DriftKit 完全指南：从入门到精通，掌握 Java AI 提示词生命周期管理

DriftKit 完全指南：从入门到精通，掌握 Java AI 提示词生命周期管理

一、什么是 DriftKit？

1.1 一句话定义

DriftKit 是一个 Java 原生的 AI 框架 ，其核心定位是"唯一内置完整 Dev → Test → Prod 提示词生命周期管理的 Java AI 框架 "。它不是一个简单的 LLM 调用库，而是一个生产就绪的平台，专门解决将 AI 集成到业务流程中的实际问题：提示词版本控制、A/B 测试、生产监控，以及构建复杂、可管理的 AI Agent。

1.2 它解决什么问题

在 DriftKit 出现之前，Java 团队进行提示词工程面临一个尴尬的局面：

痛点	现状	DriftKit 的解法
提示词散落	硬编码在代码中，修改需要重新部署	集中式提示词存储，支持热更新
版本混乱	手工备份，无法追溯"上周那个效果好的版本"	内置版本控制，每次修改自动生成新版本
测试靠感觉	上线后凭用户反馈判断效果	内置测试集与评估运行，可量化对比
没有 A/B 测试	无法科学比较两个提示词版本	原生 A/B 测试支持
生产不可观测	不知道线上实际用了哪个提示词、效果如何	全链路追踪（Tracing），每次调用可追溯

DriftKit 的设计哲学是：提示词生命周期管理应该是框架的内置能力，而不是委托给外部平台。这意味着 Java 团队不需要为了管理提示词而引入 Python 工具链或额外的 SaaS 服务。

1.3 与其他 Java AI 框架的对比

能力	DriftKit	Spring AI	LangChain4j
提示词生命周期管理	✅ Dev→Test→Prod + Tracing	❌	❌
可视化提示词 IDE	✅ 完整 Web 平台	❌ 仅代码	❌ 仅代码
生产提示词测试	✅ 测试集 + 评估	❌	❌
提示词版本控制	✅ 内置	❌ 手工	❌ 手工
A/B 测试	✅ 原生	❌	❌
多 Agent 模式	✅ Loop/Sequential/Hierarchical/Graph	❌	✅ 内置
音频处理	✅ VAD + 转录	❌	❌
Spring AI 集成	✅ 双向集成	原生	❌

DriftKit 填补了 Java AI 生态中"提示词工程化"的空白，这是 Spring AI 和 LangChain4j 都没有覆盖的领域。

注：

博客：

https://blog.csdn.net/badao_liumang_qizhi

二、环境要求与安装

2.1 环境要求

组件	要求	说明
Java	21+	必须使用 Java 21
Maven	3.8+	构建工具
Spring Boot	3.3.x	仅 *-spring-boot-starter 模块需要
MongoDB	必需（Web 平台）	存储追踪、测试集、评估运行、审计日志和环境
Node.js	❌ 不需要	仅从源码构建时需要（用于 Vue 前端）

重要说明 ：driftkit-common、driftkit-clients-*、driftkit-vector-core 和 driftkit-workflow-engine-* 模块不启动 Spring 上下文，可以在纯 Java 项目中使用。

2.2 Maven 依赖

方式一：纯 Java Agent（无 Spring 上下文）

<!-- 核心 Agent 引擎 -->
<dependency>
    <groupId>ai.driftkit</groupId>
    <artifactId>driftkit-workflow-engine-agents</artifactId>
    <version>0.9.1</version>
</dependency>

<!-- 模型客户端（选择一种） -->
<dependency>
    <groupId>ai.driftkit</groupId>
    <artifactId>driftkit-clients-openai</artifactId>
    <version>0.9.1</version>
</dependency>
<!-- 或 driftkit-clients-gemini / driftkit-clients-claude / driftkit-clients-deepseek -->

方式二：Spring Boot + 提示词工程 UI

<!-- 提示词工程 Spring Boot Starter（含 Web IDE） -->
<dependency>
    <groupId>ai.driftkit</groupId>
    <artifactId>driftkit-context-engineering-spring-boot-starter</artifactId>
    <version>0.9.1</version>
</dependency>

<dependency>
    <groupId>ai.driftkit</groupId>
    <artifactId>driftkit-clients-openai</artifactId>
    <version>0.9.1</version>
</dependency>

所有模块均已发布到 Maven Central，groupId 为 ai.driftkit。

2.3 配置文件

# application.yml
spring:
  data:
    mongodb:
      uri: mongodb://localhost:27017/driftkit

driftkit:
  vault:
    - name: openai              # 提供商 ID：openai | gemini | claude | deepseek
      apiKey: ${OPENAI_API_KEY}
      model: gpt-4o             # 任何该提供商接受的模型 ID

