当前位置：首页 > news >正文

LangChain4j-03 ChatMemory 详解：告别“金鱼脑”，实现多轮对话记忆

news 2026/4/29 18:52:38

LangChain4j-03 ChatMemory 详解：告别“金鱼脑”，实现多轮对话记忆

本文基于 LangChain4j 官方文档，结合实战经验，系统讲解如何利用ChatMemory机制让大模型记住对话上下文。

🙋‍♂️ 让我们保持联系
觉得这篇文章有帮助吗？一个小小的互动对我意义重大：
点赞 👍 - 让我知道这篇文章对你有价值
收藏 🔖 - 遇到问题时能快速找到解决方案
关注 📌 - 不错过后续的深度技术分享

🧠 一、为什么需要 ChatMemory？

手动维护List<ChatMessage>来记录聊天记录非常繁琐，且面临三大难题：

上下文溢出：LLM 有 Token 限制，历史记录不能无限增长。
状态丢失：默认内存存储，服务重启后对话记忆清零。
逻辑复杂：需要手动处理系统消息、工具消息的关联性。

解决方案：LangChain4j 提供了ChatMemory抽象层，它本质上是一个智能的、带自动清理策略的聊天消息容器。

📚 二、核心概念与类图

1. 核心类关系图

2. “记忆” vs “历史”

维度	Memory (记忆)	History (历史)
目的	给 LLM 提供上下文	给用户查看完整记录
内容	部分消息（按策略筛选）	所有原始消息
现状	✅ LangChain4j 内置	❌ 需手动实现（如存DB）

⚙️ 三、开箱即用的实现

1. MessageWindowChatMemory（按条数限制）

基于滑动窗口算法，保留最近的 N 条消息（User 和 AI 各算一条）。

// 示例：只保留最近2条对话ChatMemorychatMemory=MessageWindowChatMemory.builder().maxMessages(2).build();// 使用：通常在 AI Service 中绑定OpenAiChatModelmodel=OpenAiChatModel.builder().baseUrl("http://langchain4j.dev/demo/openai/v1").apiKey("demo")// 固定演示密钥.modelName("gpt-4o-mini").build();MyServiceaiService=AiServices.builder(MyService.class).chatModel(model).chatMemory(chatMemory)// 绑定记忆.build();System.out.println(aiService.chat("我是 zzn"));System.out.println(aiService.chat("我是java工程师"));//System.out.println(aiService.chat("我是谁?")); // 只保留最近2条对话,它已经不知道我是谁了!!!但是它知道我的职业//System.out.println(aiService.chat("我是什么职业?"));

适用场景：快速原型开发，简单对话。

2. TokenWindowChatMemory（按Token限制）

更科学的实现，保留最近的 N 个 Token（需配合 Tokenizer）。

TokenCountEstimatorestimator=newOpenAiTokenCountEstimator("gpt-4o-mini");// 2. 构建 TokenWindowChatMemoryTokenWindowChatMemorychatMemory=TokenWindowChatMemory.builder().maxTokens(100,estimator)// ✅ 传入估算器.build();OpenAiChatModelmodel=OpenAiChatModel.builder().baseUrl("http://langchain4j.dev/demo/openai/v1").apiKey("demo")// 固定演示密钥.modelName("gpt-4o-mini").build();MyServiceaiService=AiServices.builder(MyService.class).chatModel(model).chatMemory(chatMemory)// 绑定记忆.build();System.out.println(aiService.chat("我是 zzn，是一名java工程师，我主攻Java领域，擅长高并发的分布式架构，帮我给出职业生涯规划!"));System.out.println(aiService.chat("我是谁，我的职业是什么?"));//因为一轮会话已经超过100个token，所以它已经不知道我是谁了. 如果把上面的maxtoken改成更大，如10000就能记住你是谁

适用场景：生产环境，精确控制成本与上下文长度。

💾 四、进阶实战：自定义持久化 (ChatMemoryStore)

默认内存存储重启即失，要实现跨会话记忆（如存Redis/MySQL），需实现ChatMemoryStore接口。

1. 核心接口方法

updateMessages(Object memoryId, List<ChatMessage> messages)：最关键。当新增或驱逐消息时调用，用于全量更新存储。
getMessages(Object memoryId)：加载某次对话的所有消息。
deleteMessages(Object memoryId)：清除对话记录。

