Java程序员学从0学AI（六）

技术文档

一、前言

在上一篇文章中我们学习了如何使用Spring AI的 Structured Output Converter 让大模型格式化输出。今天我们将继续学习SpringAI的Chat Memory（聊天记忆）

二、Chat Memory

大模型和Http很相似都是无状态的，也就是说大模型其实是没办法知道上下文的。例如我告诉大模型我叫“哈迪”，下次再问他他依旧不知道我是谁。这个和Http很相似，无状态。这将极大的限制我们使用大模型；好在Spring AI提供了对话记忆功能（说白了，就是将之前对对话给到大模型，让大模型有更充足的上下文）

三、代码演示

1、不使用Chat Memory

我们先尝试一下不使用Chat Memory，代码如下

/** * @Author hardy(叶阳华) * @Description * @Date 2025/5/16 14:08 * @Modified By: Copyright(c) cai-inc.com */@RestController@RequestMapping(\"/chat\")public class ChatController { private final ChatClient client; public ChatController() { client = ChatClient.builder( DeepSeekChatModel.builder().deepSeekApi(DeepSeekApi.builder().apiKey(\"换成自己的APIKey\").build()).build()).build(); } @GetMapping(\"/chatWithoutMemory\") public String chatWithoutMemory(String msg) { return client.prompt(msg).call().content(); }}

第一轮对话：我们告诉大模型我叫hardy

Java程序员学从0学AI（六）

第二轮对话：询问大模型我叫什么名字

Java程序员学从0学AI（六）

可以看到，即使我们告诉了大模型我叫什么名字，但是在下一轮对话中大模型依旧无法知道我是谁。正如上文所说，大模型是无状态的。

2、使用Chat Memory

我们先试用最简单的基于内存的Chat Memory

/** * @Author hardy(叶阳华) * @Description * @Date 2025/5/16 14:08 * @Modified By: Copyright(c) cai-inc.com */@RestController@RequestMapping(\"/chat\")public class ChatController { private final ChatClient client; public ChatController(ChatMemory chatMemory) { client = ChatClient.builder(DeepSeekChatModel.builder() .deepSeekApi(DeepSeekApi.builder().apiKey(\"替换成自己的APIKEY\").build()).build()) .defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build()) .build(); } @GetMapping(\"/chatMemory\") public String chatWithoutMemory(String msg) { return client.prompt(msg).call().content(); }}

第一轮对话：我们告诉大模型我叫hardy

Java程序员学从0学AI（六）

第二轮对话：询问大模型我叫什么名字

Java程序员学从0学AI（六）

神奇的事情发生了，大模型知道我叫哈迪。

四、知其然也知其所以然

上面的案例我们演示了一下使用最简单的Chat Memory实现了聊天记忆功能。那他是如何实现的呢？我们可以在请求前后做一层拦截，看看发生了什么，这里使用Advisors （之前的文章介绍过，笔记二中记录）。对上述代码稍加修改，我在请求前做了一次打印，接下来我们把刚才的实验重头再来一次

Java程序员学从0学AI（六）

/** * @Author hardy(叶阳华) * @Description * @Date 2025/5/16 15:48 * @Modified By: Copyright(c) cai-inc.com */@Slf4jpublic class SimpleLogAdvisor implements CallAdvisor { @Override public String getName() { return \"SimpleLogAdvisor\"; } @Override public int getOrder() { return 0; } @Override public ChatClientResponse adviseCall(final ChatClientRequest chatClientRequest, final CallAdvisorChain callAdvisorChain) { log.info(\"chatClientRequest:{}\", JSON.toJSONString(chatClientRequest)); return callAdvisorChain.nextCall(chatClientRequest); }}

第一轮对话：我们告诉大模型我叫哈迪，打印出来的请求参数如下：

{\"context\": {},\"prompt\": {\"contents\": \"你好我叫哈迪\",\"instructions\": [{\"media\": [],\"messageType\": \"USER\",\"metadata\": {\"messageType\": \"USER\"},\"text\": \"你好我叫哈迪\"}],\"options\": {\"model\": \"deepseek-chat\",\"temperature\": 0.7},\"systemMessage\": {\"messageType\": \"SYSTEM\",\"metadata\": {\"messageType\": \"SYSTEM\"},\"text\": \"\"},\"userMessage\": {\"media\": [],\"messageType\": \"USER\",\"metadata\": {\"messageType\": \"USER\"},\"text\": \"你好我叫哈迪\"},\"userMessages\": [{\"media\": [],\"messageType\": \"USER\",\"metadata\": {\"messageType\": \"USER\"},\"text\": \"你好我叫哈迪\"}]}}