MongoDB 存储内容：追踪记录（Traces）、测试集（Test Sets）、评估运行（Evaluation Runs）、审计日志（Audit Log）、环境（Environments） 。提示词存储本身可以切换为 in-memory 或 filesystem，但其他数据必须使用 MongoDB。PostgreSQL 尚不支持。

三、快速上手：第一个 Agent

3.1 纯 Java 方式（无 Spring）

import ai.driftkit.clients.core.ModelClientFactory;
import ai.driftkit.common.domain.client.ModelClient;
import ai.driftkit.config.EtlConfig.VaultConfig;
import ai.driftkit.workflow.engine.agent.LLMAgent;

public class Main {
    public static void main(String[] args) {
        // 1. 配置模型客户端
        VaultConfig config = new VaultConfig();
        config.setName("openai");
        config.setApiKey(System.getenv("OPENAI_API_KEY"));
        config.setModel("gpt-4o");

        ModelClient<?> client = ModelClientFactory.fromConfig(config);

        // 2. 构建 Agent
        LLMAgent agent = LLMAgent.builder()
            .modelClient(client)
            .systemMessage("You are a helpful assistant")
            .build();

        // 3. 执行
        String response = agent.executeText("Say hello in one sentence").getText();
        System.out.println(response);
    }
}

这段代码展示了 DriftKit 最基础的使用方式------无需 Spring 上下文，纯 Java 即可运行 。LLMAgent 是 DriftKit 提供的高级 Agent 抽象，封装了与 LLM 的交互细节。

3.2 Spring Boot 方式（含 Web IDE）

启动 Spring Boot 应用后，访问 Web 界面即可使用可视化提示词 IDE。这个 IDE 提供了完整的提示词生命周期管理功能，包括：

• 提示词的创建、编辑、版本管理
• 测试集的维护与运行
• A/B 测试的配置与结果查看
• 生产环境追踪的监控面板

四、核心能力详解

4.1 提示词生命周期管理（Dev → Test → Prod）

DriftKit 的核心差异化能力是将提示词的完整生命周期纳入框架管理：

Dev（开发）           Test（测试）           Prod（生产）
    │                     │                     │
    ├─ 创建提示词          ├─ 运行测试集          ├─ 生产追踪
    ├─ 版本迭代            ├─ 评估运行            ├─ A/B 测试
    └─ 提交到仓库          └─ 对比结果            └─ 监控面板

版本控制：每次修改提示词自动生成新版本，支持回滚和对比。这解决了"上周那个效果好的版本找不到了"的经典问题。

测试集与评估：为每个提示词维护测试用例，变更时自动运行回归测试，确保修改不会引入退化。

生产追踪：记录每次提示词调用的完整链路------用了哪个版本、输入输出是什么、耗时多少、是否成功。这为问题排查和效果分析提供了数据基础。

4.2 多 Agent 编排

DriftKit 支持多种 Agent 编排模式：

模式	说明	适用场景
Loop	循环执行直到满足条件	迭代优化、多轮对话
Sequential	顺序执行多个 Agent	流水线处理
Hierarchical	分层执行，上级 Agent 调用下级	复杂任务分解
Graph	图结构编排，支持跨图调用	复杂工作流

这些模式覆盖了从简单到复杂的各类 Agent 协作场景。

4.3 工具调用（Tool Calling）

DriftKit 的工具调用是类型安全的，支持三种方式：

• Function Calling：标准的函数调用
• Tools：工具定义与执行
• Agent as Tool：将一个 Agent 作为另一个 Agent 的工具

自动或手动执行模式均可配置，为不同场景提供灵活性。

4.4 内置音频处理

DriftKit 是少数内置VAD（语音活动检测）+ 转录能力的 Java AI 框架。这意味着你可以直接构建语音交互应用，而无需额外引入音频处理库。

4.5 Spring AI 双向集成

DriftKit 与 Spring AI 提供了完整的双向集成------既可以在 DriftKit 中使用 Spring AI 的模型客户端和向量存储，也可以在 Spring AI 应用中使用 DriftKit 的提示词管理能力。这种集成让已有的 Spring AI 项目可以平滑引入 DriftKit 的提示词工程能力，而无需重写现有代码。

