大型语言模型（LLMs）是无状态的，这意味着它们不会保留关于之前交互的信息。当想在多次交互中保持上下文或状态时，这可能会成为一个限制。为了解决这一问题，Spring AI 提供了对话记忆功能，允许你在与大型语言模型的多次交互中存储和检索信息。
“对话记忆”（ChatMemory）抽象类让你能够实现多种类型的记忆，以支持不同的使用场景。消息的底层存储由“对话记忆存储库”（ChatMemoryRepository）处理，其唯一职责就是存储和检索消息。具体保留哪些消息以及何时删除这些消息，则由“对话记忆”（ChatMemory）的具体实现来决定。策略示例可能包括保留最近的 N 条消息、保留一段时间内的消息，或者保留不超过一定令牌（token）数量限制的消息。
在选择记忆类型之前，了解对话记忆与对话历史记录之间的区别至关重要。
- 对话记忆（Chat Memory）：大型语言模型在对话过程中保留并用于维持上下文感知能力的信息。
- 对话历史记录（Chat History）：整个对话过程的全部记录，包括用户与模型之间交换的所有消息。
“对话记忆”（ChatMemory）抽象类旨在管理对话记忆。它允许你存储和检索与当前对话上下文相关的消息。然而，它并不适合用于存储对话历史记录。如果你需要保留所有交换消息的完整记录，应考虑采用其他方法，例如借助 Spring Data 来高效存储和检索完整的对话历史记录。
快速入门
Spring AI 会自动配置一个 ChatMemory bean，可以直接在应用程序中使用它。默认情况下，它使用一个内存存储库来存储消息（InMemoryChatMemoryRepository）以及一个 MessageWindowChatMemory 实现来管理对话历史记录。如果已经配置了不同的存储库（例如 Cassandra、JDBC 或 Neo4j），Spring AI 将会改用该存储库。
@Autowired
ChatMemory chatMemory;
接下来的将进一步介绍 Spring AI 中可用的不同记忆类型和存储库。
记忆类型
“对话记忆”（ChatMemory）抽象类允许实现各种类型的记忆，以适应不同的使用场景。记忆类型的选择会显著影响应用程序的性能和行为。本节将介绍 Spring AI 提供的内置记忆类型及其特性。
消息窗口对话记忆（Message Window Chat Memory）
MessageWindowChatMemory 会维护一个消息窗口，其中包含的消息数量不超过指定的最大值。当消息数量超过该最大值时，较旧的消息会被移除，但系统消息会得以保留。默认的窗口大小为 20 条消息。
MessageWindowChatMemory memory = MessageWindowChatMemory.builder().maxMessages(10).build();
这是 Spring AI 用于自动配置 ChatMemory bean 的默认消息类型。
记忆存储
Spring AI 提供了 ChatMemoryRepository 抽象类用于存储对话记忆。本节将介绍 Spring AI 提供的内置存储库及其使用方法，不过，如果有需要，也可以自行实现存储库。
内存存储库
InMemoryChatMemoryRepository 使用 ConcurrentHashMap 在内存中存储消息。
默认情况下，如果尚未配置其他存储库，Spring AI 会自动配置一个类型为 InMemoryChatMemoryRepository 的 ChatMemoryRepository bean，你可以直接在应用程序中使用它。
@Autowired
ChatMemoryRepository chatMemoryRepository;
也可以手动创建 InMemoryChatMemoryRepository，按照以下方式操作：
ChatMemoryRepository repository = new InMemoryChatMemoryRepository();
JdbcChatMemoryRepository
JdbcChatMemoryRepository 是一个内置实现，它使用 JDBC 将消息存储在关系型数据库中。它开箱即用地支持多种数据库，非常适合需要持久化存储对话记忆的应用程序。
首先，将以下依赖项添加到项目中：
<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-chat-memory-repository-jdbc</artifactId>
</dependency>
Spring AI 为 JdbcChatMemoryRepository 提供了自动配置功能，可以直接在应用程序中使用它。
@Autowired
JdbcChatMemoryRepository chatMemoryRepository;ChatMemory chatMemory = MessageWindowChatMemory.builder().chatMemoryRepository(chatMemoryRepository).maxMessages(10).build();
如果更倾向于手动创建 JdbcChatMemoryRepository，可以通过提供一个 JdbcTemplate 实例和一个 JdbcChatMemoryRepositoryDialect 来实现：
ChatMemoryRepository chatMemoryRepository = JdbcChatMemoryRepository.builder().jdbcTemplate(jdbcTemplate).dialect(new PostgresChatMemoryDialect()).build();ChatMemory chatMemory = MessageWindowChatMemory.builder().chatMemoryRepository(chatMemoryRepository).maxMessages(10).build();
