完整教程：AI应用生成平台：数据库、缓存与存储

二、数据库、缓存与存储

项目仓库：https://github.com/vasc-language/ai-code-mother

项目预览：https://www.joinoai.cloud

9. AI 零代码应用生成项目中，为什么要从数据库加载对话历史到记忆中？完整流程是怎样的？

为什么需要加载对话历史

1. 上下文连续性

AI对话需要理解前面的交流内容
保持多轮对话的逻辑一致性
避免重复询问已经回答过的问题

2. 个性化体验

记住用户的偏好和需求
基于历史对话优化生成策略
提供更精准的代码生成服务

3. 会话恢复

用户刷新页面或重新登录后能继续之前的对话
跨设备访问时保持对话状态
防止因网络中断导致的上下文丢失

完整流程实现

1. 数据库存储结构

CREATE TABLE chat_history (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
app_id BIGINT NOT NULL,
user_id BIGINT NOT NULL,
message TEXT NOT NULL,
message_type VARCHAR(10) NOT NULL, -- 'USER' 或 'AI'
create_time DATETIME DEFAULT CURRENT_TIMESTAMP,
INDEX idx_app_id_create_time (app_id, create_time)
);

2. 加载流程

// 在AiCodeGeneratorServiceFactory中的实现
public int loadChatHistoryToMemory(Long appId, MessageWindowChatMemory chatMemory, int maxCount) {
// 1. 从数据库查询历史记录（按时间倒序，限制数量）
QueryWrapper queryWrapper = QueryWrapper.create()
.eq(ChatHistory::getAppId, appId)
.orderBy(ChatHistory::getCreateTime, false)
.limit(1, maxCount);
List<ChatHistory> historyList = this.list(queryWrapper);// 2. 反转列表，确保按时间正序（老的在前，新的在后）historyList = historyList.reversed();// 3. 清理现有缓存，防止重复加载chatMemory.clear();// 4. 按顺序添加到记忆中for (ChatHistory history : historyList) {if (ChatHistoryMessageTypeEnum.USER.getValue().equals(history.getMessageType())) {chatMemory.add(UserMessage.from(history.getMessage()));} else if (ChatHistoryMessageTypeEnum.AI.getValue().equals(history.getMessageType())) {chatMemory.add(AiMessage.from(history.getMessage()));}}return loadedCount;}

3. 记忆管理策略

// 创建带记忆的AI服务
MessageWindowChatMemory chatMemory = MessageWindowChatMemory
.builder()
.id(appId)                          // 每个应用独立的记忆空间
.chatMemoryStore(redisChatMemoryStore) // Redis持久化存储
.maxMessages(20)                    // 最多保留20条消息
.build();
// 从数据库加载历史对话到记忆中
chatHistoryService.loadChatHistoryToMemory(appId, chatMemory, 20);

4. 数据流转过程

用户发起对话 → 检查Redis缓存 → 缓存未命中 → 从MySQL加载历史 →
构建MessageWindowChatMemory → 添加到Redis → AI服务使用记忆 →
生成回复 → 保存新消息到MySQL → 更新Redis缓存

10. AI 零代码应用生成项目中，你如何配置 Caffeine 的缓存策略？

Caffeine缓存配置

1. AI服务实例缓存

// 在AiCodeGeneratorServiceFactory中的配置
private final Cache<String, AiCodeGeneratorService> serviceCache = Caffeine.newBuilder().maximumSize(1000)                    // 最大缓存1000个实例.expireAfterWrite(Duration.ofMinutes(30))  // 写入后30分钟过期.expireAfterAccess(Duration.ofMinutes(10)) // 访问后10分钟过期.removalListener((key, value, cause) -> {log.debug("AI 服务实例被移除，缓存键: {}, 原因: {}", key, cause);}).build();

2. 缓存策略说明

大小限制策略

maximumSize(1000): 限制最大缓存条目数，防止内存溢出
基于LRU算法淘汰最少使用的条目

过期策略

expireAfterWrite: 写入后过期，适用于数据时效性要求
expireAfterAccess: 访问后过期，适用于热点数据保持

监听器配置

removalListener: 监控缓存条目移除事件
用于调试和性能分析

3. 缓存使用模式

// 获取缓存的AI服务实例
public AiCodeGeneratorService getAiCodeGeneratorService(long appId, CodeGenTypeEnum codeGenType) {
String cacheKey = buildCacheKey(appId, codeGenType);
// 如果缓存存在直接返回，不存在则创建新实例并缓存
return serviceCache.get(cacheKey, key -> createAiCodeGeneratorService(appId, codeGenType));
}
private String buildCacheKey(long appId, CodeGenTypeEnum codeGenType) {
return appId + "_" + codeGenType.getValue();
}

