Spring AI项目中SimpleLoggerAdvisor重复订阅导致聊天中断问题分析

问题现象

在Spring AI项目中，开发者使用SimpleLoggerAdvisor进行日志记录时发现了一个异常现象：每次聊天会话中，向模型发送的请求消息数量会随着聊天次数的增加而递增。具体表现为第一次聊天发送1条消息，第二次发送2条，第三次发送3条，最终导致模型因超出限制而中断。

问题根源分析

通过对代码的审查，我们发现问题的核心在于SimpleLoggerAdvisor的实现方式。该advisor同时实现了StreamAroundAdvisor和CallAroundAdvisor两个接口，但在处理流式响应时存在订阅管理不当的问题。

关键问题点在于aroundStream方法中的响应处理逻辑。当使用MessageAggregator聚合响应时，如果没有正确处理订阅关系，可能会导致多次订阅同一个响应流，从而产生消息重复处理的现象。

技术细节

1. Advisor链机制：Spring AI中的advisor链允许在请求处理前后插入自定义逻辑。SimpleLoggerAdvisor同时实现了流式和非流式两种处理接口。

2. 响应订阅问题：在流式处理中，每次订阅Flux都会触发新的请求处理流程。如果聚合器或日志记录逻辑没有妥善管理订阅，就会导致重复处理。

3. 资源消耗：随着聊天次数的增加，重复订阅会导致请求消息数量呈线性增长，最终超出模型的处理能力限制。

解决方案

要解决这个问题，我们需要重构SimpleLoggerAdvisor的实现，确保：

1. 单一订阅原则：确保每个响应流只被订阅一次，避免重复处理。

2. 响应共享：对于需要多次使用的响应流，使用share()或cache()操作符来共享订阅。

3. 清晰的日志记录边界：明确区分请求日志和响应日志的记录时机，避免交叉影响。

优化后的实现建议

@Override
public Flux<AdvisedResponse> aroundStream(AdvisedRequest advisedRequest, StreamAroundAdvisorChain chain) {
    // 记录请求日志
    advisedRequest.messages().forEach(message -> {
        logger.info("request: {}", message);
    });
    
    // 获取响应流并共享订阅
    Flux<AdvisedResponse> sharedResponses = chain.nextAroundStream(advisedRequest).share();
    
    // 附加响应处理逻辑
    return sharedResponses
        .doOnNext(response -> {
            if (response.isLast()) {
                logger.info("token使用量,response: {}", 
                    response.response().getMetadata().getUsage());
            }
        });
}

最佳实践

1. 避免多重继承：除非必要，advisor最好只实现一种处理接口（流式或非流式）。

2. 谨慎使用聚合器：MessageAggregator等工具需要特别注意订阅管理。

3. 性能监控：实现日志记录功能时，应同时监控其对系统性能的影响。

4. 资源清理：确保所有响应流都有适当的终止处理，避免资源泄漏。

总结

Spring AI项目中的advisor机制提供了强大的扩展能力，但也需要开发者理解响应式编程的基本原则。通过正确处理流式响应的订阅关系，可以避免类似SimpleLoggerAdvisor导致的重复消息问题。在实现自定义advisor时，应当特别注意响应式流的生命周期管理，确保系统的稳定性和可靠性。