DoorDash用多AgentLLM清理6万过期FeatureFlag，自动化效率提升10倍

在软件开发领域，Feature Flag（特性开关）作为一种灵活的代码管理工具被广泛使用。然而，随着项目迭代，大量过期的Flag会积累，成为技术债务。近日，DoorDash宣布其构建的多Agent LLM系统已成功清理了约6万个过期Flag，这一成果展示了AI在软件工程中的强大应用潜力。

DoorDash的解决方案基于谷歌的Agent Development Kit，分为两个核心阶段。首先，由Claude Sonnet驱动的编排Agent从Jira获取待处理的Flag工单，通过Experimentation Platform MCP查询实验平台数据，并结合GitHub代码仓库信息进行分析。工程师对生成的报告进行审核确认后，系统进入第二阶段。

在第二阶段，Claude Opus驱动的 Cleanup Agent 在隔离的Git Worktree中运行。每个代码仓库最多可同时运行4个Agent，它们负责定位Flag的所有引用，确定清理策略，修改源代码及测试文件，并执行构建、测试、覆盖率检查等验证流程。只有通过所有验证的修改才会被提交为Pull Request。

数据显示，在针对50个过期Flag的评估中，系统成功生成了45个可用的Pull Request，平均每次清理耗时13.8分钟，成本仅为4.79美元。相比之下，DoorDash估计人工完成一次清理需要1到2小时。DoorDash的实验平台在约623个代码仓库中管理着6万多个Feature Flag，每月新增约2,300个，其中已有1,000多个Flag被判定为过期。

该系统的创新之处在于解决了依赖注入式Wrapper带来的复杂性问题。与Uber开源的Piranha工具相比，Piranha采用基于抽象语法树（AST）的规则匹配方法，而DoorDash的系统则通过语义层面的关系识别Flag与业务逻辑的关联，适用于更复杂的代码结构。

DoorDash表示，未来计划为低风险清理任务增加置信度评分，并在清理完成后进行额外的代码质量检查，以进一步提升系统的可靠性。这项工作已被ICSME 2026 Industry Track收录，标志着AI在软件工程领域的实践迈出了重要一步。