企业官网建设流程全解析

1. Spring AI Advisor局部作用域解析

在Spring AI框架中，Advisor的设计遵循了AOP（面向切面编程）的思想，但它的作用范围可以通过配置实现精细化控制。从示例中可以看到，timerAdvisor仅在call2方法中生效，而在call1中不起作用，这种局部作用域的实现主要基于以下几个机制：

1. Advisor的Order属性：每个Advisor通过getOrder()方法返回的数值决定了其执行优先级。数值越小优先级越高，当多个Advisor存在时，这个属性会影响拦截链的构建顺序。

2. 条件匹配规则：Spring AI内部使用Pointcut（切点）机制来匹配目标方法。可以通过自定义Pointcut实现精确的方法匹配，例如：

@Bean public Advisor timerAdvisor() { AspectJExpressionPointcut pointcut = new AspectJExpressionPointcut(); pointcut.setExpression("execution(* com.example.Service.call2(..))"); return new DefaultPointcutAdvisor(pointcut, new TimerInterceptor()); }

3. 上下文参数传递：如示例所示，通过chatClientRequest.context()可以获取调用上下文参数，这些参数可以动态控制Advisor是否生效。

实际开发中常见的坑：如果发现Advisor未按预期生效，首先检查getOrder()返回值是否被其他Advisor覆盖，其次验证Pointcut表达式是否能正确匹配目标方法。

2. 全局参数传递机制详解

2.1 上下文参数传递实现

示例中的ThirdAdvisor展示了如何获取全局传递的参数：

Object a = chatClientRequest.context().get("A");

这种参数传递机制的核心实现原理包括：

1. Context参数存储结构：底层使用ThreadLocal维护的Map结构，保证请求级别的参数隔离
2. 参数生命周期：从ChatClient构建开始，贯穿整个请求处理链
3. 类型安全建议：推荐使用类型明确的参数存取方式：

chatClientRequest.context().put("timeout", Duration.ofSeconds(30)); Duration timeout = chatClientRequest.context().get("timeout", Duration.class);

2.2 参数传递的最佳实践

1. 命名规范：采用全大写下划线命名（如USER_ID）避免键名冲突
2. 性能考量：复杂对象建议先序列化为JSON字符串
3. 安全注意：敏感参数应当加密存储，例如：

String encrypted = AESUtil.encrypt(paramValue); chatClientRequest.context().put("secure_param", encrypted);

3. 基于Redis的多轮会话完整实现

3.1 技术架构设计

相比内存和JDBC方案，Redis实现的优势在于：

• 分布式会话支持
• TTL自动过期
• 高性能读写
• 持久化保障

整体架构流程：

sequenceDiagram participant Client participant Controller participant Advisor participant Redis participant AI Model Client->>Controller: 提问+会话ID Controller->>Advisor: 封装请求 Advisor->>Redis: 获取历史消息 Redis-->>Advisor: 返回消息列表 Advisor->>AI Model: 提交增强后的Prompt AI Model-->>Advisor: 返回响应 Advisor->>Redis: 存储新消息 Advisor-->>Controller: 返回流式响应 Controller-->>Client: 逐步输出

3.2 核心组件实现细节

3.2.1 可序列化消息包装

Message接口的序列化问题需要特别注意：

public class SerializableMessage implements Serializable { // 必须显式声明serialVersionUID private static final long serialVersionUID = 1L; // 处理MessageType的序列化特殊情况 private String messageType; public SerializableMessage(Message message) { this.messageType = message.getMessageType().name(); // ...其他字段 } public Message getMessage() { return switch(MessageType.valueOf(messageType)) { case USER -> new UserMessage(content); case ASSISTANT -> new AssistantMessage(content); // ...其他类型处理 }; } }

