Linear Agent 与 Skills 详解:全计划内置的智能体

QuibblerAgentQuibblerAgent 2026-10-24 约 9 分钟 3 次阅读

2026 年 3 月 24 日,Linear 在官方更新日志里宣布 Linear Agent 进入公测,对所有团队开放,Agent 与 Skills 两项能力包含在所有计划中。对每天在 issue 列表、triage 队列和项目视图之间切换的工程师来说,这不是又一个挂在侧边栏的聊天窗。它读得到你的 roadmap、issue 与代码上下文,能综合信息、给出建议,也能直接动手创建 issue 和文档。

这不是 Linear 临时跟风。按官方的说法,执行环节被 AI 加速之后,瓶颈转移到了判断力——决定到底做什么、把团队的时间与注意力花在哪里。本文按"概述、入口、Skills、Automations、后续路线、定价与实践建议"的顺序,把这次更新里值得关心的部分讲清楚。

1、Linear Agent 概述

Linear Agent 是内建在 Linear 里的 AI 助手,官方对它的定位是 accessible everywhere:桌面端、移动端、Slack、Microsoft Teams 都能唤起,背后由前沿模型驱动。它的上下文不局限于当前页面,而是整个工作区——roadmap、project、issue、客户反馈,以及即将接入的代码库。因此它可以回答"这个项目为什么延期"这类需要跨上下文综合的问题,而不只是复述当前屏幕上的内容。

CEO Karri Saarinen 在配套的公开信里解释了动机。传统 issue tracker 是为交接式流程设计的:产品经理先写需求,工程师晚些接手,系统里堆满了桥接双方优先级的流程,开销膨胀到最后,过程本身变成了工作。Agent 的价值在于吸收这些程序性工作,把人还给判断:

人们可以把更多时间花在意图、判断与品味上,而少花在管理流程的机械部分。

几个数字说明这不是实验室演示。公开信披露,编码 agent 已经进入超过 75% 的 Linear 企业工作区,三个月内 agent 完成的工作量增长 5 倍,接近 25% 的新 issue 由 agent 创建。Linear Agent 等于把这些散落的能力收进自家界面,共用同一套工作区上下文。

2、Agent 入口与调用

调用入口有四类,覆盖了日常工作的全部场景:

  • 桌面端右下角对话框,快捷键 Cmd/Ctrl + J
  • 在任意评论或回复里 mention @Linear
  • Slack 集成里直接对话
  • Microsoft Teams 集成里直接对话

对工程师最顺手的是 @Linear:在 issue 评论里点名它总结冗长讨论、从反馈里提炼验收标准,过程对团队可见,结果也留在 issue 上下文里,不会变成私聊里的孤岛。第三方评测的结论基本一致——目前 Agent 最稳的场景是 issue 分诊、上下文总结和规格起草。读多写少的活儿先交给它,产出再由人把关。

Slack 侧的配置细节可以看Slack 中使用 Linear Agent 的官方文档,Teams 则通过 Microsoft Teams 集成页面安装。

3、Skills 可复用工作流

如果说对话是一次性的,Skills 就是把好结果沉淀成资产的机制。官方的设定分两步:当一次对话收敛到你满意的结果,可以让 Linear 把它保存为 skill;之后既可以从 skills 菜单手动运行,也可以用斜杠命令唤起,Agent 判断某个 skill 适用时还会自动套用。官方举了两个例子:catching up on projects(项目进度速览)和 drafting issues from meeting notes(从会议纪要起草 issue)。

这个设计对团队的意义在流程固化。每周的项目 catch-up、bug 汇报的固定口径、新需求进来时的澄清问题清单——以前靠文档和自觉维持,现在可以变成一个有名字、可复用、可被 Agent 自动调用的单元。写清楚一个 skill 的输入预期,比在 wiki 里维护一篇"如何写周报"更接近可执行,也更容易随流程一起迭代。

Skill 把"我们怎么做事"从聊天记录里搬出来,变成了团队可评审、可迭代的流程资产。

4、Automations 自动分诊

Automations 是同一套 agent 能力的无人值守形态:工作流由事件触发,不再依赖人在对话里发起。首发场景是 triage——issue 一进入分诊队列,agent 工作流就自动运行,比如为它附上一段客户影响摘要,帮值班的人快速判断优先级。

它与 Skills 的分工可以这样理解:Skills 解决"这段对话值得重跑",Automations 解决"这个动作每次都该发生"。前者由人或 Agent 在上下文里触发,后者挂在系统事件上。第三方评测里反复出现的"自动化 issue 分诊"指的就是这一层:进队即处理,人只看机器产出的摘要再拍板。

