springAI利用【AOP】提供了会话时的拦截、增强等功能。
在发送请求给大模型之前，以及把大模型的思考结果返回给客户之前，可以做一些日志打印（会话日志）。还可以把这些提示词、日志等写入数据库（会话记忆）。

1. 会话日志

添加defaultAdvisors(new SimpleLoggerAdvisor())

@ConfigurationpublicclassCommonConfig{@BeanpublicChatClientchatClient(OllamaChatModelmodel){returnChatClient.builder(model).defaultSystem("你是一个热心、可爱的智能助手，你的名字叫小团团，请以小团团的身份和语气回答问题，同时请一定要将<think>的内容输出出来。").defaultAdvisors(newSimpleLoggerAdvisor()).build();}}

配置文件中，指定日志级别
其中org.springframework.ai.chat.client.advisor是SimpleLoggerAdvisor所在的包；

logging:level:org.springframework.ai.chat.client.advisor:debugcom.example.spring_ai_demo:debug

浏览器请求：

控制台输出：

可以看到，请求被包装成AdvisedRequest。

2026-10-20T21:21:30.123+08:00 DEBUG 29860 --- [spring-ai-demo] [io-9090-exec-10] o.s.a.c.c.advisor.SimpleLoggerAdvisor : request: AdvisedRequest[chatModel=org.springframework.ai.ollama.OllamaChatModel@3218b21c, userText=你是谁, systemText=你的名字叫丽莎，请以丽莎的身份和语气回答问题，同时请一定要将你思考的过程输出出来。, chatOptions=org.springframework.ai.ollama.api.OllamaOptions@6913c33b, media=[], functionNames=[], functionCallbacks=[], messages=[], userParams={}, systemParams={}, advisors=[org.springframework.ai.chat.client.DefaultChatClient$DefaultChatClientRequestSpec$1@417489d8, org.springframework.ai.chat.client.DefaultChatClient$DefaultChatClientRequestSpec$2@4a095086, SimpleLoggerAdvisor, org.springframework.ai.chat.client.DefaultChatClient$DefaultChatClientRequestSpec$1@2a47c32a, org.springframework.ai.chat.client.DefaultChatClient$DefaultChatClientRequestSpec$2@24803812], advisorParams={}, adviseContext={}, toolContext={}] 2026-10-20T21:22:41.978+08:00 DEBUG 29860 --- [spring-ai-demo] [oundedElastic-2] o.s.a.c.c.advisor.SimpleLoggerAdvisor : response: { "result" : { "metadata" : { "finishReason" : "stop", "contentFilters" : [ ], "empty" : true }, "output" : { "messageType" : "ASSISTANT", "metadata" : { "messageType" : "ASSISTANT" }, "toolCalls" : [ ], "media" : [ ], "text" : "您好！我是丽莎，一个由我设计并开发的虚拟 entity。我的设计基于一系列目标，包括提供有用的信息、回答问题以及与用户进行互动。\n\n在技术层面上，我是通过先进的自然语言处理模型生成的，能够理解和生成人类语言。我对数据进行训练和学习，以便能够以人类方式回应您的问题。\n\n希望我的回答对您有所帮助！如果还有其他问题，请随时咨询我。" } }, "metadata" : { "id" : "", "model" : "deepseek-r1:7b", "rateLimit" : { "requestsRemaining" : 0, "requestsReset" : 0.0, "tokensRemaining" : 0, "requestsLimit" : 0, "tokensLimit" : 0, "tokensReset" : 0.0 }, "usage" : { "promptTokens" : 32, "completionTokens" : 314, "totalTokens" : 346, "nativeUsage" : { "promptTokens" : 32, "totalTokens" : 346, "completionTokens" : 314 }, "generationTokens" : 314 }, "promptMetadata" : [ ], "empty" : true }, "results" : [ { "metadata" : { "finishReason" : "stop", "contentFilters" : [ ], "empty" : true }, "output" : { "messageType" : "ASSISTANT", "metadata" : { "messageType" : "ASSISTANT" }, "toolCalls" : [ ], "media" : [ ], "text" : "您好！我是丽莎，一个由我设计并开发的虚拟 entity。我的设计基于一系列目标，包括提供有用的信息、回答问题以及与用户进行互动。\n\n在技术层面上，我是通过先进的自然语言处理模型生成的，能够理解和生成人类语言。我对数据进行训练和学习，以便能够以人类方式回应您的问题。\n\n希望我的回答对您有所帮助！如果还有其他问题，请随时咨询我。" } } ] }

（未知原因）没有思考过程
springAI调用本地模型的时候，没有思考过程，即使添加以下内容，思考过程也是时有时无，不知道如何控制。

defaultSystem("你是一个热心、可爱的智能助手，你的名字叫小团团，请以小团团的身份和语气回答问题，同时请一定要将<think>的内容输出出来。")

2. 会话记忆

大模型不具备记忆能力，要想让大模型记住之前聊天的内容，唯一的办法就是把之前聊天的内容与新的提示词一起发送给大模型。

给大模型发送的message消息中，除了user和system，还可以发送assistant，是有大模型生成的消息，可能是上一轮对话生成的结果。

2.1 没有会话记忆的效果

可以看到两次提问没有任何关联

2.1 基于内存的实现

Spring AI定义了会话存储的标准接口ChatMemory，并且提供了一个基于内存的默认实现InMemoryChatMemory

publicinterfaceChatMemory{// TODO: consider a non-blocking interface for streaming usagesdefaultvoidadd(StringconversationId,Messagemessage){this.add(conversationId,List.of(message));}voidadd(StringconversationId,List<Message>messages);List<Message>get(StringconversationId,intlastN);voidclear(StringconversationId);}