第二轮对话：我们询问大模型我叫什么名字，打印出来的请求参数如下：

{\"context\": {},\"prompt\": {\"contents\": \"你好我叫哈迪你好哈迪！很高兴认识你～ 😊 我是DeepSeek Chat，可以叫我小深或者DeepSeek。有什么我可以帮你的吗？无论是聊天、解答问题，还是需要一些建议，我都会尽力帮你哦！✨我叫什么名字\",\"instructions\": [{\"media\": [],\"messageType\": \"USER\",\"metadata\": {\"messageType\": \"USER\"},\"text\": \"你好我叫哈迪\"}, {\"media\": [],\"messageType\": \"ASSISTANT\",\"metadata\": {\"finishReason\": \"STOP\",\"index\": 0,\"id\": \"363fafe6-81b0-434c-b922-4c616f174fb7\",\"role\": \"ASSISTANT\",\"messageType\": \"ASSISTANT\"},\"text\": \"你好哈迪！很高兴认识你～ 😊 我是DeepSeek Chat，可以叫我小深或者DeepSeek。有什么我可以帮你的吗？无论是聊天、解答问题，还是需要一些建议，我都会尽力帮你哦！✨\",\"toolCalls\": []}, {\"media\": [],\"messageType\": \"USER\",\"metadata\": {\"messageType\": \"USER\"},\"text\": \"我叫什么名字\"}],\"options\": {\"model\": \"deepseek-chat\",\"temperature\": 0.7},\"systemMessage\": {\"messageType\": \"SYSTEM\",\"metadata\": {\"messageType\": \"SYSTEM\"},\"text\": \"\"},\"userMessage\": {\"media\": [],\"messageType\": \"USER\",\"metadata\": {\"messageType\": \"USER\"},\"text\": \"我叫什么名字\"},\"userMessages\": [{\"media\": [],\"messageType\": \"USER\",\"metadata\": {\"messageType\": \"USER\"},\"text\": \"你好我叫哈迪\"}, {\"media\": [],\"messageType\": \"USER\",\"metadata\": {\"messageType\": \"USER\"},\"text\": \"我叫什么名字\"}]}}

可以看到SpringAI 是将本轮对话的上下文一股脑的发送到了大模型，所以“聊天记忆”功能靠的是让大模型知道所有的聊天上下文。

五、ChatMemory代码分析

1、接口介绍

Java程序员学从0学AI（六）

ChatMemory是一个接口，接口定义的方法也非常简单分别是

添加聊天记录
获取聊天记录
清空聊天记录

2、默认实现

SpringAI为我们提供了默认的ChatMemory实现MessageWindowChatMemory，从名字中不难看出这是一个有窗口的聊天记录（所谓的窗口，就是可以记录多少条数据），同时由于没有定义任何外部存储介质，所以聊天记录是存在内存中。Talk is Cheap ,Show Me the Code。我们看一下具体的实现代码(部分)

public final class MessageWindowChatMemory implements ChatMemory { //默认最大记录条数 private static final int DEFAULT_MAX_MESSAGES = 20; //存储介质 private final ChatMemoryRepository chatMemoryRepository; //最大记录条数 private final int maxMessages; //省略构造函数 @Override public void add(String conversationId, List<Message> messages) { List<Message> memoryMessages = this.chatMemoryRepository.findByConversationId(conversationId); List<Message> processedMessages = process(memoryMessages, messages); this.chatMemoryRepository.saveAll(conversationId, processedMessages); } @Override public List<Message> get(String conversationId) { return this.chatMemoryRepository.findByConversationId(conversationId); } @Override public void clear(String conversationId) { this.chatMemoryRepository.deleteByConversationId(conversationId); } ...忽略...}

可以看MessageWindowChatMemory 大多数的逻辑是基于ChatMemoryRepository实现的，我们继续查看ChatMemoryRepository，ChatMemoryRepository也是一个接口，定义了一系列的方法

public interface ChatMemoryRepository {List<String> findConversationIds();List<Message> findByConversationId(String conversationId);/** * Replaces all the existing messages for the given conversation ID with the provided * messages. */void saveAll(String conversationId, List<Message> messages);void deleteByConversationId(String conversationId);}

