Linear AI 规划

• 1. 概要 （共 468 字）

  Linear 是面向软件团队的产品开发系统，把 Issue 追踪、项目规划与团队协同整合在一个极速、键盘优先的界面里。2026 年，它借由内置的原生 AI Agent 全面转向「AI 原生」工作方式，不再只是被动记录任务的看板工具，而是主动把上下文转化为执行的工作系统。其核心理念由 CEO Karri Saarinen 在 2026 年 3 月的公开信「Issue tracking is dead（Issue 追踪已死）」中抛出：传统 Issue 追踪是为人际协作交接而设计的，而在 AI Agent 时代，真正的瓶颈已转向判断力，系统应当围绕上下文与 Agent 重建。   Linear 于 2026 年 3 月 24 日发布 Linear Agent（公测、全套餐免费），随后陆续上线 Skills、Automations、Code Intelligence、Coding Sessions 等能力，把「上下文 → 执行」的闭环搬到了工作空间内部。据官方披露，目前超过 75% 的 Linear 企业级工作区已安装编程 Agent，过去三个月里 Agent 完成的工作量增长了 5 倍，由 Agent 创建的新 Issue 占比已接近 25%。

• 2. 产品背景：从 Issue Tracker 到 AI 原生系统 （共 393 字）

  Linear 由 Karri Saarinen（前 Airbnb 设计负责人）等人于 2019 年创立，最初以「极速、设计优雅、键盘优先」的 Issue 追踪器切入，迅速成为工程团队最想用的项目管理工具。但 2026 年它的野心远不止于此。   在「Issue tracking is dead」公开信中，Saarinen 把转型逻辑讲得很清楚：过去的工作系统假设任务由人创建、由人交接；但当编程 Agent 能在几分钟里从一段 Slack 讨论自动拆解出五个 Issue、当一个 Bug 能在工程师介入前就被 Agent 修掉时，系统设计的出发点就必须改变。Linear 给出的答案是把工作空间本身变成「agent-native（智能体原生）」——上下文（路线图、积压、Issue、客户反馈、代码仓库）集中在一处，人和 Agent 都能直接对它采取行动，无需手动二次录入。   这一定位让它从「最快的 Jira 替代品」升级为「AI 时代的产品开发中枢」。

• 3. 核心能力：Linear Agent （共 478 字）

  Linear Agent 是整盘 AI 棋局的落子，于 2026 年 3 月 24 日进入公测，并在所有套餐（含免费版）上免费开放。它最大的特点不是功能多，而是「懂上下文」：不像贴在工作流外的聊天机器人，它直接读取整个工作空间的路线图、积压 Item、Issue、讨论串、客户反馈和关联的代码仓库，因此给出的结论不是泛泛而谈，而是基于你真实的工程现实。   交互上，它在桌面与移动端有独立聊天面板（桌面快捷键 Cmd/Ctrl + J），也能直接在 Issue 评论里、以及 Slack 和 Microsoft Teams 中唤起。已验证的能力可归为几类：一是上下文综合，跨讨论串、积压与反馈提炼出决策所需的信息；二是建议，基于工作区现状给出优先级与下一步动作；三是 Issue 创建，对着会议记录、录屏或一段对话就能让它起草结构化 Issue；四是项目更新，自动汇总近期变化生成状态更新草稿；五是「catch-up」补进度，休假回来时高亮你该知道的风险与滞后项。   在第三方三周实测中，它在 Slack 里解析 47 条消息讨论后 30 秒创建了 5 个范围清晰的 Issue，并能从 23 个已完成 Issue 中综合出连贯的项目总结。

