用 LangChain4j 轻松搞定多用户记忆隔离

原创已于 2026-03-15 18:55:20 修改 · 411 阅读

5 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#LangChain4j #人工智能

于 2026-03-15 18:54:41 首次发布

Java AI应用开发 LangChain4j实战全攻略专栏收录该内容

9 篇文章

订阅专栏

👉一键直达《JavaAI应用开发实战》知识库

👉一键获取《JavaAI应用开发实战》代码仓库

👉一键获取访问密码

当前以下视频系列课程正持续更新中：

💡 为什么值得订阅？

所有资料均由小编精心整理，保证代码可运行、可调试，省去你东拼西凑的时间成本，专注核心技能提升。

各位同学，大家好！上节课咱们给 AI 加上了“记忆”——比如你告诉它：“你叫小编”，它就真的记住了，下次聊天还能喊你“小编”。是不是觉得挺酷？

来，咱们想象一个场景：

你的 AI 客服同时接待两位用户——张三和李四。
张三说：“我叫张三，订单号是 123。”
紧接着，李四问：“我叫什么？我的订单呢？”
结果 AI 一脸认真地回答：“你叫张三，订单号 123。”

……是不是瞬间冷汗直流？！

这可不是小 bug，这是用户数据串台！轻则体验崩坏，重则隐私泄露、法律风险！所以，真正的生产级 AI 应用，必须做到：一人一套记忆，互不干扰！

那问题来了：怎么实现？自己手写 Map 套 Map？加锁？分布式缓存？别急——LangChain4j 已经帮你想好了，一行注解 + 几行配置，直接搞定！

今天这节课，咱们就手把手，从“翻车现场”到“稳如老狗”，彻底掌握 多用户记忆隔离 的实战方案！

【理论：为什么记忆会“串台”？核心思路是什么？】

首先，咱们得搞清楚：为什么上节课的记忆会串？

很简单——因为咱们用的是全局共享的记忆池！所有用户的对话都塞进同一个地方，AI 取的时候根本不分你是谁、他是谁，自然就乱套了。

就像你去银行办业务，结果柜员拿着隔壁老王的存折给你算账……这能行吗？

所以，解决思路非常直白：给每个用户发一个专属“小账本”！

张三说话 → 记在张三的本子上
李四提问 → 只看李四的本子
谁也别碰谁的，清清楚楚！

这个“小账本”的钥匙，就是我们今天要讲的 MemoryId（记忆 ID）。它可以是：

用户的唯一 ID（比如 user_id = 1001）
或者一次会话的 session_id（比如 UUID）

只要这个 ID 能唯一区分用户或会话，就行！

而 LangChain4j 给咱们提供了一个超级好用的机制：@MemoryId 注解 + ChatMemoryProvider，自动根据 ID 创建、查找、更新对应的“小账本”。

底层其实就是一个 Map> ——

Key 是用户 ID
Value 是这个用户的对话历史（不是字符串，而是带角色、内容、时间戳的 Message 对象）

【实战：手把手写代码】

好，理论懂了，现在咱们动手写代码！目标：实现一个接口，不同用户问“我是谁”，AI 能正确回答各自的名字。

第一步：定义 AI 助手接口

咱们先定义一个接口，叫 AssistantUnique，里面放两个方法：

// 定义支持多用户隔离的 AI 助手接口
public interface AssistantUnique {

    // 普通聊天方法
    String chat(
        @MemoryId int memoryId,      // ← 关键！用这个 ID 区分用户
        @UserMessage String userMessage  // 用户说的话
    );

    // 流式响应（用于实时打字效果）
    TokenStream stream(
        @MemoryId int memoryId,
        @UserMessage String userMessage
    );
}

