AI-agenter til LaunchDarkly
En Monmo-agent arbejder i LaunchDarkly som en release manager, der læser auditloggen. Den finder flags, der burde være fjernet for måneder siden, planlægger trinvis udrulning i procent, fortæller, hvem der ændrede et flag og hvornår, og forklarer resultaterne af eksperimenter i almindeligt sprog. Den bruger det adgangstoken, du tilslutter, og spørger, før den slår et flag til eller fra, ændrer målretning eller arkiverer noget.
Opdateret 2026-11-13 · Gratis at komme i gang. Betalte abonnementer fra $15 om måneden.
Det gør AI-agenter i LaunchDarkly
Find og fjern gamle flags
Den viser flags, der har været markeret som lanceret eller inaktive i over 30 dage, tjekker deres referencer i GitHub og laver et udkast til en pull request, der fjerner hvert flag fra koden. Både merge og arkivering kræver først din godkendelse.
SpørgFind flags, der har vist én variation i produktion i 30 dage, og opret pull requests til oprydning for de fem øverste.
Se, hvem der ændrede et flag og hvorfor
Spørg, hvorfor den nye checkout blev vist til alle i går, så læser agenten flagets auditlog og finder ændringen, hvem der lavede den, kommentaren til ændringen og det miljø, den blev lavet i.
SpørgHvem ændrede new-checkout-flaget i produktion i går, hvad blev præcis ændret, og var der en kommentar?
Planlæg en trinvis udrulning
Den laver en udrulningsplan, for eksempel 5, 25, 50 og derefter 100 procent, med fejlprocenten i Datadog som kontrol mellem hvert trin. Hvert trin får sit eget kort, så du kun går videre, når tallene ser rigtige ud.
SpørgPlanlæg en udrulning af search-v2-flaget til 100 procent over en uge, og tjek fejlprocenten mellem hvert trin.
Sammenlign målretning på tværs af miljøer
Den stiller et flags regler, individuelle målgrupper, segmenter og standardvariationer op ved siden af hinanden for staging og produktion og fremhæver forskelle, der kan overraske dem, der tester i staging.
SpørgSammenlign pricing-page-flaget i staging og produktion, og fortæl mig, hvad der opfører sig forskelligt.
Slå hurtigt et flag fra
Under en hændelse kan du bede agenten om at slå et flag fra. Den forbereder ændringen og viser miljøet og effekten på ét kort, så du kan godkende den på få sekunder i stedet for at lede i brugerfladen.
SpørgDen nye anbefalingswidget forårsager fejl. Forbered med det samme en deaktivering af dens flag i produktion.
Få forklaret resultaterne af et eksperiment
For et afsluttet eksperiment læser den måleresultaterne for hver variation, bemærker, hvor sikre resultaterne er, og hvor stor stikprøven var, og skriver en kort opsummering. Du beslutter selv, hvilken variation der vinder.
SpørgOpsummer onboarding-copy-eksperimentet i almindeligt sprog. Er forskellen reel, eller er det for tidligt at sige?
Hold dine flags godt beskrevet
Den finder flags uden beskrivelse, ansvarlig eller tags, laver et udkast til en kort beskrivelse af formålet ud fra koden og den Jira-sag, der indførte flaget, og foreslår ændringerne samlet.
SpørgVis flags uden beskrivelse eller ansvarlig, og lav udkast til begge dele ud fra koden og den oprindelige Jira-sag.
Sådan oprettes forbindelsen
- 1Du opretter et adgangstoken i LaunchDarkly og tilslutter det én gang. Reader-rollen passer til rapporter og audits. Ændringer kræver Writer-rollen eller en brugerdefineret rolle, der er begrænset til udvalgte projekter og miljøer.
- 2LaunchDarkly hører til hos din udviklingsagent. En produkt- eller dataagent kan læse resultater af eksperimenter gennem samme forbindelse. Andre agenter behøver ikke adgang.
- 3Det kræver ingen godkendelse at læse flags, auditloggen og resultater af eksperimenter. Agenten spørger først, før den slår et flag til eller fra, ændrer målretning eller udrulningsprocenter, ændrer et segment eller arkiverer et flag. Hvis du kræver godkendelser for produktion, skal agentens anmodning stadig igennem dem.
Ofte stillede spørgsmål
Kan en AI-agent ændre feature flags i LaunchDarkly?
Ja, én godkendt ændring ad gangen. En Monmo-agent forbereder aktivering eller deaktivering, den nye målretningsregel eller næste trin i udrulningen og viser flaget, miljøet og effekten på et kort. Når du godkender, udføres ændringen via LaunchDarkly-forbindelsen eller i agentens egen browser, hvis forbindelsen ikke dækker opgaven.
Hvordan kan AI hjælpe med at rydde op i gamle feature flags?
Det tidskrævende ved oprydning i flags er at finde koden. AI-agenten viser flags, der har vist én variation i flere uger, finder deres referencer i GitHub, laver udkast til en pull request, der fjerner hvert flag, og arkiverer flaget efter merge. Både merge og arkivering afventer din godkendelse.
Er det sikkert at give en AI-agent et LaunchDarkly-token?
Giv agenten den mindst mulige adgang, den har brug for. Et Reader-token dækker audits, rapporter og opsummeringer af eksperimenter. Hvis agenten skal kunne lave ændringer, kan du bruge en brugerdefineret rolle, der er begrænset til de relevante projekter og miljøer. Alle ændringer afventer stadig din godkendelse, og du kan til enhver tid tilbagekalde tokenet.
Kan en AI-agent lave en gradvis udrulning for mig?
Den kan planlægge trinene og udføre hvert enkelt, når du godkender det. Mellem trinene tjekker den de målinger, du vælger, for eksempel fejlprocenten i Datadog eller konverteringen i Amplitude, og fortæller dig, om de holdt sig stabile. Hvis noget ser forkert ud, anbefaler den at sætte udrulningen på pause eller rulle tilbage i stedet for at gå videre.
Din næste medarbejderkunne starte i dag.
Opret din første AI-agent på et minut. Det er gratis at komme i gang.