• 4. Skills 与 Automations：可复用的智能体工作流 （共 286 字）

  当一次 Agent 对话产出好结果，你可以把它「保存为 Skill」，下次按需一键复用。Skills 是可复用的智能体工作流，Linear 官方举例包括「拆分子 Issue」「从会议记录起草 Issue」等，尤其适合从客户反馈起草 Issue、生成每周项目摘要这类定期活儿。   Automations 则是从 Triage（分诊）环节开始、当 Issue 进入系统就自动触发的 Agent 工作流，负责智能分类、提炼或处理新增上下文。两者配合，让 Agent 从「被召才动」走向「经常性自动运转」：你定义一次好流程，它之后在多个工作区、多个 Issue 上持续复用，而人类角色则从写工单、分诊，上移到审阅与判断。

• 5. Code Intelligence 与 Coding Sessions：从规划到落地 （共 424 字）

  规划再多，落不了地也只是文档。Linear 在 2026 年上半年把「理解代码」和「写代码」也收编进了 Agent。   Code Intelligence 于 5 月 14 日上线（Beta），让 Agent 受控地读取你的代码仓库，把仓库变成全团队可共享的产品上下文，能回答「哪个系统负责哪块功能」这类问题，也能结合 Issue 读懂代码来定位 Bug。   更进一步的是 Coding Sessions（6 月 10–11 日上线）：Agent 现在能直接写代码——由 Claude Code 与 Codex 驱动，在安全的云端沙箱里跑，无需本地环境。你可以从一条 Issue、一段聊天、一条评论甚至一条 Slack 消息启动一个 Coding Session，Linear 自动聚拢相关上下文，把 Bug 从分诊一路推到「已审完的修复」，全程不离开 Linear。Ramp 等公司披露其内部 Coding Agent 已写出 60% 以上的合并 PR，而 Linear 作为结构化产品上下文的底层，让 Agent 能真正把 Issue 推进到完成。

• 6. 规划与洞察：Continuous Planning 与 Insights （共 414 字）

  除了 Agent，Linear 在「规划」本身上也做了产品化升级。Continuous Planning 让候选项目（candidate projects）始终保持在最新状态，而不必被冲刺（Sprint）仪式所束缚——团队可以持续维护一批待定项目，随时根据实际情况推进，不必等周期性会议。   Agent 辅助项目更新（6 月 17 日上线）则自动从 Issue、文档与讨论的近期变化中拉取内容，保持项目与 Initiative（公司级目标）更新的时效性，减少人工写周报的负担。在洞察侧，Linear Insights（Business 套餐内含）与 Dashboards（Enterprise 内含）提供面向产品团队的实时分析：按创建日期看周期时间、按状态/优先级/负责人切分 Issue、识别瓶颈与阻塞、监控范围蔓延，并支持导出到 Google Sheets、Fivetran 或经 Airbyte 同步到数据仓库。这些能力让「规划」不再只是拍脑袋，而是有数据支撑的迭代。

• 7. 定价与套餐 （共 462 字）

  截至 2026 年 7 月，Linear 采用按席位计费的四档结构。Free 免费：无限成员、2 个团队、250 个 Issue 上限、含 Agent 平台（Beta）与 Slack/GitHub 接入——250 个 Issue 是它真正的主要升级触发点，大多数活跃团队几周就用完。   Basic 按年 $10/人/月（月付 $12），解锁 5 个团队、无限 Issue、无限上传与管理员角色。Business 按年 $16/人/月（月付 $18），增加 Triage Intelligence、Code Intelligence（Beta）、Linear Insights、Asks、MCP 接入与 CI/CD Releases 集成，是绝大多数想用满 AI 能力的团队的选择。Enterprise 为定制报价（200 席以上约 $40/人/月），含 SAML/SCIM、审计日志、IP 限制、HIPAA、优先支持与 SLA。   值得注意的是，2026 年新推出的 Coding Sessions（Beta）会消耗单独购买的、按用量计费的 AI Credits，重自动化使用的长期成本尚未完全固定，这是预算时需要留意的变量。

