DoorDash用多Agent LLM系统清理6万个Feature Flag，单次成本4.79美元

DoorDash构建了一套多Agent LLM系统，用于自动清理代码库中不再活跃的Feature Flag。该系统结合实时实验数据、工程师审批、隔离的Git Worktree和自动化验证。在针对50个过期Feature Flag的评估中，系统为其中45个生成了可用的Pull Request，平均每次清理耗时13.8分钟，成本为4.79美元；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2300个，其中1000多个已经过期。若某个Flag在90天内没有修改记录、仍被代码引用、尚未归档或退役且未被明确排除，就会被归类为过期Flag，系统每天为识别出的Flag创建Jira工单。由于DoorDash使用依赖注入式Wrapper，Flag的定义、客户端调用和业务逻辑可能分散在多个文件中，即使一个简单的布尔型Flag也可能需要修改5到20个文件，包括测试文件。

DoorDash的工作流基于谷歌的Agent Development Kit，分为两个阶段。首先由Claude Sonnet驱动的编排Agent从Jira获取过期Flag工单，搜索相关代码仓库，并通过Model Context Protocol查询实验平台，获取包括发布比例和目标值在内的元数据；工程师审核报告并确认目标值后，系统才开始修改代码。第二阶段由Claude Opus驱动的清理Agent在相互隔离的Git Worktree中运行，每个代码仓库最多同时运行4个Agent，负责定位引用、确定清理策略、修改源代码和测试，并执行构建、测试、JaCoCo补丁覆盖率检查以及Detekt静态分析，全部通过后才创建Pull Request。

评估结果显示，31个清理任务的Pull Request首次提交后即被合并，14个需要修改，另有5个需要工程师介入。简单Flag的一次性清理成功率达100%，中等复杂度Flag为94%，复杂Flag为85%，5次人工介入均涉及较深调用链及跨接口参数传递。DoorDash表示，在评估的50项代码变更中未发现Bug或回归问题。公司计划为低风险清理任务增加置信度评分，并在清理完成后增加一轮代码质量检查。该工作已被ICSME 2026 Industry Track收录。