4. 性能优化考虑

内存效率: 限制缓存大小，避免OOM
并发安全: Caffeine天然支持高并发访问
热点数据: 访问后过期策略保持活跃实例
资源清理: 移除监听器确保资源正确释放

11. 在实现 AI 的对话记录时，为什么选择 Redis 进行持久化？

Redis选择的原因

1. 性能优势

// Redis内存存储，访问速度极快
RedisChatMemoryStore redisChatMemoryStore = RedisChatMemoryStore.builder()
.host(host)
.port(port)
.password(password)
.ttl(ttl)  // 支持TTL自动过期
.build();

优势对比：

Redis: 内存存储，微秒级响应
MySQL: 磁盘存储，毫秒级响应
文件系统: 磁盘IO，响应时间不稳定

2. 数据结构适配

// LangChain4j的ChatMemoryStore接口天然支持Redis
MessageWindowChatMemory chatMemory = MessageWindowChatMemory
.builder()
.chatMemoryStore(redisChatMemoryStore) // 直接使用Redis存储
.maxMessages(20)
.build();

3. 会话特性匹配

临时性: 对话记忆通常是临时的，Redis的TTL机制完美匹配
高频访问: AI对话过程中需要频繁读取历史消息
结构化: Redis支持复杂数据结构，适合存储消息对象

4. 扩展性考虑

分布式: Redis集群支持水平扩展
持久化: RDB+AOF双重保障数据安全
高可用: 主从复制+哨兵模式保证服务可用性

架构设计

1. 双重存储策略

实时对话记忆: Redis (快速访问)↓
历史记录归档: MySQL (长期存储)

2. 数据生命周期

// 对话过程中的数据流
用户消息 → 保存到MySQL → 加载到Redis → AI处理 →
AI回复 → 保存到MySQL → 更新Redis → 返回用户

3. 缓存策略

写入策略: Write-Through（同时写入Redis和MySQL）
读取策略: Cache-Aside（优先从Redis读取，未命中则从MySQL加载）
过期策略: TTL自动过期 + 手动清理

12. AI 零代码应用生成项目中，Redis 主要用在哪些场景？

Redis使用场景详解

1. 对话记忆存储

// LangChain4j集成的Redis对话存储
@Bean
public RedisChatMemoryStore redisChatMemoryStore() {
return RedisChatMemoryStore.builder()
.host(host)
.port(port)
.password(password)
.ttl(ttl)
.build();
}

用途: 存储AI对话的上下文记忆
特点: 支持TTL自动过期，高频读写
数据结构: Hash结构存储消息列表

2. 用户会话管理

// Spring Session集成Redis
// 在pom.xml中配置
<dependency><groupId>org.springframework.session</groupId><artifactId>spring-session-data-redis</artifactId></dependency>

用途: 存储用户登录状态和会话信息
特点: 支持分布式会话共享
数据结构: String/Hash存储会话数据

3. 应用数据缓存

// Spring Cache集成Redis
@Cacheable(
value = "good_app_page",
key = "T(com.spring.aicodemother.utils.CacheKeyUtils).generateKey(#appQueryRequest)",
condition = "#appQueryRequest.pageNum <= 10"
)
public BaseResponse<Page<AppVO>> listGoodAppVOByPage(@RequestBody AppQueryRequest appQueryRequest) {// 精选应用列表缓存}

用途: 缓存热点应用数据，减少数据库压力
配置: 5分钟过期时间
优化: 只缓存前10页数据

4. 分布式限流

// 使用Redisson实现分布式限流
@Before("@annotation(rateLimit)")
public void doBefore(JoinPoint point, RateLimit rateLimit) {
String key = generateRateLimitKey(point, rateLimit);
RRateLimiter rateLimiter = redissonClient.getRateLimiter(key);
// 设置限流参数
rateLimiter.trySetRate(RateType.OVERALL,
rateLimit.rate(),
rateLimit.rateInterval(),
RateIntervalUnit.SECONDS);
// 尝试获取令牌
if (!rateLimiter.tryAcquire(1)) {
throw new BusinessException(ErrorCode.TOO_MANY_REQUEST);
}
}

用途: API接口限流，防止恶意请求
算法: 令牌桶算法
粒度: 支持用户级、IP级、接口级限流

5. 缓存管理配置

@Bean
public CacheManager cacheManager() {
RedisCacheConfiguration defaultConfig = RedisCacheConfiguration.defaultCacheConfig()
.entryTtl(Duration.ofMinutes(30))  // 默认30分钟过期
.disableCachingNullValues()        // 禁用null值缓存
.serializeKeysWith(RedisSerializationContext.SerializationPair
.fromSerializer(new StringRedisSerializer()));
return RedisCacheManager.builder(redisConnectionFactory)
.cacheDefaults(defaultConfig)
// 针对不同业务配置不同过期时间
.withCacheConfiguration("good_app_page",
defaultConfig.entryTtl(Duration.ofMinutes(5)))
.build();
}