五、实战示例：构建客服 Agent

5.1 场景描述

构建一个电商客服 Agent，需要：

1. 理解用户问题
2. 调用工具查询订单
3. 根据订单状态生成回复
4. 所有提示词可版本管理、可测试

5.2 实现代码

@Service
public class CustomerServiceAgent {

    private final LLMAgent agent;
    private final OrderTool orderTool;

    public CustomerServiceAgent(ModelClient<?> client, OrderTool orderTool) {
        this.agent = LLMAgent.builder()
            .modelClient(client)
            .systemMessage("""
                你是电商客服助手。请根据用户问题调用相应工具，
                并以友好、专业的方式回复。
                """)
            .tools(orderTool)  // 注册工具
            .build();
        this.orderTool = orderTool;
    }

    public String handleQuery(String userQuery) {
        return agent.executeText(userQuery).getText();
    }
}

5.3 提示词版本管理

在 DriftKit 的 Web IDE 中，你可以：

1. 创建提示词：定义 system message 和用户消息模板
2. 版本迭代：修改后自动生成 v1.1、v1.2...
3. 运行测试集：为每个版本运行相同的测试用例
4. 对比结果：查看哪个版本的通过率更高、响应更好
5. 部署到生产：选择最佳版本上线，并启用 A/B 测试

5.4 生产追踪

部署后，每次 Agent 调用都会被追踪：

追踪字段	说明
promptVersion	使用的提示词版本
input	用户输入
output	Agent 输出
latency	耗时
toolCalls	调用的工具及参数
success	是否成功

这些数据在 Web IDE 的监控面板中可视化展示，帮助团队快速定位问题。

六、应用场景

DriftKit 官方定位是企业级解决方案，适合以下场景：

场景	说明
客服自动化	多轮对话 Agent，工具调用查询订单/物流
金融文档处理	结构化提取、合规审查
推荐引擎	个性化推荐 Agent
HR 自动化	简历筛选、面试问答
语音交互应用	内置 VAD + 转录，适合语音客服
复杂工作流	多 Agent 协作的端到端流程

DriftKit 的 driftkit-workflows-examples 模块提供了详细的示例和架构模式，可以作为企业落地的参考。

七、与 Promptfoo 的定位对比

维度	DriftKit	Promptfoo
语言	Java	Node.js/TypeScript
核心定位	Java AI 框架（含提示词管理）	LLM 测试与评估工具
提示词管理	✅ 内置完整生命周期	❌ 仅测试
多 Agent 编排	✅ 内置	❌
红队测试	❌	✅ 50+ 漏洞类型
CI/CD 集成	需自行实现	✅ 官方 GitHub Action
适用团队	Java 后端团队	全栈/DevOps 团队

结论 ：DriftKit 适合 Java 团队构建包含提示词管理的完整 AI 应用 ；Promptfoo 适合 任何团队进行独立的提示词测试和红队扫描。两者可以互补------用 DriftKit 管理提示词生命周期，用 Promptfoo 在 CI 中做回归测试和安全扫描。

八、常见问题

Q：DriftKit 需要 Node.js 吗？

A：不需要。只有从源码构建仓库时才需要 Node.js（用于 Vue 前端）。消费已发布的 Maven 构件完全不需要 Node.js。

Q：必须使用 MongoDB 吗？

A：Web 平台（driftkit-context-engineering-spring-boot-starter）必须使用 MongoDB。但纯 Java Agent 模式不需要 MongoDB。

Q：DriftKit 可以和 Spring AI 一起用吗？

A：可以，而且推荐。DriftKit 提供了与 Spring AI 的双向集成------你可以在 DriftKit 中使用 Spring AI 的模型客户端，也可以在 Spring AI 项目中引入 DriftKit 的提示词管理。

Q：DriftKit 的生产就绪程度如何？

A：当前版本 0.9.1（2026 年 9 月发布），采用 Apache 2.0 许可，可自由用于商业产品。GitHub 上有 49 个 Star，项目处于活跃开发中。

九、总结

维度	内容
定位	Java 原生 AI 框架，内置提示词生命周期管理
核心能力	Dev→Test→Prod 提示词管理 + 多 Agent 编排 + 音频处理
环境要求	Java 21 + Maven 3.8+ + MongoDB（Web 平台）
安装方式	Maven 依赖，ai.driftkit groupId
入门门槛	低------纯 Java 模式无需 Spring，几行代码即可运行
适用场景	企业级 AI 应用，尤其是需要提示词工程化的 Java 团队
许可	Apache 2.0，可自由商用

核心价值 ：DriftKit 填补了 Java AI 生态中"提示词工程化"的空白。它将提示词的版本控制、测试、A/B 测试和生产监控作为框架的内置能力，而不是需要额外搭建的外部系统。对于已经在使用 Spring AI 或 LangChain4j 的 Java 团队，DriftKit 提供了一种渐进式的增强路径------无需重写现有代码，即可获得完整的提示词生命周期管理能力。