DoorDash dùng hệ thống đa tác tử LLM dọn dẹp 60.000 feature flag

DoorDash vừa công bố hệ thống đa tác tử (multi-agent) dựa trên mô hình ngôn ngữ lớn (LLM) nhằm tự động hóa việc dọn dẹp các feature flag cũ kỹ — một trong những khoản nợ kỹ thuật dai dẳng nhất trong các hệ thống phần mềm quy mô lớn. Bài toán mà họ đối mặt không hề nhỏ: hơn 60.000 feature flag trải rộng trên 623 kho mã nguồn.

Feature flag — tiện lợi nhưng để lại nợ kỹ thuật

Feature flag (cờ tính năng) là cơ chế cho phép bật hoặc tắt một tính năng mà không cần triển khai lại mã nguồn. Đây là công cụ quen thuộc trong các đội ngũ phát triển phần mềm hiện đại, đặc biệt khi áp dụng phương pháp triển khai dần dần (progressive delivery) hay thử nghiệm A/B.

Tuy nhiên, sau khi tính năng đã được triển khai đầy đủ hoặc bị khai tử, những flag này thường bị bỏ quên. Chúng chồng chéo, gây khó hiểu cho lập trình viên, che khuất logic thực sự và làm tăng độ phức tạp của việc kiểm thử. Với DoorDash, con số lên tới hàng chục nghìn flag — đủ để việc dọn dẹp thủ công trở thành bất khả thi.

Dọn dẹp feature flag là công việc nhàm chán nhưng cần độ chính xác cao: xóa sai một flag có thể làm hỏng tính năng đang chạy thực tế.

Kiến trúc hệ thống đa tác tử

Thay vì tiếp cận bằng một mô hình đơn lẻ, DoorDash xây dựng một quy trình nhiều bước phối hợp nhiều tác tử chuyên biệt:

• Dữ liệu thử nghiệm trực tiếp qua MCP: hệ thống truy vấn dữ liệu thử nghiệm thực tế thông qua giao thức MCP (Model Context Protocol), giúp tác tử biết flag nào thực sự còn được dùng và trong ngữ cảnh nào.
• Phê duyệt của kỹ sư: con người vẫn giữ vai trò quyết định ở điểm then chốt, đảm bảo không có thay đổi rủi ro nào diễn ra mà không được xem xét.
• Git worktree tách biệt: mỗi tác tử làm việc trong một worktree riêng biệt, tránh xung đột với các nhánh đang phát triển song song.
• Tác tử chạy song song: nhiều flag được xử lý cùng lúc, rút ngắn đáng kể thời gian so với cách làm tuần tự.
• Kiểm tra tự động: các bước xác thực tự động đảm bảo pull request tạo ra không phá vỡ kiểm thử hiện có.

Kết quả đánh giá: 45/50 pull request dùng được

Trong đợt đánh giá trên 50 flag, hệ thống tạo ra 45 pull request dùng được — tỷ lệ thành công 90%. Đáng chú ý hơn cả là chi phí và thời gian:

• Thời gian trung bình: 13,8 phút cho mỗi lần dọn dẹp
• Chi phí trung bình: 4,79 USD cho mỗi lần dọn dẹp

Những con số này cho thấy một hướng đi đầy hứa hẹn: chi phí biên để xử lý hàng chục nghìn flag còn tồn đọng giờ đây đã nằm trong tầm kiểm soát của doanh nghiệp.

Ý nghĩa với đội ngũ kỹ thuật tại Việt Nam

Câu chuyện của DoorDash phản ánh một xu hướng rộng hơn: LLM đang được đưa vào các tác vụ bảo trì mã nguồn — lĩnh vực vốn tốn nhiều công sức nhưng ít được tự động hóa. Với các đội ngũ phát triển tại Việt Nam, đây là gợi ý đáng cân nhắc:

• Các startup và công ty gia công phần mềm thường chịu áp lực nợ kỹ thuật cao do tính chất bàn giao dự án. Tự động hóa dọn dẹp flag có thể giải phóng đáng kể thời gian của lập trình viên.
• Nguyên tắc con người trong vòng lặp (human-in-the-loop) vẫn là yếu tố cốt lõi — hệ thống của DoorDash không thay thế kỹ sư mà chỉ giảm tải phần việc lặp lại.
• Việc dùng các giao thức như MCP để cấp dữ liệu ngữ cảnh cho tác tử là một hướng tiếp cận đáng học hỏi, giúp mô hình đưa ra quyết định dựa trên thực tế thay vì chỉ suy đoán.

Có thể thấy, đa tác tử LLM đang dần chứng minh giá trị không chỉ ở các bài toán sáng tạo mà còn ở những công việc "dọn dẹp" âm thầm nhưng thiết yếu để giữ cho hệ thống phần mềm khỏe mạnh.