重点来了：

@MemoryId：标记哪个参数是“记忆 ID”
@UserMessage：标记用户输入的内容

这两个注解，就是 LangChain4j 的“眼睛”，让它知道怎么拆解你的参数。

你可能会想：为啥用 int？能不能用 String？当然可以！比如传用户的 UUID 字符串更安全。这里用 int 只是为了演示方便。

第二步：注册 Bean，配置记忆提供者

接下来，在 Spring Boot 里把这个接口变成一个可用的 Bean。咱们写在一个配置类里，比如 AiConfig.java：

@Bean
public AssistantUnique assistantUnique(
    ChatModel qwenChatModel, 
    StreamingChatModel qwenStreamingChatModel
) {
    return AiServices.builder(AssistantUnique.class)
        .chatModel(qwenChatModel)              // 普通聊天模型
        .streamingChatModel(qwenStreamingChatModel) // 流式模型
        .chatMemoryProvider(memoryId -> 
            MessageWindowChatMemory.builder()
                .maxMessages(10)   // ← 最多记 10 条，防内存爆炸！
                .id(memoryId)      // ← 绑定当前用户的 ID
                .build()
        )
        .build();
}

敲黑板！这里最关键的是 .chatMemoryProvider(...) 这一段：

它是一个函数：输入 memoryId，输出一个专属的 ChatMemory
每次调用 chat() 时，LangChain4j 会自动：

1. 拿到你传的 memoryId
2. 调这个函数，拿到对应用户的“小账本”
3. 把历史消息 + 新消息拼成完整上下文，喂给大模型
4. 把新对话再存回去

而且用的是 MessageWindowChatMemory —— 它会自动只保留最近 N 条消息（这里是 10 条），避免对话太长把内存撑爆。这在生产环境里极其重要！

小贴士：你用的模型不限于通义千问！换成 OpenAI、文心一言、讯飞星火都行，LangChain4j 都封装好了，接口通用。

第三步：写个测试接口，验证效果

现在，咱们写个简单的 HTTP 接口来测试：

@RestController
@RequestMapping("/ai")
public class AiController {

    @Autowired
    private AssistantUnique assistantUnique; // 注入我们配好的助手

    @GetMapping("/memory_chat")
    public String memoryChat(
        @RequestParam(defaultValue = "我是谁") String message,
        @RequestParam Integer userId  // ← 用 userId 当 memoryId
    ) {
        return assistantUnique.chat(userId, message);
    }
}

启动服务后，咱们用浏览器或 Postman 来测试三轮：

✅ 测试 1：用户 1 告诉 AI 自己叫“小编”

GET /ai/memoryId_chat?message=我叫小编&userId=1

→ AI 回：“好的，我知道了！”

（此时，userId=1 的“小账本”里记下了这条）

❌ 测试 2：用户 2 问“我叫什么？”

GET /ai/memoryId_chat?message=我叫什么&userId=2

→ AI 回：“抱歉，我不知道您的名字，因为我没有之前的聊天记录。”

（完美！没串台！userId=2 的账本是空的）

✅ 测试 3：用户 1 再问“我叫什么？”

GET /ai/memoryId_chat?message=我叫什么&userId=1

→ AI 回：“您刚才告诉我您叫小编！”

（精准命中！说明记忆隔离成功！）

【收尾：本节课的核心收获】

好，咱们来总结一下，今天你真正掌握了什么：

为什么必须做记忆隔离？
→ 防止用户数据串台，避免隐私泄露，这是生产系统的底线！
核心思路是什么？
→ 给每个用户/会话分配唯一 MemoryId，实现“一人一本小账本”。
LangChain4j 怎么帮你？
→ 用 @MemoryId 注解 + chatMemoryProvider，自动管理隔离记忆。
生产环境要注意什么？
→ 用 MessageWindowChatMemory 限制消息数量（比如 maxMessages=10），防止内存溢出！
底层原理是什么？
→ 本质是 Map<MemoryId, List<Message>>，通过 ID 精准读写，绝不混淆。

最后留个思考题：
现在记忆是存在内存里的，如果服务重启，所有“小账本”就丢了。
那怎么把记忆存到 Redis 或数据库里，做到“断电不丢”？

别急，下节课咱们就讲 《聊天记忆持久化：让 AI 真正“不忘事”》！

今天的课就到这里，记得动手敲一遍代码，跑通测试！有问题随时留言，咱们下节课见！👋