3.2.2 Redis内存管理策略

1. Key设计规范：

   • 使用业务前缀（如"AI_CHAT:"）
   • 包含会话ID和用户ID（防越权）
   • 示例：AI_CHAT:{userId}:{sessionId}

2. 过期策略配置：

spring: data: redis: # 默认30分钟过期 timeout: 1800

3. 内存优化技巧：
   • 使用Hash结构存储消息
   • 压缩长文本内容
   • 限制历史消息条数（如最近20条）

3.3 完整工作流程示例

1. 初始化请求：

// 前端传递会话ID String chatId = UUID.randomUUID().toString(); // 首次请求建立会话 Flux<String> response = chatClient.prompt() .advisors(advisor -> advisor.param("id", chatId)) .user("如何学习Spring AI?") .stream() .content();

2. 续聊实现：

// 使用相同chatId继续对话 Flux<String> followup = chatClient.prompt() .advisors(advisor -> advisor.param("id", existingChatId)) .user("还有更详细的学习路径吗?") .stream() .content();

3. 会话清除：

@DeleteMapping("/session/{chatId}") public void clearSession(@PathVariable String chatId) { redisTemplate.delete("REDIS_MESSAGE_KEY" + chatId); }

4. 生产环境注意事项

4.1 性能优化方案

1. Pipeline批量操作：

List<Object> results = redisTemplate.executePipelined((RedisCallback<Object>) connection -> { for (Message message : messages) { connection.stringCommands().set( ("MSG_" + chatId).getBytes(), serialize(message) ); } return null; });

2. 二级缓存策略：

@Cacheable(value = "chatMessages", key = "#chatId") public List<Message> getMessages(String chatId) { // Redis查询实现 }

4.2 异常处理机制

1. Redis故障降级：

try { return redisChatMemory.get(chatId); } catch (RedisConnectionFailureException e) { log.warn("Redis unavailable, falling back to local cache"); return localCache.get(chatId); }

2. 消息压缩容错：

public String compressMessage(Message message) { try { return Snappy.compress(message.getText()); } catch (IOException e) { // 压缩失败返回原文 return message.getText(); } }

4.3 安全防护措施

1. 会话隔离：

// 在获取会话前验证权限 if (!securityService.canAccessChat(userId, chatId)) { throw new AccessDeniedException(); }

2. 敏感词过滤：

public Message filterSensitive(Message message) { String filtered = sensitiveWordFilter.filter(message.getText()); return new UserMessage(filtered, message.getMetadata()); }

5. 扩展应用场景

5.1 多模态会话支持

扩展SerializableMessage支持图片消息：

public class SerializableMessage { private MessageType type; private String textContent; private byte[] imageData; // 新增多媒体类型处理 public Message getMessage() { if (type == MessageType.IMAGE) { return new ImageMessage(imageData, metadata); } // ...原有逻辑 } }

5.2 会话分析功能

基于Redis的会话分析实现：

public ChatStatistics analyzeChat(String chatId) { String json = redisTemplate.opsForValue().get(prefix + chatId); List<SerializableMessage> messages = parseJson(json); return new ChatStatistics( messages.stream().filter(m -> m.getType() == USER).count(), messages.stream().mapToInt(m -> m.getText().length()).average(), // ...其他统计指标 ); }

5.3 分布式部署方案

跨中心同步配置：

@Bean public RedisTemplate<String, SerializableMessage> redisTemplate( RedisConnectionFactory connectionFactory) { RedisTemplate<String, SerializableMessage> template = new RedisTemplate<>(); template.setConnectionFactory(connectionFactory); template.setDefaultSerializer(new Jackson2JsonRedisSerializer<>(SerializableMessage.class)); // 启用跨数据中心复制 template.setEnableTransactionSupport(true); return template; }

通过这套基于Redis的Advisor实现，我们不仅解决了官方ChatMemory的局限性，还获得了分布式环境下的会话支持能力。在实际项目中，建议根据业务需求适当调整序列化策略和存储结构，比如对于高频访问的会话可以考虑引入本地缓存作为Redis的补充。