2. 基于 Redis 的持久化实现

Java 源码：RedisChatMemoryStore.java

/** * 基于RedisTemplate的ChatMemoryStore实现 */publicclassRedisChatMemoryStoreimplementsChatMemoryStore{privatestaticfinalStringKEY_PREFIX="chat:memory:";privatefinalRedisTemplate<String,String>redisTemplate;privatefinalLongttlSeconds;publicRedisChatMemoryStore(RedisTemplate<String,String>redisTemplate){this(redisTemplate,null);}publicRedisChatMemoryStore(RedisTemplate<String,String>redisTemplate,LongttlSeconds){this.redisTemplate=redisTemplate;this.ttlSeconds=ttlSeconds;}@OverridepublicList<ChatMessage>getMessages(ObjectmemoryId){Stringkey=KEY_PREFIX+memoryId;Stringjson=redisTemplate.opsForValue().get(key);if(json==null||json.isEmpty()){returnnewArrayList<>();}try{// ✅ 正确用法：使用ChatMessageDeserializerreturnChatMessageDeserializer.messagesFromJson(json);}catch(Exceptione){thrownewRuntimeException("Failed to deserialize chat messages from Redis",e);}}@OverridepublicvoidupdateMessages(ObjectmemoryId,List<ChatMessage>messages){Stringkey=KEY_PREFIX+memoryId;// ✅ 序列化：使用ChatMessageSerializerStringjson=ChatMessageSerializer.messagesToJson(messages);if(ttlSeconds!=null){redisTemplate.opsForValue().set(key,json,ttlSeconds,TimeUnit.SECONDS);}else{redisTemplate.opsForValue().set(key,json);}}@OverridepublicvoiddeleteMessages(ObjectmemoryId){Stringkey=KEY_PREFIX+memoryId;redisTemplate.delete(key);}/** * 清理测试数据 */publicvoidclearAll(){Stringpattern=KEY_PREFIX+"*";redisTemplate.delete(redisTemplate.keys(pattern));}}

使用方式

RedisChatMemoryStorechatMemoryStore=newRedisChatMemoryStore(redisTemplate,1800L);// 示例：只保留最近2条对话ChatMemorychatMemory=MessageWindowChatMemory.builder().maxMessages(2).chatMemoryStore(chatMemoryStore).id("zzn").build();// 使用：通常在 AI Service 中绑定OpenAiChatModelmodel=OpenAiChatModel.builder().baseUrl("http://langchain4j.dev/demo/openai/v1").apiKey("demo")// 固定演示密钥.modelName("gpt-4o-mini").build();MyServiceaiService=AiServices.builder(MyService.class).chatModel(model).chatMemory(chatMemory)// 绑定记忆.build();System.out.println(aiService.chat("我是 zzn"));System.out.println(aiService.chat("我是java工程师"));System.out.println(redisTemplate.opsForValue().get("chat:memory:zzn"));//只有“我是java工程师”和Ai回复在redis中

使用方式-ChatMemoryProvider&@MemoryId

RedisChatMemoryStorechatMemoryStore=newRedisChatMemoryStore(redisTemplate,1800L);// 示例：只保留最近2条对话ChatMemoryProviderchatMemoryProvider=memoryId->MessageWindowChatMemory.builder().id(memoryId).maxMessages(2).chatMemoryStore(chatMemoryStore).build();// 使用：通常在 AI Service 中绑定OpenAiChatModelmodel=OpenAiChatModel.builder().baseUrl("http://langchain4j.dev/demo/openai/v1").apiKey("demo")// 固定演示密钥.modelName("gpt-4o-mini").build();MyServiceaiService=AiServices.builder(MyService.class).chatModel(model).chatMemoryProvider(chatMemoryProvider)// 绑定记忆.build();System.out.println(aiService.chat("zzn","我是 zzn"));System.out.println(aiService.chat("zzn","我是java工程师"));System.out.println(redisTemplate.opsForValue().get("chat:memory:zzn"));//SystemMessage特权：只有SystemMessage和Ai回复在redis中

⚠️ 五、特殊消息处理机制

1. 系统消息 (SystemMessage)

SystemMessage拥有**“特权”。在MessageWindowChatMemory中，系统消息不会被自动驱逐**（除非手动清除），确保 LLM 始终遵循初始指令。

2. 工具消息 (Tool Messages)

为了防止孤儿消息（Orphaned ToolExecutionResultMessage）错误，框架做了特殊处理：

当一条包含ToolExecutionRequest的AiMessage被驱逐时，其对应的ToolExecutionResultMessage也会被自动连带驱逐。
这是因为某些 LLM（如 OpenAI）严格禁止在请求中发送没有对应请求的执行结果。

🎯 六、总结与最佳实践

选型建议：
- 开发/测试：直接用MessageWindowChatMemory，简单粗暴。
- 生产环境：优先TokenWindowChatMemory+RedisChatMemoryStore。
ID 设计：memoryId建议使用userId:conversationId格式，实现多租户隔离。
性能注意：updateMessages会在每次交互时调用两次（用户输入+AI回复），高频场景建议使用批量写入或异步存储优化。