Una plataforma de flags de funciones y pruebas A/B nativa de Git que utiliza archivos Markdown y una CLI para gestionar experimentos directamente dentro del código fuente.
Qué hace el producto y cómo se presenta oficialmente
dif.sh es una plataforma de experimentación centrada en desarrolladores que almacena flags de funciones, pruebas A/B y despliegues como archivos Markdown dentro del repositorio de un proyecto. Este enfoque permite a los equipos gestionar todo el ciclo de vida de una flag utilizando herramientas estándar de control de versiones.
El sistema se integra con los flujos de trabajo de Git existentes, permitiendo el uso de pull requests para aprobaciones de experimentos y manteniendo un historial versionado y permanente de todos los cambios. Incluye una CLI que automatiza la creación, validación y conclusión de pruebas mientras genera un cliente con tipado para su uso en producción.
Al utilizar un proceso de compilación local, la herramienta detecta posibles colisiones de experimentos antes de que lleguen a producción. También genera archivos de contexto diseñados específicamente para ayudar a los agentes de codificación de IA a comprender el estado experimental actual de la base de código.
Casos de uso respaldados por fuentes oficiales
Los equipos pueden definir variantes, hipótesis y métricas en archivos Markdown para ejecutar y rastrear experimentos junto con su código.
Proporcionar a los agentes de codificación un archivo de contexto generado para que comprendan los experimentos activos y los aprendizajes previos durante el desarrollo.
El proceso documentado, cuando está disponible
Ejecute el comando init para configurar la estructura de carpetas locales, incluidos los directorios de experimentos y superficies dentro del repositorio.
Use la CLI para redactar una nueva prueba, que extrae automáticamente el contexto histórico del registro de superficie relevante para informar la nueva hipótesis.
Ejecute comprobaciones de validación para asegurar que las configuraciones sean correctas y use el comando QA para previsualizar variantes específicas localmente.
Ejecute el comando build para generar un cliente con tipado y resolver conflictos de grupos de exclusión antes de enviar el código a producción.
Finalice una prueba archivando el archivo, redactando un bloque de decisión y actualizando el registro de aprendizaje de la superficie para referencia futura.
La plataforma trata las flags de funciones y los experimentos como artefactos de código, utilizando archivos Markdown para la configuración y Git para el control de versiones. Este enfoque está diseñado para que el registro de auditoría y el proceso de aprobación permanezcan dentro de los flujos de trabajo de desarrolladores existentes, como las pull requests, eliminando la necesidad de una base de datos separada o un panel externo para la gestión de la configuración.
Durante el proceso de compilación, la herramienta resuelve el gráfico de exclusión para garantizar que ningún usuario sea asignado a dos experimentos conflictivos simultáneamente. Si se detecta un conflicto, la compilación falla en el entorno de integración continua, lo que ayuda a evitar que los choques lógicos lleguen a la aplicación de producción.
Comprobaciones con tus propios materiales y flujo de trabajo
Qué fuentes se revisaron y cuándo
Respuestas basadas en el registro de producto con fuentes verificadas
El sistema utiliza grupos de exclusión definidos en el frontmatter del archivo y comprueba si hay colisiones durante el paso de compilación, fallando la compilación si un usuario fuera asignado a dos pruebas conflictivas.
Los datos de los clientes no se almacenan ni se envían al repositorio; en su lugar, los atributos de la audiencia se declaran en la configuración y los valores se proporcionan en tiempo de ejecución desde el contexto de usuario de la aplicación.
Las superficies actúan como un repositorio de memoria institucional, conteniendo archivos markdown que registran aprendizajes previos y posibles obstáculos para pantallas o funciones específicas para informar futuros experimentos.
Cada compilación regenera un archivo de contexto que contiene flags activas y aprendizajes recientes, que los agentes de codificación pueden leer al inicio de una sesión para comprender el estado experimental actual.
No, la funcionalidad principal opera a través de la CLI y archivos locales, aunque hay una capa opcional en la nube disponible para equipos que deseen análisis centralizados y visualizaciones de intervalos de confianza.
