MessageChatMemoryAdvisor 类用于管理 AI 对话历史（聊天记忆）的组件，它结合了 ChatMemory 和 Advisor，帮助在对话式 AI 应用中维护上下文。
该类主要负责：
自动管理对话历史：在多次交互中保留用户和 AI 的消息记录。
可配置的记忆策略：支持限制记忆的消息数量。
MessageChatMemoryAdvisor 类没有提供公开的构造方法，它的构造方法是 private 私有的，源码如下：
private MessageChatMemoryAdvisor(ChatMemory chatMemory, String defaultConversationId, int order, Scheduler scheduler) {
Assert.notNull(chatMemory, "chatMemory cannot be null");
Assert.hasText(defaultConversationId, "defaultConversationId cannot be null or empty");
Assert.notNull(scheduler, "scheduler cannot be null");
this.chatMemory = chatMemory;
this.defaultConversationId = defaultConversationId;
this.order = order;
this.scheduler = scheduler;
}我们可以通过静态方法 builder(ChatMemory chatMemory) 创建一个 Builder，然后调用 build() 方法获取 MessageChatMemoryAdvisor 的实例，源码如下：
public static Builder builder(ChatMemory chatMemory) {
return new Builder(chatMemory);
}public MessageChatMemoryAdvisor build() {
return new MessageChatMemoryAdvisor(this.chatMemory, this.conversationId, this.order, this.scheduler);
}简单示例：
@Configuration
public class AiConfig {
@Bean
public ChatMemory chatMemory() {
// 默认存储最近的 10 条消息
return MessageWindowChatMemory.builder().maxMessages(10).build();
}
@Bean
public MessageChatMemoryAdvisor chatMemoryAdvisor(ChatMemory chatMemory) {
return MessageChatMemoryAdvisor.builder(chatMemory).build();
}
}上述代码，通过 @Configuration 配置类创建了一个 ChatMemory（内存实现方式 MessageWindowChatMemory），然后将 ChatMemory 作为 builder() 的参数去创建 MessageChatMemoryAdvisor。
用于构建 MessageChatMemoryAdvisor 实例的建造者类，允许你通过链式调用方法来配置和创建 MessageChatMemoryAdvisor 对象。
Builder 支持的属性如下：
public static final class Builder {
// 消息会话ID
private String conversationId = ChatMemory.DEFAULT_CONVERSATION_ID;
// 执行顺序
private int order = Advisor.DEFAULT_CHAT_MEMORY_PRECEDENCE_ORDER;
// 调度策略
private Scheduler scheduler = BaseAdvisor.DEFAULT_SCHEDULER;
// 实际会话历史存储实现
private ChatMemory chatMemory;
}其中：
conversationId：标识当前对话的唯一会话ID，区分不同用户、不同对话或不同场景的聊天会话。默认值 ChatMemory.DEFAULT_CONVERSATION_ID 为 "default"。
注意：如果在多用户系统中，必须设置唯一值，否则会导致多个用户的聊天上下文共用。重启会话时应保持相同 ID 以恢复历史对话。如未设置时将使用默认值，可能导致不同会话的记忆混淆，即所有聊天均在一个会话中。
order：定义 Advisor 在代理链中的执行顺序，当有多个 Advisor 时，控制记忆处理与其他操作（如日志、安全）的执行顺序。
scheduler：控制记忆操作的执行线程和调度策略，异步记忆操作、后台记忆清理、高并发场景优化。常用调度器：
Schedulers.immediate() 立即在当前线程执行（默认）
Schedulers.boundedElastic() 弹性线程池，适合阻塞操作
Schedulers.parallel() 固定大小线程池，适合计算密集型
Schedulers.single() 单线程执行
chatMemory：对话记忆的实际存储实现，决定记忆如何存储（内存、Redis、DB等）和保留策略。常用实现如下图：
其中：
InMemoryChatMemoryRepository 基于内存的对话记忆存储实现，适用于开发测试环境或轻量级生产场景，提供零延迟的对话记忆访问。
JdbcChatMemoryRepository 基于 关系型数据库 的对话记忆存储实现，通过 JDBC 提供标准化的 SQL 数据库访问，支持主流关系型数据库如 MySQL、PostgreSQL、Oracle 等。
Neo4jChatMemoryRepository 为 Neo4j 图数据库设计的对话记忆存储实现，它利用图数据库的天然优势来高效存储和检索复杂的对话关系。
CassandraChatMemoryRepository 基于 Apache Cassandra 数据库的对话记忆存储实现，专为大规模、高并发的对话系统设计，利用 Cassandra 的分布式特性实现高性能的记忆存储与检索。
为了方便观察 Spring AI 保存的会话历史数据，这里选择 MySQL 数据库。
创建数据库表，用来保存会话历史数据，那么数据库表叫什么名字，有哪些字段呢！我们可以到 org.springframework.ai.chat.memory.repository.jdbc 包下面找到几个 schema-*.sql 文件，如下图：
遗憾的是，没有 MySQL 的 schema，我们可以参考 schema-mariadb.sql 中的 SQL 语句，简单修改，在 MySQL 中创建数据表：
（1）先创建名为 chat_db 的数据库，如下图：
（2）在 chat_db 数据库下面创建如下数据表：
SQL 语句：
CREATE TABLE `spring_ai_chat_memory` ( `conversation_id` varchar(36) NOT NULL, `content` text NOT NULL, `type` varchar(10) NOT NULL, `timestamp` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP, KEY `spring_ai_chat_memory_timestamp_IDX` (`timestamp`,`conversation_id`) USING BTREE ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
由于我们需要使用 MySQL 数据库，因此需要添加 Mysql，以及 Spring JDBC 等依赖，如下：
<!-- 会话记忆 --> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-autoconfigure-model-chat-memory</artifactId> </dependency> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-autoconfigure-model-chat-memory-repository-jdbc</artifactId> </dependency> <!-- Spring Data JDBC --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-jdbc</artifactId> </dependency> <!-- mysql 驱动 --> <dependency> <groupId>com.mysql</groupId> <artifactId>mysql-connector-j</artifactId> </dependency>
创建 application.yml 配置文件，配置数据源、日志信息、大模型等信息，如下：
