# AITest

**Repository Path**: Luoyi_good/aitest

## Basic Information

- **Project Name**: AITest
- **Description**: 使用SpringAI框架进行实现聊天记忆、会话隔离、多模型切换、MCP和RAG等常见功能，功能会不定时更新
- **Primary Language**: Java
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-06-24
- **Last Updated**: 2026-02-22

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Spring AI 多模型聊天系统

## 项目简介

这是一个基于 Spring Boot 和 Spring AI 框架开发的多模型AI对话系统，支持多种AI模型（DeepSeek、Ollama）集成、会话记忆管理、向量数据库检索增强（RAG）、MCP（Model Context Protocol）工具调用以及Spring Security权限控制。

## 技术栈

- **Spring Boot 3.4.5**
- **Spring AI 1.0.0**
- **Java 21**
- **MySQL 8.0.28** - 会话记忆持久化
- **Redis** - 会话记忆缓存
- **Spring Security** - 安全认证和权限控制
- **Maven** - 项目构建工具

## 主要功能

### 1. 多模型支持
- ✅ **DeepSeek Chat Model** - 在线AI模型
- ✅ **Ollama (Qwen3:1.7b)** - 本地部署AI模型
- ✅ 支持模型动态切换

### 2. 会话记忆管理
提供三种会话记忆存储方式，可通过 Spring Profile 灵活切换：

- **InMemory（内存模式）** - `profile: inmemory`
  - 适合开发测试
  - 数据不持久化
  - 最大会话次数：16轮

- **JDBC（数据库模式）** - `profile: jdbc`
  - 使用MySQL持久化存储
  - 支持会话历史查询
  - 自动初始化数据库schema

- **Redis（缓存模式）** - `profile: redis`
  - 高性能缓存存储
  - 支持分布式部署
  - 自定义实现RedisChatMemory

### 3. RAG（检索增强生成）
- 📄 支持文档读取（PDF、Word、Excel等）
- 🔍 使用 Tika Document Reader 解析文档
- 🧮 Ollama Embedding Model 进行文本向量化
- 💾 SimpleVectorStore 向量存储
- 🎯 QuestionAnswerAdvisor 智能问答增强

### 4. MCP（模型上下文协议）工具调用
- 🔧 支持 SSE 和 Stdio 两种连接方式
- 🗺️ 集成高德地图 MCP 服务
- ⚙️ 自动工具回调注册
- ⏱️ 异步处理，请求超时：80秒

### 5. 自定义工具集成
**UserTool** - 用户信息管理工具：
- 获取所有用户信息（仅管理员）
- 根据姓名查询用户
- 新增用户（仅管理员）
- 基于角色的权限控制

### 6. Spring Security 权限控制
内置用户：
- **普通用户**：`user / user123` (角色: USER)
- **管理员**：`admin / admin123` (角色: ADMIN, USER)

受保护的路径：
- `/` - 主页
- `/index.html` - 聊天界面
- `/chat` - 对话接口
- `/chatlist` - 会话列表
- `/chatmes/**` - 聊天记录

### 7. Web界面
- 💬 现代化的聊天UI界面
- 📱 响应式设计，支持移动端
- 🔄 流式响应显示
- 📋 会话列表管理

## 项目结构

```
AITest/
├── src/main/
│   ├── java/com/Luoyi/
│   │   ├── AIApplication.java                    # 主启动类
│   │   ├── config/                               # 配置类
│   │   │   ├── AIConfig.java                    # AI模型配置
│   │   │   ├── InMemoryChatMemoryConfig.java    # 内存会话记忆配置
│   │   │   ├── JdbcChatMemoryConfig.java        # JDBC会话记忆配置
│   │   │   ├── RedisChatMemoryConfig.java       # Redis会话记忆配置
│   │   │   └── SecurityConfig.java              # Spring Security配置
│   │   ├── AITest/
│   │   │   ├── controller/
│   │   │   │   └── MultiModelsController.java   # 对话控制器
│   │   │   ├── server/
│   │   │   │   ├── IChatService.java            # 聊天服务接口
│   │   │   │   └── impl/
│   │   │   │       └── ChatServiceImpl.java     # 聊天服务实现
│   │   │   ├── tools/
│   │   │   │   └── UserTool.java                # 用户工具
│   │   │   ├── entiy/
│   │   │   │   ├── User.java                    # 用户实体
│   │   │   │   └── Msg.java                     # 消息实体
│   │   │   ├── embadding/
│   │   │   │   └── EmbaddingTest.java           # 向量化测试
│   │   │   └── ChatMemoryTest.java              # 会话记忆测试
│   │   ├── Models/                               # 模型测试示例
│   │   │   ├── ChatClientUse/
│   │   │   │   └── ChatClientTest.java
│   │   │   ├── DeepSeekDemo/
│   │   │   │   └── DeepseekTest.java
│   │   │   └── OllamaDemo/
│   │   │       └── OllamaTest.java
│   │   └── repository/
│   │       └── RedisChatMemory.java              # Redis会话记忆实现
│   └── resources/
│       ├── application.yml                        # 应用配置文件
│       ├── mcp-servers-config.json               # MCP服务配置
│       ├── schema-mysql.sql                       # MySQL数据库脚本
│       └── static/
│           └── index.html                         # 前端聊天界面
└── pom.xml                                        # Maven配置文件
```

## 快速开始

### 环境要求

- JDK 21+
- Maven 3.6+
- MySQL 8.0+（可选，使用JDBC模式时需要）
- Redis（可选，使用Redis模式时需要）
- Ollama（可选，使用本地模型时需要）

