实战：Spring AI Alibaba + Redis：搞定多轮对话持久化的 Hello World（附全部代码）
一、概述
在AI技术浪潮的推动下，Java开发领域正经历着深刻的变革。Spring AI 与阿里巴巴 AI（Spring AI Alibaba）的推出，为Java开发者打开了智能应用开发的大门。多轮对话持久化作为智能应用开发中的核心功能之一，目前相关资料却极为稀缺。
今天，我将深入剖析 Spring AI Alibaba 项目中基于 Redis 实现多轮对话持久化的全过程，帮助大家掌握这一关键技能。从环境搭建到代码实现，从序列化配置到对话管理，每一步都经过反复验证，确保清晰易懂。
完整代码已整理呈现，您可以直接上手，快速验证效果，避免踩坑。
二、依赖
- 开发工具：推荐使用最新版本的 IntelliJ IDEA，以获得更好的兼容性和功能支持。
- JDK：17 及以上版本，IDEA 自带的 JDK 安装方便，配置简单。
- 阿里云百炼平台：百炼平台（提供强大的 AI 模型支持和训练服务）。
- 如果在基础环境搭建方面遇到困难，可以参考我之前分享的一篇文章，里面详细介绍了搭建步骤：一起学习 Spring AI Alibaba项目
- Redis：熟悉的朋友可以自行安装，不熟悉的朋友也可以通过网上教程轻松完成。后续我也会整理一份基于 AI 学习的环境搭建文档。
三、代码结构
│─src
│ └─main
│ ├─java
│ │ └─com
│ │ └─niubi
│ │ └─hello
│ │ └─alibaba
│ │ │ HelloSpringAiApplication.java
│ │ │
│ │ ├─common
│ │ │ ChatEntity.java
│ │ │ ChatInit.java
│ │ │ ChatRedisMemory.java
│ │ │ RedisConfig.java
│ │ │
│ │ └─controller
│ │ ChatRedisController.java
│ │
│ └─resources
│ application.yml
│
└─ pom.xml
四、流程：
1. 创建消息实体（ChatEntity.java）
@NoArgsConstructor
@AllArgsConstructor
@Data
public class ChatEntity implements Serializable {
String chatId;
String type;
String text;
}
说明：定义了消息实体类，用于存储对话的 ID、类型和内容，实现了序列化接口以便在 Redis 中存储。
2. Redis配置类（RedisConfig.java）
接下来，创建 RedisConfig 类，对 RedisTemplate 进行个性化配置。
@Configuration
public class RedisConfig {
@Bean
public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) {
RedisTemplate<String, Object> redisTemplate = new RedisTemplate<>();
redisTemplate.setConnectionFactory(factory);
redisTemplate.setKeySerializer(new StringRedisSerializer());
redisTemplate.setValueSerializer(new Jackson2JsonRedisSerializer<>(Object.class));
redisTemplate.setHashKeySerializer(new StringRedisSerializer());
redisTemplate.setHashValueSerializer(new Jackson2JsonRedisSerializer<>(Object.class));
redisTemplate.afterPropertiesSet();
return redisTemplate;
}
}
说明：配置了 RedisTemplate，使用 JSON 序列化器将对象存储为 JSON 格式，方便后续的存储和读取。
3. 实现 Redis 聊天记忆模型（ChatRedisMemory.java）
创建 ChatRedisMemory 类来实现 ChatMemory 的 Redis 模型。
@Slf4j
@Component
public class ChatRedisMemory implements ChatMemory {
private static final String KEY_PREFIX = "chat:history:";
private final RedisTemplate<String, Object> redisTemplate;
public ChatRedisMemory(RedisTemplate<String, Object> redisTemplate) {
this.redisTemplate = redisTemplate;
}
@Override
public void add(String conversationId, List<Message> messages) {
String key = KEY_PREFIX + conversationId;
List<ChatEntity> listIn = new ArrayList<>();
for (Message msg : messages) {
String[] strs = msg.getText().split("");
String text = strs.length == 2 ? strs[1] : strs[0];
ChatEntity ent = new ChatEntity();
ent.setChatId(conversationId);
ent.setType(msg.getMessageType().getValue());
ent.setText(text);
listIn.add(ent);
}
redisTemplate.opsForList().rightPushAll(key, listIn.toArray());
redisTemplate.expire(key, 30, TimeUnit.MINUTES);
}
@Override
