# JDBC 聊天记忆存储实现指南 > 适用项目：恋爱大师ai-agent > 技术栈：Spring Boot 3.5.3 / JDK 21 / Spring AI 1.1.2 / MySQL 8.0.33（mysql-connector-java）/ DashScope（spring-ai-alibaba 1.1.2.0） > 核心依赖：`spring-ai-starter-model-chat-memory-repository-jdbc:1.1.2` > 存储表：`SPRING_AI_CHAT_MEMORY` ## 一、实现原理 ### 1.1 组件协作关系 ``` 用户对话 │ ▼ ChatClient（defaultAdvisors 装配） │ ▼ MessageChatMemoryAdvisor ──► ChatMemory（MessageWindowChatMemory，窗口上限 20 条） │ ▼ ChatMemoryRepository │ ├── JdbcChatMemoryRepository（本项目，MySQL 持久化） ├── InMemoryChatMemoryRepository（内存兜底，仅开发用） └── FileBasedChatMemory（本项目自定义，Kryo 文件持久化） ``` ### 1.2 一次对话的完整读写链路 ``` 请求前（before）： ① chatMemory.get(chatId) → SELECT content, type FROM SPRING_AI_CHAT_MEMORY WHERE conversation_id = ? ② 将历史消息拼入 Prompt 发给大模型请求后（after）： ③ chatMemory.add(chatId, 新消息) └─ 内部先 findByConversationId() 查出历史 └─ 合并窗口裁剪后 saveAll()（事务内：DELETE 该会话全部 → 批量 INSERT 全部） ``` ### 1.3 存储语义（重要） - **快照语义**：`saveAll` 每次"先全删、再全插"，表内永远是该会话的完整最新消息列表，不存在追加残留； - **事务保障**：删除 + 批量插入包在 `TransactionTemplate` 中，中途失败自动回滚； - **消息顺序**：`timestamp` 以秒为单位，通过 `AtomicLong` 自增保证同批消息严格有序（该列仅作排序号，不追求精确时间）； - **TOOL 消息**：读取时还原为空内容 `ToolResponseMessage`（JDBC 方言不保存工具调用细节）。 ## 二、项目环境配置 ### 2.1 引入依赖（pom.xml）已添加（版本 1.1.2，与 spring-ai-alibaba 1.1.2.0 对齐）： ```xml org.springframework.ai spring-ai-starter-model-chat-memory-repository-jdbc 1.1.2 compile ``` ### 2.2 数据源配置（application.yaml）项目当前配置（本机 MySQL，库名 `xm-kimoaiagent`）： ```yaml spring: datasource: driver-class-name: com.mysql.cj.jdbc.Driver url: jdbc:mysql://localhost:3306/xm-kimoaiagent?serverTimezone=Asia/Shanghai&useUnicode=true&characterEncoding=utf-8&allowMultiQueries=true&useSSL=false username: root password: abc123 ``` ### 2.3 建表 Spring AI 的 `spring.ai.chat.memory.repository.jdbc.initialize-schema` **默认值为 `embedded`**，即只对嵌入式数据库（H2 等）自动建表，**MySQL 不会自动建表**。两种方式任选： **方式一（推荐，手动建表）**： ```sql CREATE TABLE IF NOT EXISTS SPRING_AI_CHAT_MEMORY ( conversation_id VARCHAR(36) NOT NULL, content TEXT NOT NULL, type VARCHAR(20) NOT NULL, timestamp TIMESTAMP NOT NULL, KEY idx_conversation_timestamp (conversation_id, timestamp) ); ``` > ⚠️ 表名大小写：Spring AI MySQL 方言的 SQL 硬编码为**全大写 `SPRING_AI_CHAT_MEMORY`**。 > - Windows 本机 MySQL 默认 `lower_case_table_names=1`，大小写不敏感，建小写表也能命中； > - **Linux 服务器默认大小写敏感**，必须建大写表名，否则报"Table doesn't exist"。 **方式二（自动建表）**，在 application.yaml 追加： ```yaml spring: ai: chat: memory: repository: jdbc: initialize-schema: always ``` ## 三、代码集成（LoveApp 当前实现） ```java @Component @Slf4j public class LoveApp { private final ChatClient chatClient; /** * 构造函数注入 JdbcChatMemoryRepository（关键：必须构造注入，不能字段注入） */ public LoveApp(ChatModel dashscopeChatModel, JdbcChatMemoryRepository jdbcChatMemoryRepository) { // 基于 JDBC 的窗口记忆：最多保存 20 条消息 MessageWindowChatMemory chatMemory = MessageWindowChatMemory.builder() .chatMemoryRepository(jdbcChatMemoryRepository) .maxMessages(20) .build(); // 注入带记忆的对话顾问 chatClient = ChatClient.builder(dashscopeChatModel) .defaultSystem(SYSTEM_PROMPT + "每次对话后都要生成恋爱结果，标题为{用户名}的恋爱报告，内容为建议列表") .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build(), new MyLoggerAdvisor(), new ReReadingAdvisor()) .build(); } public String doChat(String userMessage, String chatId) { ChatResponse chatResponse = chatClient.prompt() .user(userMessage) .advisors(spec -> spec.param(ChatMemory.CONVERSATION_ID, chatId)) .call() .chatResponse(); return chatResponse.getResult().getOutput().getText(); } } ``` 要点： 1. `MessageChatMemoryAdvisor` 通过 `ChatMemory.CONVERSATION_ID` 参数区分会话，调用方必须传 `chatId`； 2. `JdbcChatMemoryRepository` 由 Spring AI 自动配置（`@ConditionalOnMissingBean`），无需手动声明 Bean； 3. 记忆窗口 `maxMessages=20`：超过后优先保留 System 消息、裁剪最旧的非 System 消息。 ## 四、常见坑与排查 ### 4.1 【高频坑】@Resource 字段注入导致记忆"失效但无报错" ```java // ❌ 错误：字段注入发生在构造函数之后 @Resource JdbcChatMemoryRepository jdbcChatMemoryRepository; public LoveApp(ChatModel model) { // 这里 jdbcChatMemoryRepository 还是 null！ MessageWindowChatMemory.builder().chatMemoryRepository(jdbcChatMemoryRepository)... } ``` Spring 创建 Bean 的生命周期：**构造函数 → 字段注入 → @PostConstruct**。而 `MessageWindowChatMemory.Builder.build()` 对 null 有**静默容错**： ```java if (this.chatMemoryRepository == null) { this.chatMemoryRepository = new InMemoryChatMemoryRepository(); // 静默回退纯内存！ } ``` **症状**：测试中多轮对话记忆正常（模型记得上一轮说的话），但数据库表始终为空、且不报任何错误。 **解决**：改为构造函数注入（见上文 LoveApp 写法）。 ### 4.2 表建了但写不进去 - 确认 `initialize-schema` 已按 2.3 配置（外部 MySQL 默认不建表）； - 确认表名大小写与 MySQL 的 `lower_case_table_names` 匹配（Linux 必须大写）； - 确认 `timestamp` 列类型为 `TIMESTAMP` 且非空（方言 SQL 直接写该列）。 ### 4.3 每次对话数据库有 4 条 SQL，是否压力大？见同目录文档《Redis缓存必要性分析.md》：单次对话 DB 耗时约 5~10ms，占对话总耗时 < 0.5%，现阶段无需 Redis。 ## 五、验证方法 1. 运行 `mvn test -Dtest=LoveAppTest`（两轮对话 + 结构化输出测试）； 2. 查询数据库： ```sql SELECT conversation_id, type, LEFT(content, 30), timestamp FROM SPRING_AI_CHAT_MEMORY ORDER BY conversation_id, timestamp; ``` 3. 预期：每个测试会话出现 USER / ASSISTANT 成对记录，第二轮对话的模型回复能正确引用第一轮的用户信息。

一周上线百万级高并发系统