在MessageWindowChatMemory中使用的ChatMemoryRepository是InMemoryChatMemoryRepository，从名字中就可以看出这是一个基于内存的聊天记录存储介质。核心是第一个ConcurrentHashMap

Java程序员学从0学AI（六）

3、实现自定义ChatMemory

众所周知内存是宝贵的，我们不可能把大量的数据存放到内存中，那么是否可以存储到外部的介质中呢，比如Mysql、ES等等？当然可以，既然ChatMemory是一个接口，我们只要自定义实现即可。咱么这里还是使用MessageWindowChatMemory只不过我们替换其中的Repository，将数据持久化到Mysql中

1、首先我们创建一张表

CREATE TABLE `chat_memory` ( `id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT \'主键\', `conversation_id` varchar(100) DEFAULT NULL COMMENT \'会话ID\', `message` text COMMENT \'消息\', PRIMARY KEY (`id`) USING BTREE) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin COMMENT=\'聊天记录表\';

2、引入Mysql+Mybatis Plus依赖

<dependency> <groupId>com.mysql</groupId> <artifactId>mysql-connector-j</artifactId></dependency><dependency> <groupId>com.baomidou</groupId> <artifactId>mybatis-plus</artifactId> <version>3.5.12</version></dependency>

3、编写实体类

@Data@TableName(\"chat_memory\")public class ChatMemoryEntity { @TableId(type = IdType.AUTO) private Long id; private String conversationId; private String message;}

4、编写Mapper接口

/** * @Author hardy(叶阳华) * @Description * @Date 2025/7/26 14:04 * @Modified By: Copyright(c) cai-inc.com */public interface ChatMemoryMapper extends BaseMapper<ChatMemoryEntity> {}

5、编写自定义

/** * @Author hardy(叶阳华) * @Description * @Date 2025/7/26 13:38 * @Modified By: Copyright(c) cai-inc.com */@Componentpublic class MySqlChatMemoryRepository implements ChatMemoryRepository { @Resource private ChatMemoryMapper chatMemoryMapper; @Override public List<String> findConversationIds() { final List<ChatMemoryEntity> chatMemoryEntities = chatMemoryMapper.selectList( Wrappers.lambdaQuery(ChatMemoryEntity.class)); return chatMemoryEntities.stream().map(ChatMemoryEntity::getConversationId).distinct().collect(Collectors.toList()); } @Override public List<Message> findByConversationId(final String conversationId) { final List<ChatMemoryEntity> chatMemoryList = chatMemoryMapper.selectList( Wrappers.lambdaQuery(ChatMemoryEntity.class) .eq(ChatMemoryEntity::getConversationId, conversationId)); return chatMemoryList.stream().map(memory-> JSON.parseObject(memory.getMessage(),Message.class)).collect(Collectors.toList()); } /** * Replaces all the existing messages for the given conversation ID with the provided messages. */ @Override public void saveAll(final String conversationId, final List<Message> messages) { List<ChatMemoryEntity> memoryEntities = new ArrayList<>(); messages.forEach(message->{ ChatMemoryEntity entity = new ChatMemoryEntity(); entity.setMessage(JSON.toJSONString(message)); entity.setConversationId(conversationId); memoryEntities.add(entity); }); chatMemoryMapper.insert(memoryEntities); } @Override public void deleteByConversationId(final String conversationId) { chatMemoryMapper.delete(Wrappers.lambdaQuery(ChatMemoryEntity.class) .eq(ChatMemoryEntity::getConversationId,conversationId)); }}

6、编写接口

/** * @Author hardy(叶阳华) * @Description * @Date 2025/5/16 14:08 * @Modified By: Copyright(c) cai-inc.com */@RestController@RequestMapping(\"/chat\")public class ChatController { private final ChatClient client; public ChatController(MySqlChatMemoryRepository mySqlChatMemoryRepository) { MessageWindowChatMemory memory = MessageWindowChatMemory.builder() .chatMemoryRepository(mySqlChatMemoryRepository).maxMessages(10).build(); client = ChatClient.builder(DeepSeekChatModel.builder() .deepSeekApi(DeepSeekApi.builder().apiKey(\"APIKEY\").build()).build()) .defaultAdvisors(MessageChatMemoryAdvisor.builder(memory).build(), new SimpleLogAdvisor()).build(); } @GetMapping(\"/chatMemory\") public String chatWithoutMemory(String msg) { return client.prompt(msg).call().content(); }}