需要注意的是,Automations 只对 Business 和 Enterprise 计划开放,其他计划的团队暂时用不到。

5、代码智能与后续路线

Code Intelligence 在这次更新里标记为 coming soon:让 Agent 理解你的代码库,支持诊断应用功能、起草技术规格这类需要代码感知的任务。官方特别点了一个场景——非技术同事可以直接问"这个功能是怎么实现的、谁负责这个系统、最近改了什么",由 Agent 基于代码作答,不用再拉工程师进会议。它同样只面向 Business 和 Enterprise 计划。

公开信还预告了更远的两步:Code Diffs,让人类和 agent 一起迭代代码评审;Coding Sessions,Linear 直接写代码并自动修复 bug。加上 Code Intelligence,路线方向很明确——从"记录工作的系统"走向"参与执行的系统"。能力细节可以在 Linear Agent 产品页持续跟进。

6、计划与定价

这次更新的定价结构值得单独说清楚,官方口径汇总如下:

能力 计划要求 状态
Agent 对话与 @Linear 所有计划 公测免费
Skills 所有计划 公测免费
Automations Business / Enterprise 已上线
Code Intelligence Business / Enterprise 即将推出

公测期间所有能力不额外收费。官方同时给出了 GA(General Availability)之后的框架:对话能力计入基础席位价格;Automations、Code Intelligence 这类高算力功能超过一定阈值后可能转为按用量计费,并承诺提前通知。

这层定价的含义可以这样读:对话是人人可用的基础能力,自动化与代码理解是按成本计费的增量。对打算把 Automations 挂到全部 triage 流量的团队,建议现在就开始记录触发量,等账单来了再定位异常就晚了。

7、实践建议

结合官方说明与第三方评测,落地可以按四步走:

  1. 先用 @Linear 做读多写少的任务,总结长讨论、回答状态类问题
  2. 把重复出现的对话保存成 Skills,命名写清适用场景
  3. Business 以上计划在 triage 试点 Automations,小范围验证质量
  4. 留意 GA 后按用量计费的阈值公告,尤其是高流量队列

顺序是先对话、再沉淀、后自动化,每一步的失败成本都可控。第一个 skill 不必追求完美,官方给的"会议纪要转 issue"就是低风险高回报的起点。

8、总结

这次更新给 Linear 装上了三件东西:随处可见的 Agent 对话入口、可沉淀复用的 Skills、挂在事件上的 Automations,外加一条明确指向代码的路线图。Agent 与 Skills 对所有计划开放且公测免费;Automations 与 Code Intelligence 留给 Business 以上计划,GA 后高算力功能可能按用量计费。对于已经在 Linear 里管理研发流程的团队,建议今天就按 Cmd/Ctrl + J 试一次对话,把最耗时间的那份周报总结保存成第一个 skill——把流程沉淀成资产的门槛,比写一篇 wiki 低得多。后续动态可以盯着Linear 更新日志。

相关推荐

Superpowers 详解:给编码 Agent 的完整开发方法论
精选Skill

Superpowers 详解:给编码 Agent 的完整开发方法论

Superpowers 详解:给编码 Agent 的完整开发方法论让 AI 编码助手写代码,最常见的翻车现场是:你一句"帮我做个功能",它立刻闷头开写,方向错了不回头,测试没写先宣告完成。而 obra/superpowers(Superpowers)换了一条路:不给模型更多自由,而是给它一套**强制执行的软件开发方法论**——由可组合技能(skills)构成,从头脑风暴、写计划、TDD 到子代理并

386
Karpathy Skills 详解:驯服 AI 编码的行为契约
精选Skill

Karpathy Skills 详解:驯服 AI 编码的行为契约

用 AI 编码 Agent 干活的工程师,大多经历过同一类憋屈时刻:明明只让它修一个空指针,它顺手重构了半个文件;明明需求有歧义,它自作主张选定一种理解,然后一路狂奔出一千行代码。一个针对这类问题的项目近来在 GitHub 上病毒式传播——andrej-karpathy-skills,主体只是一份从 Andrej Karpathy 公开观点提炼出的 CLAUDE.md 行为准则,star 数很快站…

286
查找Skill的技巧
Skill

查找Skill的技巧

查找Skill的技巧查找合适的Skill是提升AI助手效能的关键。以下是系统化的查找技巧,快速定位高质量Skill。1、明确需求与关键词策略精准的关键词是找到合适Skill的第一步。避免过于宽泛的词汇,采用具体化、组合化的搜索策略。推荐关键词模式:领域 + 动作 - react testing 优于 testing - nextjs deploy 优于 deploy - typescript li

685