在Spring AI中通过MySQL实现会话记忆管理，主要涉及ChatMemory接口的配置和JdbcChatMemoryRepository的集成。以下是完整实现步骤及关键要点：

---

一、核心实现原理

Spring AI通过ChatMemory接口管理对话历史，结合JdbcChatMemoryRepository实现MySQL持久化存储。其核心流程包括：

1. 会话ID标识：通过唯一ID区分不同对话会话。
2. 消息存储：将用户输入和模型回复按时间顺序存入数据库。
3. 上下文检索：后续请求时自动加载历史消息作为上下文。

---

二、实现步骤

1. 添加依赖

在pom.xml中引入MySQL驱动和Spring AI会话存储模块：

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-chat-memory-repository-jdbc</artifactId>
</dependency>
<dependency>
    <groupId>mysql</groupId>
    <artifactId>mysql-connector-java</artifactId>
    <version>8.0.33</version>
</dependency>

2. 配置数据源

在application.properties中设置MySQL连接及初始化参数：

spring.datasource.driver-class-name=com.mysql.cj.jdbc.Driver
spring.datasource.url=jdbc:mysql://localhost:3306/chat_memory_db?useSSL=false&serverTimezone=Asia/Shanghai
spring.datasource.username=root
spring.datasource.password=123456

# 启用MySQL会话存储
spring.ai.chat.memory.repository.jdbc.initialize-schema=always
spring.ai.chat.memory.repository.jdbc.schema=classpath:schema-mysql.sql

• schema-mysql.sql需包含会话表结构（自动生成或手动创建）。

3. 自定义ChatMemory（可选）

若需扩展存储逻辑（如消息加密、格式转换），可自定义实现：

@Component
@RequiredArgsConstructor
public class CustomJdbcChatMemory implements ChatMemory {
    private final JdbcTemplate jdbcTemplate;

    @Override
    public void add(String conversationId, List<Message> messages) {
        // 自定义存储逻辑（如消息加密）
        jdbcTemplate.update("INSERT INTO chat_messages (...) VALUES (?)", messages);
    }

    @Override
    public List<Message> get(String conversationId) {
        // 自定义查询逻辑（如解密、格式转换）
        return jdbcTemplate.query("SELECT * FROM chat_messages WHERE conversation_id=?", messages);
    }
}

4. 配置ChatClient

在Bean中注入JdbcChatMemoryRepository并绑定到ChatClient：

@Configuration
public class ChatConfig {
    @Bean
    public ChatMemory chatMemory(DataSource dataSource) {
        return JdbcChatMemoryRepository.builder()
                .dataSource(dataSource)
                .maxMessages(50) // 自定义最大消息数
                .build();
    }

    @Bean
    public ChatClient chatClient(ChatMemory chatMemory) {
        return ChatClient.builder(openAiChatModel())
                .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build())
                .build();
    }
}

5. 控制器实现

通过会话ID管理对话上下文：

@RestController
@RequestMapping("/chat")
public class ChatController {
    private final ChatClient chatClient;

    public ChatController(ChatClient chatClient) {
        this.chatClient = chatClient;
    }

    @GetMapping("/memory")
    public String chat(@RequestParam String userInput, @RequestParam String conversationId) {
        return chatClient.prompt()
                .user(userInput)
                .advisors(a -> a.param(ChatMemory.CONVERSATION_ID, conversationId))
                .call()
                .content();
    }
}

---

三、数据库表结构示例

自动生成的SPRING_AI_CHAT_MEMORY表结构：

CREATE TABLE `spring_ai_chat_memory` (
  `id` BIGINT AUTO_INCREMENT PRIMARY KEY,
  `conversation_id` VARCHAR(36) NOT NULL,
  `content` TEXT NOT NULL,
  `type` ENUM('USER', 'ASSISTANT', 'SYSTEM') NOT NULL,
  `timestamp` TIMESTAMP DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

• conversation_id：会话唯一标识
• type：消息类型（用户/助手/系统）
• content：消息内容。

---

四、测试与验证

1. 首次请求：

   GET /chat/memory?userInput=你好&conversationId=001
   

   返回模型初始回复，并存储到数据库。

2. 后续请求：

   GET /chat/memory?userInput=请解释名字含义&conversationId=001
   

   模型将结合历史消息生成连贯回复。

3. 数据库验证：
   查询SPRING_AI_CHAT_MEMORY表，确认消息按时间顺序存储。

---

五、高级配置

1. 消息窗口控制：
   通过maxMessages参数限制存储的消息数量，避免内存溢出：

   spring.ai.chat.memory.repository.jdbc.max-messages=100
   

2. 分布式会话：
   结合Redis实现分布式会话ID生成，确保跨服务会话一致性。

3. 性能优化：

   • 使用批量插入提升写入效率。
   • 添加索引加速conversation_id查询。

---

六、常见问题

1. 依赖冲突：
   确保spring-ai-starter-model-chat-memory-repository-jdbc版本与Spring Boot兼容。

2. 表结构不匹配：
   检查schema-mysql.sql是否与数据库版本兼容，或手动创建表结构。

3. 消息丢失：
   确认initialize-schema=always配置生效，避免数据库初始化失败。

---

通过上述步骤，可快速实现基于MySQL的Spring AI会话记忆管理，适用于需要长期保存对话历史的场景（如客服系统、个性化助手）。