public List<Message> get(String conversationId, int lastN) {
String key = KEY_PREFIX + conversationId;
Long size = redisTemplate.opsForList().size(key);
if (size == null || size == 0) {
return Collections.emptyList();
}
int start = Math.max(0, (int) (size - lastN));
List<Object> listTmp = redisTemplate.opsForList().range(key, start, -1);
List<Message> listOut = new ArrayList<>();
ObjectMapper objectMapper = new ObjectMapper();
for (Object obj : listTmp) {
ChatEntity chat = objectMapper.convertValue(obj, ChatEntity.class);
if (MessageType.USER.getValue().equals(chat.getType())) {
listOut.add(new UserMessage(chat.getText()));
} else if (MessageType.ASSISTANT.getValue().equals(chat.getType())) {
listOut.add(new AssistantMessage(chat.getText()));
} else if (MessageType.SYSTEM.getValue().equals(chat.getType())) {
listOut.add(new SystemMessage(chat.getText()));
}
}
return listOut;
}
@Override
public void clear(String conversationId) {
redisTemplate.delete(KEY_PREFIX + conversationId);
}
}
说明：实现了 Redis 中的对话记忆功能，包括添加对话、获取对话历史和清除对话记录。
4. 注入类（ChatInit.java）
@Configuration
@RequiredArgsConstructor
public class ChatInit {
@Autowired
private ChatModel chatModel;
@Bean
public ChatClient chatClient(ChatMemory chatMemory) {
return ChatClient.builder(chatModel)
.defaultSystem("你是个高级助理，习惯回答问题用1、2、3...的条列式回答")
.build();
}
@Bean
public ChatMemory chatMemory(RedisTemplate<String, Object> redisTemplate) {
return new ChatRedisMemory(redisTemplate);
}
}
说明：通过 Spring 的依赖注入机制，将 Redis 聊天记忆模型与 ChatClient 进行绑定，确保对话记忆功能能够正常工作。
5. 编写核心控制器（ChatRedisController.java）
最后，编写最重要的 ChatRedisController 文件。
@Slf4j
@RestController
@RequestMapping("/ai/v1")
public class ChatRedisController {
@Autowired
private ChatClient chatClient;
@Autowired
private ChatMemory chatMemory;
// 对话记忆长度
private final Integer CHAT_HISTORY_SIZE = 10;
@GetMapping(value = "/redis/chat")
public String chat(@RequestParam String userId, @RequestParam String inputMsg) {
log.info("/redis/chat userId: [{}], input: [{}]", userId, inputMsg);
String text = chatClient.prompt()
.user(inputMsg)
.advisors(new MessageChatMemoryAdvisor(chatMemory, userId, CHAT_HISTORY_SIZE))
.call()
.content();
log.info("text --> [{}]", text);
return text;
}
}
说明：定义了对外的 API 接口，通过 ChatClient 和 ChatMemory 实现了多轮对话的处理逻辑，并将对话内容持久化到 Redis 中。
5. 启动类与配置文件
为了保证完整性，把启动类 HelloSpringAiApplication 也贴出来。
@EnableCaching
@SpringBootApplication
public class HelloSpringAiApplication {
public static void main(String[] args) {
SpringApplication.run(HelloSpringAiApplication.class, args);
}
}
说明：Spring Boot 启动类，开启了缓存支持。
配置文件 application.yml 也一样，给大家看看。
server:
port: 8080
spring:
application:
name: Hello-AI
data:
redis:
host: 192.168.0.110
port: 6579
password: xxxxxxxxxxxxx
database: 0
ai:
dashscope:
# 注意这个是使用阿里云百炼平台的 API-KEY
api-key: sk-xxxxxxxxxxxxxxxxxxxxxxxxx
model: qwen-turbo
说明：配置了 Redis 的连接信息以及阿里云百炼平台的 API-KEY，确保项目能够正常运行。
