对象，使用时我们通过它的构造器进行创建并指定一些参数

MessageWindowChatMemory.builder()
        .chatMemoryRepository(PgSqlRepository)
        .maxMessages(5)
        .build();

public interface ChatMemoryRepository {
    List<Message> findByConversationId(String conversationId);

    void saveAll(String conversationId, List<Message> messages);

    void deleteByConversationId(String conversationId);
}

要自定义对话记忆的持久化存储关键就是实现ChatMemoryRepository，并重写上面三个方法。

不过到2026.3.8为止官方提供JDBC实现对话记忆持久化依赖已经完善，并且能够在Maven中央仓库中找到，对于中小型AI应用完全可以应用使用官方依赖，如果系统存在多租户、长对话裁剪、对话摘要等复杂需求则可以自定义实现

将对话记录持久化存储以及将搜索出来的对话记录应用到大模型对话的上下文核心是通过SpringAI的Advisor顾问的机制实现的，这里主要用到的Advisor组件是

 ，指定ChatMemory对象在这个Advisor构造器中实现

这里的对话记忆持久化实现采用官方提供的

spring-ai-starter-model-chat-memory-repository-jdbc

@Configuration
public class AutoChatMemoryConfig {
 /**
     * 恋爱咨询专用 ChatMemory（短期记忆）
     */
    @Bean("loveChatMemory")
    public ChatMemory loveChatMemory(JdbcChatMemoryRepository jdbcChatMemoryRepository) {
        return MessageWindowChatMemory.builder()
                .chatMemoryRepository(repository)
                .maxMessages(5)  // 恋爱问题通常较短，5 条足够
                .build();
    }
    
    /**
     * 深度咨询专用 ChatMemory（长期记忆）
     */
    @Bean("deepChatMemory")
    public ChatMemory deepChatMemory(JdbcChatMemoryRepository jdbcChatMemoryRepository) {
        return MessageWindowChatMemory.builder()
                .chatMemoryRepository(repository)
                .maxMessages(30)  // 深度咨询需要更多上下文
                .build();
    }
}


    public LoveApp(@Qualifier("loveChatMemory") ChatMemory loveChatMemory,
                   @Qualifier("deepChatMemory") ChatMemory deepChatMemory,
                   ChatModel chatModel) {
  
        
        // 恋爱咨询 ChatClient
        this.loveChatClient = ChatClient.builder(chatModel)
                .defaultAdvisors(MessageChatMemoryAdvisor.builder(loveChatMemory).build())
                .build();
        
        // 深度咨询 ChatClient
        this.deepChatClient = ChatClient.builder(chatModel)
                .defaultAdvisors(MessageChatMemoryAdvisor.builder(deepChatMemory).build())
                .build();
    }

笔者在初次使用关系数据库进行对话记忆持久化时，遇到了这样一个问题，就是参考官方文档，将JdbcChatMemoryRepository注入后，然后在使用使用使用JdbcChatMemoryRepository的类的构造方法处，创建基于JdbcChatMemoryRepository的对话客户端ChatClient，发现JdbcChatMemoryRepository关系数据库对话记录一直不生效，调试跟进的一直是内存存储InMemoryChatMemoryRepository。

@Autowired
JdbcChatMemoryRepository chatMemoryRepository;
/*@Autowired
CustomChatMemoryRepository chatMemoryRepository;
*/
ChatMemory chatMemory = MessageWindowChatMemory.builder()
        .chatMemoryRepository(chatMemoryRepository)
        .maxMessages(10)
        .build();
public LoveApp(ChatClient.Builder builder, ChatMemory chatMemory) {
    this.chatClient = builder
            .defaultSystem(SYSTEM_PROMPT)
            .defaultAdvisors(
                    MessageChatMemoryAdvisor.builder(chatMemory).build()
            )
            .build();
}

于是笔者就想着是不是官方的依赖不完善，自己去实现了关系数据库的ChatMemoryRepository，然后基于自定义的ChatMemoryRepository创建了对话客户端,结果还是不生效，调试跟进的还是内存存储InMemoryChatMemoryRepository。

经过不断的搜集资料问AI，发现最终是因为Spring Bean的生命周期没有理解透彻，导致了这个问题

如图所示，在Ban的生命周期中字段初始化执行是先于依赖注入的，放到这个问题中就是这个LoveApp这个类的成员变量chatMemory初始化时@Autowire还没有执行，即此时虽然Spring容器中有

 ,但是还未将这个Bean赋值给LoveApp的成员变量chatMemoryRepository，这时容器中

，故创建的是基于内存存储的ChatMemory

章节中提前创建了配置类，并使用@Bean注解的方式，在整个Spring应用启动时就会就会在根据类型Spring容器中找JdbcChatMemoryRepository然后完成基于关系数据库的ChatMemory创建（这利用Spring的自动装配机制）

同样的在LoveApp中，不再让ChatMemory作为字段而是作为构造方法的参数，利用自动装配机制，让其找到容器中基于关系数据库的ChatMemory，完成ChatClient创建

补充知识——有助于理解问题解决

Spring AI 1.1.x版本对话记忆持久化讲解与使用

Spring AI 1.1.x 将对话记忆系统拆分为 ChatMemory（逻辑层） 和 ChatMemoryRepository（存储层），实现记忆管理与存储解耦。ChatMemory 负责对话上下文管理和消息窗口控制，ChatMemoryRepository 负责消息持久化（如 JDBC、内存等）。实际开发中通常通过 MessageChatMemoryAdvisor 将历史对话自动加入 Pro

后端

人工智能

数据库

SpringAI1.1.x对话记忆系统采用分层设计，包含ChatMemory管理对话上下文和ChatMemoryRepository负责持久化存储。通过MessageWindowChatMemory实现消息窗口控制，支持自定义存储实现。提供JdbcChatMemoryRepository官方实现，可灵活配置不同场景的记忆窗口大小。使用时需注意SpringBean生命周期问题，确保正确注入存储实现。

2026新春采购季

advisor

tencentdb-catalog

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

SpringAI1.1.x对话记忆系统采用分层设计，包含ChatMemory管理对话上下文和ChatMemoryRepository负责持久化存储。通过MessageWindowChatMemory实现消息窗口控制，支持自定义存储实现。提供JdbcChatMemoryRepository官方实现，可灵活配置不同场景的记...

Spring AI 1.1.x版本对话记忆持久化讲解与使用

Spring AI 1.1.x版本对话记忆持久化讲解与使用

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