支持的数据库与方言抽象
Spring AI 通过方言抽象支持多种关系型数据库。以下数据库是开箱即用地支持的：
- PostgreSQL
- MySQL / MariaDB
- SQL Server
- HSQLDB
当使用 JdbcChatMemoryRepositoryDialect.from(DataSource) 时，可以从 JDBC URL 中自动检测出正确的方言。可以通过实现 JdbcChatMemoryRepositoryDialect 接口来扩展对其他数据库的支持。
配置属性以下是翻译结果，使用表格呈现：
| 属性 | 描述 | 默认值 |
|---|---|---|
| spring.ai.chat.memory.repository.jdbc.initialize-schema | 控制何时初始化数据库模式。可选值：embedded（默认）、always、never。 | embedded |
| spring.ai.chat.memory.repository.jdbc.schema | 用于初始化的模式脚本位置。支持 classpath: URL 和平台占位符。 | classpath:org/springframework/ai/chat/memory/repository/jdbc/schema-@@platform@@.sql |
| spring.ai.chat.memory.repository.jdbc.platform | 如果使用了 @@platform@@ 占位符，则在初始化脚本中使用的平台。 | 自动检测 |
Schema 初始化
自动配置会在启动时，使用针对你数据库的供应商特定的 SQL 脚本，自动创建 SPRING_AI_CHAT_MEMORY 表。默认情况下，模式初始化仅针对嵌入式数据库（如 H2、HSQL、Derby 等）运行。
可以使用 spring.ai.chat.memory.repository.jdbc.initialize-schema 属性来控制模式初始化：
spring.ai.chat.memory.repository.jdbc.initialize-schema=embedded # 仅针对嵌入式数据库进行初始化（默认设置）spring.ai.chat.memory.repository.jdbc.initialize-schema=always # 总是进行初始化spring.ai.chat.memory.repository.jdbc.initialize-schema=never # 从不进行初始化（在与 Flyway/Liquibase 等数据库迁移工具一起使用时很有用）
若要覆盖模式脚本的位置，可以使用以下方式：
spring.ai.chat.memory.repository.jdbc.schema=classpath:/custom/path/schema-mysql.sql
扩展方言
若要为新数据库添加支持，需要实现 JdbcChatMemoryRepositoryDialect 接口，并提供用于选择、插入和删除消息的 SQL 语句。然后，你可以将自己的自定义方言传递给存储库构建器。
ChatMemoryRepository chatMemoryRepository = JdbcChatMemoryRepository.builder().jdbcTemplate(jdbcTemplate).dialect(new MyCustomDbDialect()).build();
CassandraChatMemoryRepository
CassandraChatMemoryRepository 使用 Apache Cassandra 来存储消息。它适用于需要持久化存储聊天记忆的应用程序，尤其是在需要高可用性、持久性、可扩展性以及利用生存时间（TTL，Time-To-Live）特性时。
CassandraChatMemoryRepository 采用时间序列模式，会记录所有过去的聊天窗口，这对于治理和审计非常有价值。建议将生存时间（TTL）设置为某个值，例如三年。
若要使用 CassandraChatMemoryRepository，首先需要在项目中添加相关依赖：
<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-chat-memory-repository-cassandra</artifactId>
</dependency>
Spring AI 为 CassandraChatMemoryRepository 提供了自动配置功能，可以直接在应用程序中使用它。
@Autowired
CassandraChatMemoryRepository chatMemoryRepository;ChatMemory chatMemory = MessageWindowChatMemory.builder().chatMemoryRepository(chatMemoryRepository).maxMessages(10).build();
如果更倾向于手动创建 CassandraChatMemoryRepository，可以通过提供一个 CassandraChatMemoryRepositoryConfig 实例来实现：
ChatMemoryRepository chatMemoryRepository = CassandraChatMemoryRepository.create(CassandraChatMemoryConfig.builder().withCqlSession(cqlSession));ChatMemory chatMemory = MessageWindowChatMemory.builder().chatMemoryRepository(chatMemoryRepository).maxMessages(10).build();
和收敛)
