用功能开关控制 AI 代码的发布范围
文章建议拆分代码部署和功能放量,让智能体实现带开关的变更,由团队决定开放对象、放量节奏和关闭时机。案例涉及结账流程、数据写入和高成本模型调用。
AI 深度解读
AI 编程代理可以在一轮会话里写完 API、页面、数据库迁移、埋点和测试,但代码能部署了,团队可能还没决定该让谁先用。原文给小型产品团队的建议是把这两个决定拆开。代码通过评审后可以先部署,新功能何时开放、开放给谁、出现什么情况就停,由人负责。
文章用一个 AI 账户摘要面板贯穿整个流程。前端能直接用上的是开关求值放哪、组件怎么测。全栈更该留意的是,关掉入口以后,已经入队的任务和已经发生的写入该怎么处理。
哪些改动值得多留一个开关
功能开关(feature flag)会给系统增加一条运行分支。旧路径和新路径都得测,出问题时也得知道用户走了哪一条。能拆成一个可以直接交付的小改动,就先拆。代码已经可以安全部署、但新行为需要分批开放时,才适合加临时发布开关。它默认关闭,按计划扩大覆盖面。紧急停用开关(kill switch)控制的是平时正常运行的依赖或路径,出事时可以快速切断。两类开关的默认值、负责人和退役规则应分别约定。
AI 账户摘要适合灰度。用户会看到新面板,服务端会多出模型调用,还可能需要用接近生产的数据验证效果。权限修复则要对每个请求生效。发布开关管某批账户能否看到新功能,鉴权管当前用户能否执行操作,审批管某个高风险动作在当前情境下能否继续。数据库也有类似的边界。如果迁移会让旧版应用读不了表,关掉新页面也救不了旧版。要先让新旧应用都能使用迁移后的结构,再谈分批开放。
开关应在请求入口求值一次
作者建议把发布约定写进代理会读的仓库说明。临时开关用 rel_<area>_<capability> 命名,代码默认值设成 false,元数据里写清负责人、工单、到期日和回滚指标。代理可以建本地或测试环境的开关,生产扩量由人操作。每个开关 PR 同时带上清理工单和预期的最终状态。
下面这段 TypeScript 在账户页面入口算出当前账户能否看到新摘要,再把结果交给渲染函数。
type ReleaseAccess = {
accountId: string;
isSummaryV2Enabled: boolean;
};
export async function accountPage(request: Request) {
const account = await requireAccount(request);
const isEnabled = await flags.isEnabled("rel_summary_v2", {
accountId: account.id,
plan: account.plan,
});
const access: ReleaseAccess = {
accountId: account.id,
isSummaryV2Enabled: isEnabled,
};
return renderAccountPage(access);
}
留意 return renderAccountPage(access); 这一行。组件拿到的是已经算好的布尔值,测试可以直接传入 false 或 true,也避免同一次请求里两个组件因为配置更新拿到不同结果。若请求触发了需要保持一致的后台任务,入队时就保存选定的版本。文档增强任务的幂等键应由文档和操作决定。否则开关关闭后再重试,同一操作可能生成另一个键,造成重复写入。
两条渲染路径都通过测试,还得测切换前后的副作用,以及开关服务不可用时的行为。多数面向用户的新功能适合在求值失败时回到旧路径。保护高风险依赖的紧急停用开关需要单独定义故障时的行为。示例展示了求值的位置,flags.isEnabled() 出错时的回退仍需在实现里明确。
从 5 个试用客户扩到 5%,谁来决定
原文用一张可以放进 PR 描述的灰度发布卡,把放量顺序、停用阈值和清理日期交给值班同事。
Flag: rel_summary_v2
Type: temporary release flag
Owner: billing-platform
Default: off
Audience: internal accounts -> 5 named design partners -> 5% eligible accounts
Success: no increase in summary error rate; median response under 2 seconds
Stop: disable if request failures exceed baseline by 1 percentage point
Expiry: remove by 2026-12-18; permanent state: on
留意 Stop 里的 1 percentage point。如果基线失败率是 2%,高出 1 个百分点就是 3%。这张示例卡给出了阈值,但没有填观察窗口。实际执行时还要写清哪些账户符合条件、看多久的数据、谁决定进入下一阶段。会调用模型的功能还要给每个完成任务设增量成本上限。错误率和延迟都达标,账单也可能已经变贵。
百分比灰度建议按 accountId 或租户 ID 稳定分组。按请求随机分流,同一个客户刷新两次就可能看到不同版本,客服也难复现。多租户应用按租户放量,可以让同一工作区的成员看到一致行为。作者建议用 release_flag_evaluated 记录命中的版本、规则、请求和配置版本,再用可比对照组查看任务完成率、延迟、错误类别、客服反馈和单任务成本。事件里应省去原始提示词、账户密钥和完整模型输出。
生产扩量要有操作人和审计记录,值班人员也要能绕开部署流水线直接停用。灰度结束后,决定永久开启就删旧路径和开关,永久关闭就删新路径和开关。确有长期保护需要的停用开关,则作为生产配置持续维护。CI 可以对临时开关过期、无人负责或注册表缺项发出告警。
我的判断
这篇最实用的地方,是把关闭开关和撤销副作用分开处理。关闭入口能阻止后续请求走新路径,但已经落库的数据和已经触发的外部调用还在。对全栈改动,只测试两个页面状态,很容易漏掉真正影响回退的那部分。原文给的是设计示例和经验建议,没有报告实际灰度结果,也没有拿这套流程和其他发布方式做过对照。卡上的 2 seconds 和 1 percentage point 都是示例阈值。
如果一个改动能拆成兼容的小 PR 直接发布,拆分通常更省维护。环境级配置也足够覆盖只在测试环境验收的需求。到了要让同一个生产环境里的部分账户先试,而且希望随时停用时,按账户求值才有明显收益。低流量的团队还会遇到一个现实问题,5% 可能几乎没样本,短时间内很难判断失败率是否偏离基线。具名客户试用能提供具体反馈,量化指标能支持多强的结论,则要看实际样本。
能拿来做什么
- 给代理写客户可见功能的任务时,把开关名、默认值、负责人和清理工单一起交代清楚。把灰度安排放进 PR,方便评审时一起确认。
- 在 Node 请求入口求值,把布尔结果传给前端渲染和业务分支。组件测试直接覆盖开与关,服务端另外测开关服务不可用时的回退。
- 如果新分支会写库或发任务,补一次「开启后入队,关闭后重试」的测试,确认任务沿用入队时的版本,同一操作只产生一次副作用。
- 给调用模型的新功能写灰度卡时,同时指定合格账户范围、观测窗口、停用阈值、单任务成本上限和负责扩量的人。