7、调用接口

Java程序员学从0学AI（六）

8、查看数据库

Java程序员学从0学AI（六）

可以看到数据库里存入了我们的数据，但是这么做是有问题的！！！！再次调用会发现反序列化失败

Java程序员学从0学AI（六）

4、正确的打开方式

刚才自定义方式是有问题，那么正确的打开方式是什么呢？使用SpringAI为我们提供的JdbcChatMemoryRepository接口。

1、引入如下依赖

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

2、修改配置

server: port: 8080spring: application: name: spring-ai-demo datasource: driver-class-name: com.mysql.cj.jdbc.Driver url: jdbc:mysql://${MYSQL_HOST:127.0.0.1}:${MYSQL_PORT:3306}/learn?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=UTC password: zaige806 username: root ai: chat: memory: repository: jdbc: initialize-schema: always platform: mysql schema: classpath:schema/schema-@@platform@@.sql

3、修改接口

/** * @Author hardy(叶阳华) * @Description * @Date 2025/5/16 14:08 * @Modified By: Copyright(c) cai-inc.com */@RestController@RequestMapping(\"/chat\")public class ChatController { private final ChatClient client; public ChatController(JdbcTemplate jdbcTemplate) { // 创建聊天记忆存储库，使用JDBC实现并配置MySQL方言 ChatMemoryRepository chatMemoryRepository = JdbcChatMemoryRepository.builder() .jdbcTemplate(jdbcTemplate) .dialect(new MysqlChatMemoryRepositoryDialect()) .build(); // 创建消息窗口聊天记忆，限制最多保存10条消息 ChatMemory memory = MessageWindowChatMemory.builder() .chatMemoryRepository(chatMemoryRepository) .maxMessages(10) .build(); // 构建聊天客户端，使用DeepSeek大模型并配置API密钥 // 同时添加消息聊天记忆顾问以启用对话历史功能 client = ChatClient.builder(DeepSeekChatModel.builder()  .deepSeekApi(DeepSeekApi.builder().apiKey(\"sk-2f18dc5852134ed19d614f9ba09febe7\").build()).build()) .defaultAdvisors(MessageChatMemoryAdvisor.builder(memory).build(),new SimpleLogAdvisor()).build(); } @GetMapping(\"/chatMemory\") public String chatWithoutMemory(String msg,String conversationId) { //生成自定义的会话ID return client.prompt(msg).advisors(advisor->advisor.param(ChatMemory.CONVERSATION_ID,conversationId)).call().content(); }}

4、添加schema：位置可以随意，但是要和配置文件里的保持一致

Java程序员学从0学AI（六）

CREATE TABLE IF NOT EXISTS SPRING_AI_CHAT_MEMORY( `conversation_id` VARCHAR(36) NOT NULL, `content` TEXT  NOT NULL, `type` ENUM (\'USER\', \'ASSISTANT\', \'SYSTEM\', \'TOOL\') NOT NULL, `timestamp` TIMESTAMP  NOT NULL, INDEX `SPRING_AI_CHAT_MEMORY_CONVERSATION_ID_TIMESTAMP_IDX` (`conversation_id`, `timestamp`));

5、启动项目

可以看到Spring为我们创建了一张表

Java程序员学从0学AI（六）

6、调用接口

Java程序员学从0学AI（六）

小插曲：官方Bug！！！

什么居然报错了？部分错误信息如下：

 [spring-ai-demo] [nio-8080-exec-1] o.a.c.c.C.[.[.[/].[dispatcherServlet] : Servlet.service() for servlet [dispatcherServlet] in context with path [] threw exception [Request processing failed: org.springframework.jdbc.BadSqlGrammarException: PreparedStatementCallback; bad SQL grammar [SELECT content, type FROM SPRING_AI_CHAT_MEMORY WHERE conversation_id = ? ORDER BY `timestamp` DESC LIMIT ?]] with root causejava.sql.SQLException: No value specified for parameter 2at com.mysql.cj.jdbc.exceptions.SQLError.createSQLException(SQLError.java:130) ~[mysql-connector-j-8.0.33.jar:8.0.33]at com.mysql.cj.jdbc.exceptions.SQLExceptionsMapping.translateException(SQLExceptionsMapping.java:122) ~[mysql-connector-j-8.0.33.jar:8.0.33]at com.mysql.cj.jdbc.ClientPreparedStatement.executeQuery(ClientPreparedStatement.java:989) ~[mysql-connector-j-8.0.33.jar:8.0.33]at com.zaxxer.hikari.pool.ProxyPreparedStatement.executeQuery(ProxyPreparedStatement.java:52) ~[HikariCP-5.1.0.jar:na]

