基于MySQL的AI对话持久化简单实现——AI 超级智能体

可惜在哪

2026-04-03 14:23

阅读1427

可惜在哪

2026-04-03 14:23

阅读 1427

在最新版的Spring AI中，官方提供的JdbcChatMemoryRepository已经可以比较简单的使用了。

依赖

▼
text
复制代码
<properties>
    <spring-ai.version>1.1.0</spring-ai.version>
</properties>

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>${spring-ai.version}</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-chat-memory-repository-jdbc</artifactId>
</dependency>

配置数据库

▼
text
复制代码
spring:
  datasource:
    driver-class-name: com.mysql.cj.jdbc.Driver
    # 配置数据源，请替换成您自己的数据库信息
    url: jdbc:mysql://localhost:3306/lzx_ai_agent?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=Asia/Shanghai
    username: root
    password: <your password>
  ai:
    chat:
      memory:
        repository:
          jdbc:
            initialize-schema: always

▼
text
复制代码
CREATE DATABASE `lzx_ai_agent` CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci;

▼
text
复制代码
CREATE TABLE IF NOT EXISTS SPRING_AI_CHAT_MEMORY(
    conversation_id VARCHAR(36) NOT NULL,
    content         TEXT        NOT NULL,
    type            VARCHAR(10) NOT NULL,
    `timestamp`     TIMESTAMP   NOT NULL,
    CONSTRAINT TYPE_CHECK CHECK (type IN ('USER', 'ASSISTANT', 'SYSTEM', 'TOOL'))
);

LoveApp

▼
text
复制代码
import org.springframework.ai.chat.memory.repository.jdbc.JdbcChatMemoryRepository;

@Component
public class LoveApp{
    public LoveApp(ChatModel dashscopeChatModel, JdbcChatMemoryRepository chatMemoryRepository){
        ChatMemory chatMemory = MessageWindowChatMemory.builder()
                .chatMemoryRepository(chatMemoryRepository)
                .maxMessages(10)
                .build();
        ChatClient.Builder builder = ChatClient.builder(dashscopeChatModel);
        chatClient = builder.defaultSystem(SYSTEM_PROMPT)
                .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build(),
                        new MyLoggerAdvisor())
                .build();
    }
}

细心的同学会发现，表结构中没用主键ID和元数据信息。这是因为

主键ID

存储策略：Spring AI 使用"全量替换"策略 - 每次保存消息时，会先删除该 conversation_id 的所有旧消息，然后插入新消息
查询优化：通过 conversation_id + timestamp 组合可以唯一标识记录
简化设计：避免了复杂的主键管理，适合聊天历史的滑动窗口管理
性能考虑：对于聊天历史这种频繁写入的场景，简化的表结构有助于提高性能

元数据

通用性：元数据通常是应用特定的，不同应用有不同的元数据需求
灵活性：Spring AI 提供了扩展机制，允许自定义实现
核心功能聚焦：默认实现专注于核心功能 - 保存和检索消息
可扩展性：通过实现自定义 ChatMemoryRepository 可以添加元数据支持

官方态度根据Spring AI官方文档：

默认实现：提供了基本的持久化功能，满足大多数场景需求
扩展支持：明确支持通过实现 JdbcChatMemoryRepositoryDialect 接口来自定义存储逻辑
灵活性：允许使用自定义的表结构和存储策略

如何添加主键和元数据如果需要添加主键ID和元数据支持，你可以：

自定义表结构：
- 创建包含主键和元数据字段的自定义表
- 使用 spring.ai.chat.memory.repository.jdbc.schema 属性指定自定义脚本
扩展实现：
- 实现自定义的 ChatMemoryRepository
- 继承 JdbcChatMemoryRepository 并扩展功能