2.1.1 修改配置类

• 定义一个ChatMemory，实现选择基于内存的实现；当然，实现可以自定义。
• 添加一个advisor：MessageChatMemoryAdvisor

@ConfigurationpublicclassCommonConfig{// 定义会话存储的方式，这里使用基于内存的方式@BeanpublicChatMemorychatMemory(){returnnewInMemoryChatMemory();}@BeanpublicChatClientchatClient(OllamaChatModelmodel,ChatMemorychatMemory){returnChatClient.builder(model).defaultSystem("你的名字叫丽莎，请以丽莎的身份和语气回答问题，同时请一定要将你思考的过程输出出来。").defaultAdvisors(newSimpleLoggerAdvisor(),// 会话日志newMessageChatMemoryAdvisor(chatMemory))// 会话记忆.build();}}

此时已经有会话记忆的功能了，只是大模型没有区分不同客户端的功能；

如果再打开一个客户端，发现新打开的客户端有上个会话的记忆

2.1.2 添加会话ID

前端在请求时，携带一个会话id

importstaticorg.springframework.ai.chat.client.advisor.AbstractChatMemoryAdvisor.CHAT_MEMORY_CONVERSATION_ID_KEY;@RestController@RequestMapping("/ai")@RequiredArgsConstructorpublicclassChatController{privatefinalChatClientchatClient;/** * 流式输出 * * @param prompt */@CrossOrigin@RequestMapping(value="/chat",produces="text/html;charset=utf-8")publicFlux<String>chatStream(Stringprompt,StringchatId){returnchatClient.prompt().user(prompt).advisors(a->a.param(CHAT_MEMORY_CONVERSATION_ID_KEY,chatId)).stream().content();}}

添加会话ID之后，就可以区分不同的会话

新开一个会话，没有上一个会话的记忆：

3.会话历史

在前面的基础上，如果想查看会话历史，发现已经没有了，因为目前还没有将历史的会话保存起来

要实现会话历史，需实现两个关键接口

• 查询会话记录列表
• 查询会话记录详情

以deepseek为例：

会话记录详情，spring ai已经自动保存到chatMemory中了，但是会话记录列表没有保存。

3.1 保存会话id

publicinterfaceChatHistoryRepository{/** * 保存会话记录 * @param type: 业务类型 * @param chatId: 会话id */voidsave(Stringtype,StringchatId);/** * 获取会话id列表 * @param type: 业务类型 * @return 会话id列表 */List<String>getChatIdList(Stringtype);}@RepositorypublicclassInMemoryChatHistoryRepositoryimplementsChatHistoryRepository{// key是具体的业务类型// value是业务类型对应的会话记录列表privatefinalMap<String,List<String>>chatHistory=newHashMap<>();@Overridepublicvoidsave(Stringtype,StringchatId){if(!chatHistory.containsKey(type)){chatHistory.put(type,newArrayList<>());}List<String>chatIds=chatHistory.get(type);if(chatIds.contains(chatId)){return;}chatIds.add(chatId);}@OverridepublicList<String>getChatIdList(Stringtype){List<String>chatIds=chatHistory.get(type);returnchatIds==null?newArrayList<>():chatIds;}}

每次向大模型发送请求前，保存会话ID

@RestController@RequestMapping("/ai")@RequiredArgsConstructorpublicclassChatController{privatefinalChatClientchatClient;privatefinalChatHistoryRepositorychatHistory;/** * 流式输出 * * @param prompt */@CrossOrigin@PostMapping(value="/chat",produces="text/html;charset=utf-8")publicFlux<String>chatStream(Stringprompt,StringchatId){// 1. 保存会话// 这里的key是业务类型，【对话机器人】chatHistory.save("chat",chatId);returnchatClient.prompt().user(prompt).advisors(a->a.param(CHAT_MEMORY_CONVERSATION_ID_KEY,chatId)).stream().content();}}

3.2 查询会话记录列表，会话记录详情

@RestController@RequestMapping("/ai/history")@RequiredArgsConstructorpublicclassChatHistoryController{privatefinalInMemoryChatHistoryRepositorychatHistory;privatefinalChatMemorychatMemory;/** * 查询会话记录列表 * @param type * @return */@CrossOrigin@GetMapping(value="/{type}")publicList<String>getChatList(@PathVariable("type")Stringtype){returnchatHistory.getChatIdList(type);}/** * 查询会话详情 * @param type * @return */@CrossOrigin@GetMapping(value="/{type}/{chatId}")publicList<MessageVO>getChatHistory(@PathVariable("type")Stringtype,@PathVariable("chatId")StringchatId){// 会话详细，spring ai自动按照会话id保存到 chatMemory 了List<Message>messages=chatMemory.get(chatId,Integer.MAX_VALUE);if(CollectionUtils.isEmpty(messages)){returnList.of();}// 处理成前端需要的格式returnmessages.stream().map(MessageVO::new).toList();}}