这个是官方bug，简单的说就是官方默认的MysqlChatMemoryRepositoryDialect指定了两个参数，但是实际只传入了一个参数

Java程序员学从0学AI（六）

那该如何解决呢？当然是自己写一个了Dailect

package com.cmxy.springbootaidemo.memory;import org.springframework.ai.chat.memory.repository.jdbc.JdbcChatMemoryRepositoryDialect;/** * @Author hardy(叶阳华) * @Description * @Date 2025/7/26 23:13 * @Modified By: Copyright(c) cai-inc.com */public class CustomChatMemoryRepositoryDialect implements JdbcChatMemoryRepositoryDialect { private static final int DEFAULT_MAX_MESSAGES = 50; public String getSelectMessagesSql() { return \"SELECT content, type FROM SPRING_AI_CHAT_MEMORY WHERE conversation_id = ? ORDER BY `timestamp` DESC \" + \"LIMIT \" + DEFAULT_MAX_MESSAGES; } public String getInsertMessageSql() { return \"INSERT INTO SPRING_AI_CHAT_MEMORY (conversation_id, content, type, `timestamp`) VALUES (?, ?, ?, ?)\"; } public String getSelectConversationIdsSql() { return \"SELECT DISTINCT conversation_id FROM SPRING_AI_CHAT_MEMORY\"; } public String getDeleteMessagesSql() { return \"DELETE FROM SPRING_AI_CHAT_MEMORY WHERE conversation_id = ?\"; }}

5、再次修改接口

package com.cmxy.springbootaidemo.chat;import com.cmxy.springbootaidemo.advisor.SimpleLogAdvisor;import com.cmxy.springbootaidemo.memory.CustomChatMemoryRepositoryDialect;import org.springframework.ai.chat.client.ChatClient;import org.springframework.ai.chat.client.advisor.MessageChatMemoryAdvisor;import org.springframework.ai.chat.memory.ChatMemory;import org.springframework.ai.chat.memory.ChatMemoryRepository;import org.springframework.ai.chat.memory.MessageWindowChatMemory;import org.springframework.ai.chat.memory.repository.jdbc.JdbcChatMemoryRepository;import org.springframework.ai.chat.memory.repository.jdbc.JdbcChatMemoryRepositoryDialect;import org.springframework.ai.chat.memory.repository.jdbc.MysqlChatMemoryRepositoryDialect;import org.springframework.ai.deepseek.DeepSeekChatModel;import org.springframework.ai.deepseek.api.DeepSeekApi;import org.springframework.jdbc.core.JdbcTemplate;import org.springframework.web.bind.annotation.GetMapping;import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RestController;/** * @Author hardy(叶阳华) * @Description * @Date 2025/5/16 14:08 * @Modified By: Copyright(c) cai-inc.com */@RestController@RequestMapping(\"/chat\")public class ChatController { private final ChatClient client; public ChatController(JdbcTemplate jdbcTemplate) { //使用自定义方言 final JdbcChatMemoryRepositoryDialect dialect = new CustomChatMemoryRepositoryDialect(); //配置JdbcChatMemoryRepository final JdbcChatMemoryRepository jdbcChatMemoryRepository = JdbcChatMemoryRepository.builder().jdbcTemplate(jdbcTemplate) .dialect(dialect).build(); // 创建消息窗口聊天记忆，限制最多保存10条消息 （其实这里的10条配置已经没有意义了，因为在dialect默认了50条） ChatMemory memory = MessageWindowChatMemory.builder().chatMemoryRepository(jdbcChatMemoryRepository) .maxMessages(10) .build(); // 构建聊天客户端，使用DeepSeek大模型并配置API密钥 final DeepSeekApi deepSeekApi = DeepSeekApi.builder().apiKey(\"替换成自己的APIKEY\").build(); // 同时添加消息聊天记忆顾问以启用对话历史功能 client = ChatClient.builder(DeepSeekChatModel.builder().deepSeekApi(deepSeekApi).build()) .defaultAdvisors(MessageChatMemoryAdvisor.builder(memory).build(), new SimpleLogAdvisor()).build(); } @GetMapping(\"/chatMemory\") public String chatWithoutMemory(String msg, String conversationId) { return client.prompt(msg).advisors(advisor -> advisor.param(ChatMemory.CONVERSATION_ID, conversationId)) .call().content(); }}

