Feature

general · First seen 2026-05-22 · Last seen 2026-11-17 · 300 mentions

Overview

Feature(特征/功能)是一个跨领域关键词:在软件产品中指一项具体的功能点(feature),在机器学习中指模型的输入变量(特征),在发布管理中则与 Feature Flag(功能开关)等工程实践紧密相关。当前 AI 开发语境下,这个词同时活跃在三个场景:Claude Code 等工具的 feature 迭代、ML 特征工程,以及灰度发布与实验平台。它没有单一叙事,但三条线都在被 AI 加速。

Feature 的近期进展

  • Amazon SageMaker Feature Store 支持特征级写入:AWS 为 Feature Store 新增 UpdateRecord 能力,允许只更新记录中的部分特征而非整条覆盖,这对在线特征回填与部分更新是实际工程改进。
  • SIGMA:基于 SHAP 的无元数据 LLM 自动特征工程:研究尝试用 LLM 自动生成特征,并以 SHAP 评估特征贡献,不依赖数据元信息,方向指向特征工程自动化。
  • Vercel Flags 新增 CLI 规则管理,支持智能体自主优化实验:Vercel 为其功能开关平台 Flags 加入 CLI 规则管理,明确支持让 Agent 自主调整实验与灰度策略,是 Feature Flag 与 AI 结合的代表动向。
  • Anthropic 预告 Claude Code 将整合 /design 命令:Claude Code 以高频 feature 更新著称,/design 命令预示设计环节将被纳入其 CLI 工作流。
  • 当前焦点与观察点

    围绕 Feature,近期最值得关注的争议是 AI 交付速度与质量的失衡。Lauren 所在的 Grok Bot 团队一个月向生产环境交付 2500 个 PR,Viking 分享的用 AI 交叉 review 取代人工 PR 的全自动化工作流,都说明 feature 的产出节奏正在被重新定义——但审核机制是否跟得上是普遍疑问。

    第二个观察点是特征工程本身的自动化。SIGMA 这类工作如果成立,传统上依赖人工经验与元数据的 feature 构造流程会被大幅压缩,特征平台(如 SageMaker Feature Store 的特征级写入)也将承担更多实时、增量场景。

    第三个观察点是功能发布方式的演变。Feature Flag 正从人工灰度工具转向 Agent 可操作的实验基础设施,Uber 内部工具实践(Model Gateway、MCP 与 Agent 工程)也印证了大型工程组织在把 feature 生命周期逐步交给自动化流程。短期内,三个方向会继续并行:功能迭代更快、特征生成更自动、发布控制更智能,但相应的质量与治理机制仍是短板。

    Coverage

    10 on file