spring: application: name: springai_demo1 # 数据库配置 datasource: driver-class-name: com.mysql.cj.jdbc.Driver url: jdbc:mysql://localhost:3306/chat_db username: root password: aaaaaa # AI配置 ai: # openai相关配置 openai: # 基础地址 base-url: https://api.xty.app # AI KEY api-key: sk-TmZpI4DifxqHTNb6AXPS*********ZpBhReaAhsiPEwUik # 聊天模型配置 chat: options: model: gpt-3.5-turbo # 图片模型配置 image: options: # 需要高级接口 model: dall-e-3 chat: memory: repository: jdbc: # 启动时不初始化数据库表，我们手动执行SQL脚本创建表 initialize-schema: never client: # true 开启，自动注入 ChatClient，false 关闭，需要手动创建 ChatClient enabled: true # 日志配置 logging: charset: console: UTF-8 level: root: info org.springframework.ai: debug
创建名为 AiConfig 的配置类，配置 JdbcChatMemoryRepository、ChatMemory 和 MessageChatMemoryAdvisor，如下：
package com.hxstrive.springai.springai_openai.advisor_MessageChatMemoryAdvisor.config;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.client.advisor.SimpleLoggerAdvisor;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.ai.chat.memory.ChatMemoryRepository;
import org.springframework.ai.chat.memory.MessageWindowChatMemory;
import org.springframework.ai.chat.memory.repository.jdbc.JdbcChatMemoryRepository;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.jdbc.core.JdbcTemplate;
import javax.sql.DataSource;
/**
* AI配置
* @author Administrator
*/
@Configuration
public class AiConfig {
@Bean
public ChatMemoryRepository chatMemoryRepository(DataSource dataSource) {
JdbcTemplate jdbcTemplate = new JdbcTemplate(dataSource);
return JdbcChatMemoryRepository.builder().jdbcTemplate(jdbcTemplate).build();
}
@Bean
public ChatMemory chatMemory(ChatMemoryRepository chatMemoryRepository) {
return MessageWindowChatMemory.builder()
.chatMemoryRepository(chatMemoryRepository)
.maxMessages(10).build();
}
@Bean
public MessageChatMemoryAdvisor messageChatMemoryAdvisor(ChatMemory chatMemory) {
return MessageChatMemoryAdvisor.builder(chatMemory).build();
}
@Bean
public SimpleLoggerAdvisor simpleLoggerAdvisor() {
return new SimpleLoggerAdvisor();
}
}注意，上面配置的 SimpleLoggerAdvisor 仅仅是为了打印日志信息。如果没有显示日志信息，请修改日志级别，Spring 默认是 INFO 级别，但是 SimpleLoggerAdvisor 打印日志的级别是 DEBUG：
只需要在 application.yml 配置文件中添加如下内容：
logging: charset: console: UTF-8 # 解决中文乱码问题 level: root: info org.springframework.ai: debug
创建一个名为 AIController 的 Controller，编写 API 来验证上述配置信息，如下：
package com.hxstrive.springai.springai_openai.advisor_MessageChatMemoryAdvisor.controller;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;
import org.springframework.ai.chat.client.advisor.SimpleLoggerAdvisor;
import org.springframework.ai.chat.memory.ChatMemory;
import org.springframework.ai.chat.model.ChatModel;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
@RestController
public class AIController {
@Autowired
private ChatModel chatModel;
@Autowired
private MessageChatMemoryAdvisor messageChatMemoryAdvisor;
@Autowired
private SimpleLoggerAdvisor simpleLoggerAdvisor;
@GetMapping("/ai/simple")
public String completion(@RequestParam("userText") String userText) {
// 构建 RAG advisor 时需要完成 vectorStore 初始化
ChatClient chatClient = ChatClient.builder(chatModel)
.defaultSystem("使用中文进行回复")
.defaultAdvisors( // 使用 Advisor
simpleLoggerAdvisor,
messageChatMemoryAdvisor
)
.build();
// conversationId 区分不同对话，定位对应的历史记录
String conversationId = "sessionId-202572020514";
return chatClient.prompt()
// 运行时设置会话ID参数
.advisors(advisor -> {
advisor.param(ChatMemory.CONVERSATION_ID, conversationId);
})
.user(userText)
.call()
.content();
}
}运行应用程序，使用浏览器访问“http://localhost:8080/ai/simple?userText=四川大学是211吗？”地址，如下图：
再去查看数据库数据，如下图：
看见了两轮会话数据，其中的 conversation_id 就是在如下代码进行设置的：
String conversationId = "sessionId-202572020514";
return chatClient.prompt()
// 运行时设置会话ID参数
.advisors(advisor -> {
advisor.param(ChatMemory.CONVERSATION_ID, conversationId); // 看这里
})
.user(userText)
.call()
.content();注意，一定要根据业务场景设置 conversationId，因为 conversationId 直接影响会话历史管理。应该是不同的人拥有不同的 conversationId，而且允许用户手动创建新的 conversationId，表示新的会话开始。一定不要使用 UUID 来设置 conversationId，不然每次都是新的 UUID，导致会话历史功能失效。
川公网安备51010802032098
