ИНВЕСТИЦИИ · CODING · #625
DoorDash использует мульти‑агентные LLM для автоматической очистки 60 000 feature‑флагов
DoorDash создала рабочий процесс с мульти‑агентными LLM (на базе Google Agent Development Kit и моделей Claude) для поиска и удаления устаревших feature‑флагов в ~623 репозиториях и около 60 000 флагов. В тесте из 50 флагов система сгенерировала полезные pull‑request для 45 флагов (в среднем 13,8 минуты и $4,79 на очистку), запуская агентов в изолированных git‑worktree, проверяя сборку/тесты/покрытие и интегрируясь с Jira и MCP.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- DoorDash создала рабочий процесс с мульти‑агентными LLM (на базе Google Agent Development Kit и моделей Claude) для поиска и удаления устаревших feature‑флагов в ~623 репозиториях и около 60 000 флагов.
- В тесте из 50 флагов система сгенерировала полезные pull‑request для 45 флагов (в среднем 13,8 минуты и $4,79 на очистку), запуская агентов в изолированных git‑worktree, проверяя сборку/тесты/покрытие и интегрируясь с Jira и MCP.
- Это демонстрирует практическое промышленное применение мульти‑агентных LLM для сокращения времени и затрат на масштабное сопровождение кода при интеграции с существующими CI и инструментами.
ПОЧЕМУ ЭТО ВАЖНО
Это демонстрирует практическое промышленное применение мульти‑агентных LLM для сокращения времени и затрат на масштабное сопровождение кода при интеграции с существующими CI и инструментами.