本文根据 Spring AI 官方文档 整理，用大白话把原版内容讲清楚，代码可以直接复制使用。
前言：为什么LLM需要记忆？
大语言模型（LLM）说白了就是没记性——你跟它说啥，它听完就忘，每次对话都像第一次见面。这就很尴尬了：怎么让AI记住咱们刚才聊过啥？
Spring AI 提供了Chat Memory机制来解决这个痛点。本文会用最接地气的方式，带你搞懂 Spring AI 的对话记忆，从概念到各种存储方式，再到能跑的代码。
一、核心概念：记忆 vs 历史
在开始之前，先分清两个容易搞混的词：
| 概念 | 大白话解释 | 用途 |
|---|---|---|
| Chat Memory（对话记忆） | AI“脑子”里记着的那些事，为了接上话茬儿用的 | 维持当前聊天上下文 |
| Chat History（对话历史） | 完整聊天记录，一句话不落 | 翻旧账、做审计、恢复会话 |
一句话总结：
ChatMemory只管“记住该记住的”，不管“存下所有的”。完整的聊天记录建议用 Spring Data 自己去存。
二、整体架构：ChatMemory 是怎么工作的？
Spring AI 把“记忆”拆成两层，想换哪层就换哪层：
ChatMemory（记哪些）：决定哪些消息要记住、什么时候忘掉（比如只留最近10条、过期自动删等）。ChatMemoryRepository（存哪去）：消息真正存的地方，能从数据库读写。
三、内置记忆类型：MessageWindowChatMemory
目前 Spring AI 内置的记忆策略主要是MessageWindowChatMemory——翻译成人话就是**“只记最近N条消息”**。
// 创建一个只记最近10条消息的记忆ChatMemorychatMemory=MessageWindowChatMemory.builder().maxMessages(10)// 窗口大小，默认是20.build();它是怎么工作的？
注意：系统消息（SystemMessage）像钉子户一样，无论窗口怎么滑，它都不会被删。
四、内置存储实现（Repository）详解
Spring AI 支持多种存储后端，从内存到各种数据库全覆盖：
| 存储类型 | 啥时候用 | 有啥特点 |
|---|---|---|
| InMemory | 本地开发测试、流量很小 | 基于ConcurrentHashMap，重启就丢 |
| JDBC | 正式生产环境，用关系型数据库 | 支持MySQL/Postgres等，自动建表 |
| Cassandra | 数据量巨大、要高可用 | 原生支持自动过期（TTL），适合长期存 |
| Neo4j | 需要分析消息间的关系 | 消息存成节点，能查复杂关系 |
| MongoDB | 文档型数据、schema灵活 | 自动建索引，支持过期 |
| Cosmos DB | 用Azure云、全球部署 | 自动按会话ID分区 |
快速上手：用 JDBC 存到 PostgreSQL
加依赖
<dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-chat-memory-repository-jdbc</artifactId></dependency>写配置(application.yml)
spring:datasource:url:jdbc:postgresql://localhost:5432/chatdbai:chat:memory:repository:jdbc:initialize-schema:always# 自动建表，不用自己写SQL注入使用
@AutowiredprivateJdbcChatMemoryRepositoryrepository;// 组合窗口策略 + JDBC存储ChatMemorychatMemory=MessageWindowChatMemory.builder().chatMemoryRepository(repository).maxMessages(10).build();
五、实战：在 ChatClient 里用上记忆
Spring AI 推荐通过Advisor（顾问）来给ChatClient加记忆功能。你可以把 Advisor 理解成一个“拦截器”，在发消息前自动把历史记录塞进去。
5.1 用 MessageChatMemoryAdvisor（推荐）
// 1. 配置记忆ChatMemorychatMemory=MessageWindowChatMemory.builder().maxMessages(20).build();// 2. 创建 ChatClient，配上记忆顾问ChatClientchatClient=ChatClient.builder(chatModel).defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build()).build();// 3. 聊天时传入 conversationId（就像房间号）StringconversationId="user-123-session";Stringresponse=chatClient.prompt().user("我的名字是詹姆斯·邦德").advisors(advisor->advisor.param(ChatMemory.CONVERSATION_ID,conversationId)).call().content();// 第二轮对话，AI 还记得你叫啥Stringresponse2=chatClient.prompt().user("我叫什么名字？").advisors(advisor->advisor.param(ChatMemory.CONVERSATION_ID,conversationId)).call().content();// 输出：詹姆斯·邦德关键点：
ChatMemory.CONVERSATION_ID是必须传的，用来区分不同会话（比如不同用户、不同聊天窗口）。不传就报错。
5.2 完整流程（看图就懂）
六、高级话题：VectorStoreChatMemoryAdvisor
如果你需要长期记忆或者**“凭感觉”找相关记忆**（比如 AI 能想起三天前聊过的话题），可以用VectorStoreChatMemoryAdvisor。它不再死板地只记最近N条，而是把所有历史存进向量数据库，每次根据语义相似度找最相关的记忆。
VectorStorevectorStore=...// 比如 Chroma, PGVectorChatClientchatClient=ChatClient.builder(chatModel).defaultAdvisors(newVectorStoreChatMemoryAdvisor(vectorStore)).build();安全提醒：这个顾问会把搜到的内容以 XML 标签形式塞进系统提示词里，有被恶意利用的风险。对安全要求高的场景，还是用上面那个
MessageChatMemoryAdvisor更稳妥。
七、总结 + 最佳实践
先想清楚要啥：短期会话记忆用
MessageWindowChatMemory，长期语义记忆用VectorStoreChatMemoryAdvisor。生产环境怎么选：
- 中小项目：JDBC + PostgreSQL/MySQL，窗口大小设合适（比如20-50条）。
- 数据量大、写入频繁：Cassandra或MongoDB，再设个自动过期时间。
- 用 Azure 云：直接上Cosmos DB Repository。
永远记得传 Conversation ID：不管用哪种 Advisor，每次请求都带上唯一的会话标识，不然 AI 就乱套了。
工具调用（Tool Calls）的坑：当前版本里，工具调用的中间消息不会被存进记忆。如果这功能对你很重要，要么等官方更新，要么自己手动处理。
掌握了 Spring AI 的 Chat Memory 机制，你就能让 AI 不再是“金鱼记忆”，做出真正能聊到一块儿的智能应用。
