在 LaunchDarkly 中创建…

当你需要在 LaunchDarkly 上设计并跑完一个功能开关实验（A/B 测试）时，用这套流程从建指标到宣布胜出。

适用场景

解决思路

1. 先用 list-metrics 查找已有指标；若不存在则用 create-metric 创建并记下 key。
2. 确定主指标（单个指标或漏斗组），在迭代上以 primarySingleMetricKey 或 primaryFunnelKey 传入其 key。
3. 按目标选择指标类型：转化用 Custom conversion（如 checkout-completed）、性能用 Custom numeric（如 page-load-time-ms）、互动用 Custom conversion（如 feature-clicked）、营收用 Custom numeric（如 order-value）。
4. 用 get-flag（或 get-flag-status-across-envs）获取驱动实验的 flag 规则的 ruleId 和当前 flagConfigVersion；fallthrough 规则的 id 是字符串 "fallthrough"。
5. 调用 create-experiment 创建实验，顶层字段描述实验，嵌套的 iteration 对象描述第一个数据收集窗口（含 hypothesis、primarySingleMetricKey、metrics、treatments、flags、randomizationUnit）。
6. 在 treatments 中设置对比变体：每个 treatment 有 allocationPercent，所有 treatment 的 allocationPercent 之和必须为 100，且恰好一个 treatment 设 baseline: true。
7. 可选地设置顶层字段：holdoutId 关联已有 holdout、dataSource（"launchdarkly" 默认 / "snowflake" / "databricks"）、methodology（"bayesian" 默认 / "frequentist" / "export_only"）、analysisConfig（阈值、多重比较校正、序贯检验）。
8. 可选地设置迭代字段：attributes（用于切分结果的上下文属性 key 数组，如 ["country", "device"]）、covariateId（分层抽样的协变量 CSV id）、canReshuffleTraffic（默认 true，设为 false 可在分配变化时把用户锁定在原变体）。
9. 调用 start-experiment-iteration 开始收集数据；开始前 API 要求 flag 已开启、迭代有 randomizationUnit、且至少一个 treatment 的 allocationPercent 非零；若是在此前迭代停止后重启，传入 changeJustification。
10. 用 get-experiment 验证：确认 currentIteration.status === "running"、treatments 及其分配符合预期、指标列表与主指标正确。
11. 运行中做轻量编辑时用 update-experiment，它只放行 mutableFieldsByStatus 在 running 状态允许的字段（通常是 name、description、maintainerId、tags，以及追加 metrics/attributes），被拒字段会在 skipped 中返回原因。
12. 需要做真正的设计变更（treatments、metrics、methodology、hypothesis 等锁定字段）时，调用 save-and-start-experiment-iteration：它一次调用即停止当前迭代、用所给字段更新创建新草稿并启动；入参与 update-experiment 相同并额外加 changeJustification，可变性按 not_started 校验。
13. 达到显著性或有明确结论后，调用 stop-experiment-iteration 停止迭代；必须声明胜出者，传入 winningTreatmentId（get-experiment 返回的每个 treatment 的 _id）和 winningReason。
14. 若实验无定论或没有变体胜过对照，把 baseline/control treatment 声明为胜出者，并在 winningReason 中说明（如 "Inconclusive — no significant lift, keeping control"）；不存在“不选胜出者就停止”的路径。
15. 报告结果：迭代已停止并声明 winningTreatmentId（无定论时为 control/baseline）、主指标的提升/显著性摘要、以及下一步（发布胜出变体、回滚或开启后续迭代）。
16. 遇到指标不存在时先用 create-metric 创建；flag 没有可对比变体时先创建 flag 变体；实验已存在时用 list-experiments 查找、get-experiment 看详情。
17. 当 update-experiment 对某字段返回 skipped 时，查看响应中的 currentStatus 和 allowedFields，判断该字段在当前迭代状态下不可变，然后先停止迭代或改用 save-and-start-experiment-iteration。

适用边界 · 注意事项

• 不要在没有配置远程托管的 LaunchDarkly MCP 服务器时使用（依赖 create-experiment、start-experiment-iteration、get-experiment 等 MCP 工具）。
• 不要在迭代 running 期间试图用 update-experiment 修改锁定的迭代字段，应改用 save-and-start-experiment-iteration。
• 不要过早停止迭代，应等到统计显著性；也不要在同一 flag 上同时跑多个实验而没有谨慎的 holdout 设计。