分分钟用Java实现多轮对话记忆功能

在 AI 技术飞速发展的今天，越来越多的企业希望通过 AI 技术提升业务能力。目前来看，绝大部分的企业系统都是用 Java 开发。大趋所势，Java 最火热的框架 Spring 与 AI 技术相结合，催生了一个全新的领域：Spring AI。它旨在将 AI 模型与 Spring 生态系统无缝集成，让开发者能够轻松地在 Spring 应用中使用 AI 功能。

Spring AI Alibaba 则是阿里对 Spring AI 的实现和增强，同时完整适配了阿里云通义模型。

在 AI 技术飞速更新的今天，普通的 Java 程序员岗位竞争趋于饱和，但是又衍生出了新的岗位-AI应用开发工程师。因为 Spring AI 使 Java 与 AI 无缝衔接，而且企业系统的代码基本是用 Java 更新迭代了很多年，所以开发 AI 应用，Spring AI 当然是首选，Spring AI 让 Java 再次伟大。

身为程序员的我们，当然要赶快学起来，提早坐上这座 AI 的大船！

接下来，我们就用 Java + Spring AI Alibaba 实现一个支持多轮对话记忆的程序。

Java 实现 AI 多轮对话记忆，可参考 Spring AI Alibaba 的 示例代码

/**    * 初始化ChatClient    * @param chatModel    */    public CodeAssistantApp(ChatModel chatModel) {        ChatMemory chatMemory = new InMemoryChatMemory();        chatClient = ChatClient.builder(chatModel)                .defaultSystem(SYSTEM_PROMPT)                // 拦截器                .defaultAdvisors(                        new MessageChatMemoryAdvisor(chatMemory),                        // 自定义拦截器，按需开启                        new CustomLoggerAdvisor()                        // 自定义重读拦截器，增强推理能力，增加成本，按需开启                        //new ReReadingAdvisor()                )                .build();    }

/**    * 基础对话（支持多轮对话记忆）    * @param message    * @param chatId    * @return java.lang.String    */    public String doChat(String message, String chatId) {        ChatResponse response = chatClient                .prompt()                .user(message)                // 将当前对话的 ID（chatId）传入，AI 客户端会根据这个 ID 去查找该对话的历史记录                .advisors(spec -> spec.param(CHAT_MEMORY_CONVERSATION_ID_KEY, chatId)                        // 表示最多获取最近的 10 条历史消息作为上下文，供 AI 在生成回复时参考                        .param(CHAT_MEMORY_RETRIEVE_SIZE_KEY, 10))                .call()                .chatResponse();        String content = "";        if (Objects.nonNull(response)) {            content = response.getResult().getOutput().getText();        }        log.info("content: {}", content);        return content;    }

@Slf4j@Componentpublic class CodeAssistantApp {     private final ChatClient chatClient;     /**    * 系统提示词    */    private static final String SYSTEM_PROMPT = "扮演资深的软件开发专家。开场向用户表明身份，告知用户可以提出难以解决的编程问题。\" +\n" +            "            \"引导用户详述问题需求，以便给出专属解决方案。";     /**    * 初始化ChatClient    * @param chatModel    */    public CodeAssistantApp(ChatModel chatModel) {        ChatMemory chatMemory = new InMemoryChatMemory();        chatClient = ChatClient.builder(chatModel)                .defaultSystem(SYSTEM_PROMPT)                // 拦截器                .defaultAdvisors(                        new MessageChatMemoryAdvisor(chatMemory),                        // 自定义拦截器，按需开启                        new CustomLoggerAdvisor()                        // 自定义重读拦截器，增强推理能力，增加成本，按需开启                        //new ReReadingAdvisor()                )                .build();    }     /**    * 基础对话（支持多轮对话记忆）    * @param message    * @param chatId    * @return java.lang.String    */    public String doChat(String message, String chatId) {        ChatResponse response = chatClient                .prompt()                .user(message)                // 将当前对话的 ID（chatId）传入，AI 客户端会根据这个 ID 去查找该对话的历史记录                .advisors(spec -> spec.param(CHAT_MEMORY_CONVERSATION_ID_KEY, chatId)                        // 表示最多获取最近的 10 条历史消息作为上下文，供 AI 在生成回复时参考                        .param(CHAT_MEMORY_RETRIEVE_SIZE_KEY, 10))                .call()                .chatResponse();        String content = "";        if (Objects.nonNull(response)) {            content = response.getResult().getOutput().getText();        }        log.info("content: {}", content);        return content;    }}