### 安装步骤

#### 1. 克隆项目
```bash
git clone <your-repository-url>
cd AITest
```

#### 2. 配置数据库（使用JDBC模式）
```sql
-- 创建数据库
CREATE DATABASE ai_chat CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

-- 执行 schema-mysql.sql 初始化表结构（自动执行）
```

#### 3. 配置 application.yml
```yaml
spring:
  datasource:
    url: jdbc:mysql://localhost:3306/ai_chat
    username: root
    password: your_password
  
  ai:
    deepseek:
      api-key: your_deepseek_api_key
    
    ollama:
      base-url: http://localhost:11434
      chat:
        model: qwen3:1.7b
      embedding:
        model: qwen3-embedding:4b
  
  data:
    redis:
      host: localhost
      port: 6379
```

#### 4. 启动 Ollama（使用本地模型）
```bash
# 安装并启动 Ollama
ollama serve

# 拉取模型
ollama pull qwen3:1.7b
ollama pull qwen3-embedding:4b
```

#### 5. 构建并运行
```bash
mvn clean install
mvn spring-boot:run
```

或者直接运行主类：
```bash
java -jar target/AITest-1.0-SNAPSHOT.jar
```

#### 6. 访问应用
打开浏览器访问：
```
http://localhost:8080
```

默认登录账号：
- 管理员：`admin / admin123`
- 普通用户：`user / user123`

## API接口

### 1. 对话接口
```
GET /chat?message={message}&model={model}&conversationId={conversationId}
```
**参数**：
- `message` - 用户消息内容
- `model` - 模型选择 (deepseek/ollama)
- `conversationId` - 会话ID

**响应**：流式文本响应（Server-Sent Events）

### 2. 获取会话列表
```
GET /chatlist
```
**响应**：JSON数组，返回所有会话ID

### 3. 获取会话消息
```
GET /chatmes/{conversationId}
```
**参数**：
- `conversationId` - 会话ID

**响应**：JSON数组，返回该会话的所有消息记录

## 核心配置说明

### 1. ChatClient 配置
```java
@Bean
public ChatClient deepseek(ToolCallbackProvider toolCallbackProvider) {
    return ChatClient.builder(deepSeekChatModel)
        .defaultToolCallbacks(toolCallbackProvider.getToolCallbacks()) // MCP工具
        .defaultAdvisors(new SimpleLoggerAdvisor())                     // 日志记录
        .defaultAdvisors(PromptChatMemoryAdvisor.builder(chatMemory).build()) // 会话记忆
        .defaultTools(userTool)                                          // 自定义工具
        .build();
}
```

### 2. 会话记忆配置
```java
@Bean
public ChatMemory chatMemory(ChatMemoryRepository chatMemoryRepository) {
    return MessageWindowChatMemory.builder()
        .chatMemoryRepository(chatMemoryRepository)
        .maxMessages(16) // 最大保留16轮对话
        .build();
}
```

### 3. 向量存储配置
```java
@Bean
public VectorStore vectorStore(EmbeddingModel embeddingModel) {
    return SimpleVectorStore.builder(embeddingModel).build();
}
```

## 测试用例

### 1. 会话记忆测试
```bash
mvn test -Dtest=ChatMemoryTest#testChatOptions
```

### 2. 会话隔离测试
```bash
mvn test -Dtest=ChatMemoryTest#testChatOptions1
```

### 3. 向量化测试
```bash
mvn test -Dtest=EmbaddingTest#testEmbadding
```

### 4. RAG问答测试
```bash
mvn test -Dtest=EmbaddingTest#chatRagTest
```

## 权限说明

### 用户工具权限要求

| 功能 | 方法 | 权限要求 |
|------|------|----------|
| 获取所有用户 | `getUserMessages()` | ADMIN |
| 查询指定用户 | `getUserMessagesByName()` | USER 或 ADMIN |
| 新增用户 | `addUser()` | ADMIN |

## 常见问题

### Q1: 如何切换会话记忆模式？
A: 在 `application.yml` 中设置：
```yaml
spring:
  profiles:
    active: inmemory  # 可选: inmemory, jdbc, redis
```

### Q2: DeepSeek API 如何获取？
A: 访问 [DeepSeek官网](https://platform.deepseek.com/) 注册并获取API密钥

### Q3: Ollama 本地模型如何安装？
A: 
```bash
# 安装 Ollama
curl -fsSL https://ollama.ai/install.sh | sh

# 拉取模型
ollama pull qwen3:1.7b
```

### Q4: 如何自定义工具？
A: 参考 `UserTool.java`，使用 `@Tool` 和 `@ToolParam` 注解：
```java
@Tool(description = "工具描述")
public String myTool(@ToolParam(description = "参数描述") String param) {
    // 工具实现
}
```

## 开发路线

- [x] 多模型集成（DeepSeek、Ollama）
- [x] 多种会话记忆模式
- [x] RAG检索增强
- [x] MCP工具调用
- [x] Spring Security权限控制
- [x] Web聊天界面
- [ ] 对话导出功能
- [ ] 更多向量数据库支持（Pinecone、Weaviate等）
- [ ] 语音对话支持
- [ ] 图片生成集成

## 贡献

欢迎提交 Issue 和 Pull Request！

## 许可证

本项目采用 MIT 许可证

## 作者

**Luoyi**

## 联系方式

如有问题，欢迎通过以下方式联系：
- 提交 GitHub Issue
- 发送邮件至：[19847534107@163.com]


---

⭐ 如果这个项目对你有帮助，请给一个 Star 支持一下！