6. 项目构建文件
既然都到这里了，那 pom.xml 文件也贴出来吧。
<properties>
<java.version>23java.version>
<project.build.sourceEncoding>UTF-8project.build.sourceEncoding>
<project.reporting.outputEncoding>UTF-8project.reporting.outputEncoding>
<spring-boot.version>3.4.3spring-boot.version>
<alibaba.ai.version>1.0.0-M6.1alibaba.ai.version>
<spring.ai.ollama.version>1.0.0-M6spring.ai.ollama.version>
<commons-lang3.version>3.17.0commons-lang3.version>
<maven.compiler.version>3.11.0maven.compiler.version>
properties>
<dependencies>
<dependency>
<groupId>org.springframework.bootgroupId>
<artifactId>spring-boot-starter-webartifactId>
<version>${spring-boot.version}version>
dependency>
<dependency>
<groupId>org.springframework.bootgroupId>
<artifactId>spring-boot-starter-data-redisartifactId>
<version>${spring-boot.version}version>
dependency>
<dependency>
<groupId>com.alibaba.cloud.aigroupId>
<artifactId>spring-ai-alibaba-starterartifactId>
<version>${alibaba.ai.version}version>
dependency>
<dependency>
<groupId>org.apache.commonsgroupId>
<artifactId>commons-lang3artifactId>
<version>${commons-lang3.version}version>
dependency>
<dependency>
<groupId>org.projectlombokgroupId>
<artifactId>lombokartifactId>
<optional>trueoptional>
dependency>
dependencies>
<build>
<plugins>
<plugin>
<groupId>org.apache.maven.pluginsgroupId>
<artifactId>maven-compiler-pluginartifactId>
<version>${maven.compiler.version}version>
<configuration>
<release>${java.version}release>
<annotationProcessorPaths>
<path>
<groupId>org.projectlombokgroupId>
<artifactId>lombokartifactId>
<version>1.18.32version>
path>
annotationProcessorPaths>
configuration>
plugin>
<plugin>
<groupId>org.springframework.bootgroupId>
<artifactId>spring-boot-maven-pluginartifactId>
<configuration>
<excludes>
<exclude>
<groupId>org.projectlombokgroupId>
<artifactId>lombokartifactId>
exclude>
excludes>
configuration>
plugin>
plugins>
build>
<repositories>
<repository>
<id>alimavenid>
<name>aliyun mavenname>
<url>https://maven.aliyun.com/repository/publicurl>
<releases>
<enabled>trueenabled>
releases>
<snapshots>
<enabled>falseenabled>
snapshots>
repository>
<repository>
<id>spring-milestonesid>
<name>Spring Milestonesname>
<url>https://repo.spring.io/milestoneurl>
<snapshots>
<enabled>falseenabled>
snapshots>
repository>
repositories>
说明：定义了项目的依赖和构建配置，确保项目能够正确编译和运行。
五、验证时刻
为了验证效果，项目编译好之后，启动服务，我们测试一下。
根据 controller 中提供的接口：
http://127.0.0.1:8080/ai/v1/redis/chat?userId=10086&input=
第一轮对话：请说出3个明朝诗人的名字
第二轮对话：他们的出生地在哪
第三轮对话：这些地方曾经出过哪些美女
此时，我们也看看 Redis 的存储吧，指令：
LRANGE chat:history:10086 0 -1
从测试结果来看，对话内容已经成功持久化到 Redis 中，多轮对话功能实现得相当不错。
六、补充点内容
本次分享聚焦“可持久化的多轮对话”，以 Redis 为示例，实现对话记录的长期保存。当然，这一功能也可以拓展至数据库等其他存储方式。这一功能是智能应用开发的关键基石，有了它，搭配前端项目，就能借助阿里百炼开启大模型开发之路。
未来，我会持续探索 Spring AI Alibaba 项目的更多功能，不断更新学习成果。若您在学习过程中有任何疑问、建议，或想交流心得，欢迎随时在评论区留言，您的支持和反馈是我前进的最大动力。