《大模型应用开发 2 实战：用 SpringAI 实现多轮对话记忆功能》

在现代人工智能应用中，大型语言模型（LLM）已成为核心驱动力，尤其在对话系统中。多轮对话记忆功能允许AI记住之前的交互历史，从而提供连贯、个性化的响应。这在客服、教育或娱乐场景中至关重要。本文将基于Spring框架（一个流行的Java开发平台）集成AI功能，实现一个简单的多轮对话记忆系统。通过实战步骤，您将学会如何构建这一功能，提升应用的用户体验。

多轮对话记忆的核心概念

多轮对话记忆指的是在连续对话中，AI系统能存储和引用之前的用户输入和自身响应。这避免了每次交互都从零开始，使对话更自然。例如，用户询问“天气如何？”后，再问“明天呢？”，AI能基于历史数据理解上下文。实现的关键在于：

• 对话状态管理：使用数据结构（如列表）存储消息序列。
• 上下文传递：每次请求时，将历史对话附加到新输入中。
• AI服务集成：调用外部LLM API（如OpenAI的ChatGPT）处理增强后的输入。

在Spring生态中，我们可以利用其轻量级和模块化特性，快速搭建应用。以下步骤将展示如何用Spring Boot实现这一功能。

实战步骤：构建多轮对话记忆系统

我们将分三步实现：创建Spring项目、集成AI服务、添加记忆功能。项目使用Java语言，依赖Spring Boot 3.x和Spring WebClient进行HTTP通信。

1. 设置Spring Boot项目 使用Spring Initializr（https://start.spring.io/）创建一个新项目。选择依赖：

   • Spring Web：用于构建REST API。
   • Spring Reactive Web：支持异步通信（适合调用外部API）。 生成项目后，导入到IDE（如IntelliJ IDEA）。

   关键配置文件application.properties：

   server.port=8080
   # 设置AI服务API密钥（示例值，实际使用时替换）
   ai.api.key=your-api-key
   ai.api.url=https://api.openai.com/v1/chat/completions
   

2. 集成AI服务 创建一个服务类来调用外部LLM API。这里假设使用OpenAI的ChatGPT API，但方法适用于其他类似服务。

   首先，定义消息模型类Message.java：

   public class Message {
       private String role; // "user" 或 "assistant"
       private String content;
       
       // 构造器、getter和setter省略
       public Message(String role, String content) {
           this.role = role;
           this.content = content;
       }
   }
   

   然后，实现AI调用服务AIService.java：

   import org.springframework.beans.factory.annotation.Value;
   import org.springframework.stereotype.Service;
   import org.springframework.web.reactive.function.client.WebClient;
   import reactor.core.publisher.Mono;
   import java.util.List;
   
   @Service
   public class AIService {
       @Value("${ai.api.url}")
       private String apiUrl;
       
       @Value("${ai.api.key}")
       private String apiKey;
       
       public Mono<String> getAIResponse(List<Message> messages) {
           WebClient webClient = WebClient.builder()
                   .defaultHeader("Authorization", "Bearer " + apiKey)
                   .build();
           
           // 构建请求体
           String requestBody = String.format("{\"model\": \"gpt-3.5-turbo\", \"messages\": %s}", messages);
           
           return webClient.post()
                   .uri(apiUrl)
                   .header("Content-Type", "application/json")
                   .bodyValue(requestBody)
                   .retrieve()
                   .bodyToMono(String.class)
                   .map(response -> {
                       // 简化处理：提取AI响应内容
                       return response.split("\"content\":\"")[1].split("\"")[0];
                   });
       }
   }
   

3. 实现多轮对话记忆功能 添加一个服务类来管理对话历史。使用内存存储（如ArrayList），在实际应用中可扩展为数据库。

   创建ConversationService.java：

   import org.springframework.stereotype.Service;
   import java.util.ArrayList;
   import java.util.List;
   
   @Service
   public class ConversationService {
       private List<Message> conversationHistory = new ArrayList<>();
       
       public void addMessage(String role, String content) {
           conversationHistory.add(new Message(role, content));
       }
       
       public List<Message> getFullHistory() {
           return new ArrayList<>(conversationHistory); // 返回副本避免修改
       }
       
       public void resetConversation() {
           conversationHistory.clear();
       }
   }
   

   最后，构建REST控制器ConversationController.java来处理用户请求：

   import org.springframework.beans.factory.annotation.Autowired;
   import org.springframework.web.bind.annotation.*;
   import reactor.core.publisher.Mono;
   import java.util.List;
   
   @RestController
   @RequestMapping("/api/conversation")
   public class ConversationController {
       @Autowired
       private ConversationService conversationService;
       
       @Autowired
       private AIService aiService;
       
       @PostMapping
       public Mono<String> handleUserInput(@RequestBody String userInput) {
           // 添加用户消息到历史
           conversationService.addMessage("user", userInput);
           List<Message> fullHistory = conversationService.getFullHistory();
           
           // 调用AI服务，传入完整历史
           return aiService.getAIResponse(fullHistory)
                   .map(aiResponse -> {
                       // 添加AI响应到历史
                       conversationService.addMessage("assistant", aiResponse);
                       return aiResponse;
                   });
       }
       
       @DeleteMapping("/reset")
       public String resetConversation() {
           conversationService.resetConversation();
           return "对话历史已重置";
       }
   }
   

测试与应用

运行Spring Boot应用后，使用工具（如Postman）测试：

• 发送POST请求到http://localhost:8080/api/conversation，body为JSON字符串（如"今天天气不错"）。
• AI响应会基于历史对话生成。例如，第一次响应后，再发送"推荐活动"，AI能结合上下文推荐户外活动。
• 调用DELETE /api/conversation/reset可清除历史。

此实现优点在于：

• 灵活性：Spring的依赖注入和模块化使代码易于维护和扩展。
• 可扩展性：可轻松添加数据库存储（如使用Spring Data JPA）或支持更多LLM。
• 用户体验提升：对话更连贯，适用于智能助手或教育工具。

总结

通过本实战，您学会了如何用Spring框架集成AI服务实现多轮对话记忆功能。这不仅提升了应用的智能化水平，还为开发更复杂的LLM应用奠定了基础。未来，您可以探索添加情感分析或个性化推荐，进一步丰富对话体验。Spring生态的强大工具链，让AI开发变得高效且可靠。