6、测试

1、对话ID 001：告诉大模型我叫哈迪

Java程序员学从0学AI（六）

数据库：

Java程序员学从0学AI（六）

2、对话ID 001：问大模型我叫什么名字，可以看到大模型“记住了”

Java程序员学从0学AI（六）

数据库：

Java程序员学从0学AI（六）

3、换一个对话ID 002，预期：大模型不知道我是谁

Java程序员学从0学AI（六）

可以看到大模型并不知道我是谁。

六、总结

本文围绕 Spring AI 的 Chat Memory（聊天记忆）功能展开，从实际需求出发，详细介绍了其作用、实现方式及扩展方案，具体可归纳为以下几点：

Chat Memory 的核心作用
大模型本身是无状态的，类似 HTTP 协议，无法直接记住上下文。Chat Memory 通过存储历史对话记录，在每次请求时将上下文一并发送给大模型，从而实现 “聊天记忆” 效果，解决了大模型无法关联历史对话的问题。
使用方式与效果验证
- 不使用 Chat Memory 时，大模型无法记住用户的历史信息（如用户姓名），两次独立对话之间无关联。
- 集成基于内存的 Chat Memory 后，通过MessageChatMemoryAdvisor`拦截并携带历史对话，大模型能准确回应依赖上下文的问题（如 “记住” 用户姓名）。
实现原理剖析
Spring AI 的 Chat Memory 核心逻辑是通过ChatMemory接口及其默认实现MessageWindowChatMemory完成的：
接口定义了添加、获取、清空对话记录的基础方法。默认实现MessageWindowChatMemor通过内存存储InMemoryChatMemoryRepository管理对话，支持设置最大记录条数（窗口大小），避免内存溢出。
本质是通过拦截器（Advisors）在请求时拼接历史对话，让大模型获得完整上下文。
自定义与持久化方案
内存存储不适用于生产环境，需将对话记录持久化到外部介质（如 MySQL）：
- 直接自定义ChatMemoryRepository可能存在反序列化问题，推荐使用 Spring AI 提供的JdbcChatMemoryRepository
- 需引入相关依赖、配置数据库连接，并处理官方方言（Dialect）的潜在 Bug（可通过自定义 Dialect 解决），确保对话记录正确存储和读取。
关键结论
Chat Memory 是构建连续对话能力的核心组件，其本质是 “上下文拼接” 而非大模型自身的记忆能力。在实际开发中，需根据场景选择合适的存储方案（内存用于测试，数据库用于生产），并注意处理序列化、多对话 ID 隔离等问题，以实现稳定可靠的对话记忆功能。希望对你有所帮助

Java程序员学从0学AI（六）

一、前言

二、Chat Memory

三、代码演示

1、不使用Chat Memory

2、使用Chat Memory

四、知其然也知其所以然

五、ChatMemory代码分析

1、接口介绍

2、默认实现

3、实现自定义ChatMemory

4、正确的打开方式

1、引入如下依赖

2、修改配置

3、修改接口

4、添加schema：位置可以随意，但是要和配置文件里的保持一致

小插曲：官方Bug！！！

5、再次修改接口

6、测试

六、总结

未完待续

公告

DeepSeek全套部署资料免费下载

免费可商用字体批量下载

Java程序员学从0学AI（六）

一、前言

二、Chat Memory

三、代码演示

1、不使用Chat Memory

2、使用Chat Memory

四、知其然也知其所以然

五、ChatMemory代码分析

1、接口介绍

2、默认实现

3、实现自定义ChatMemory

4、正确的打开方式

1、引入如下依赖

2、修改配置

3、修改接口

4、添加schema：位置可以随意，但是要和配置文件里的保持一致

小插曲：官方Bug！！！

5、再次修改接口

6、测试

六、总结

未完待续

相关问题

公告

DeepSeek全套部署资料免费下载

免费可商用字体批量下载