• 8. 与 Jira 等竞品的对比 （共 509 字）

  在「AI 优先团队」的选型上，Linear 与 Jira 是绕不开的对照。独立基准测试（2026 年 4 月）显示，Linear 在速度上全面领先：Issue 看板冷加载 0.4 秒对 Jira 的 2.6 秒，API 中位响应低于 100 毫秒对 500 毫秒，单条 Issue 创建往返约 80 毫秒对 1.1 秒——一个每周建 20 条工单的开发者用 Linear 比 Jira 每周省约 20 分钟，乘以 50 人团队就是每年数百个工程小时的真实增益。   更关键的是开发者体验：Linear 是 GraphQL-first 的紧凑 API、原生 MCP 服务、与 Claude/Cursor 天然集成，而 Jira 的 REST v3 载荷冗长、对象图复杂，会浪费 Agent 的上下文 token。但代价是理念差异：Jira 把工作流做成可任意配置的 state machine（自定义字段、屏幕、校验、权限方案），适合金融、医疗等强流程监管行业；Linear 只有一套「固执己见」的工作流（Backlog→Todo→In Progress→In Review→Done→Cancelled），中小创业团队选它最顺手，大型企业复杂工作流仍更依赖 Jira。Trello 则因 API 简单、缺官方 SDK，在 AI 与开发者体验上已明显掉队。

• 9. 用户评价与口碑 （共 392 字）

  开发者对 Linear 的普遍评价是「快得上手就回不去」。多位工程负责人（OpenAI 的 Gabriel Peal、Ramp 的 Nik Koblov、Opendoor 的 Kaz Nejatian）公开称其速度与「正确默认」让团队更具行动偏向。2026 年深度评测里，评测者用三周把整个产品工作流跑在 Linear 上，认为 Linear Agent 是「测试过的所有 PM 工具里最懂上下文的 AI」——它不只是搜索，而是跨 Issue、客户需求与代码变更做综合分析。   负面声音集中在两点：一是对非工程团队不友好，市场、设计、运营、法务用它都别扭，因为它从根上是为写代码的团队设计的；二是最前沿的 Agent 能力（Automations、Code Intelligence）仍在 Beta 且被限制在 Business 及以上，且官方暗示 GA 后可能转为用量计费，长期成本不确定。中文界面与本土客服支持有限，也是纯中文团队需要权衡的点。

• 10. 适用场景与局限性 （共 362 字）

  Linear AI 规划最适合现代化软件开发团队（5–200 人）、高速迭代的 SaaS 创业公司、重视设计与体验的开发者团队，以及用 GitHub/GitLab 主仓、远程异步协作的团队——尤其当团队已经在用 Cursor、Claude Code 这类编程 Agent 时，Linear 的 MCP 与 Agent 原生设计能把「Issue → 代码」的链路无缝打通。   它不适合：5000 人以上的大型企业复杂工作流（Jira 更灵活）、非软件开发的职能管理（Asana/ClickUp 更通用）、需要瀑布式强甘特图的传统项目、以及预算极紧又需要深度生态的小团队。此外，缺乏类似 Confluence/Notion 的内置文档知识库，是它作为「单一真相源」时的短板，很多团队因此采用 Notion（文档）+ Linear（任务）+ Slack（沟通）+ Figma（设计）的组合。

• 11. 总结 （共 279 字）

  Linear AI 规划不是给看板加个聊天机器人，而是把工作空间本身重做成「智能体原生」的系统：上下文集中、人和 Agent 都能直接行动、规划与执行在同一个闭环里完成。对已经拥抱编程 Agent 的工程团队，它把「手动建工单、分诊、写周报」这类消耗性协作税大幅削减，让你把时间花在真正的判断上。   它的代价是理念上的「固执己见」与对工程优先的偏重，以及最前沿能力仍在 Beta、成本尚未固化的现实。如果你团队写代码、用 AI 工具、追求速度，Linear 在 2026 年的方向几乎是为你量身定做；若你需要的是稳定、完全受治理的传统企业级追踪，那 Beta 状态的智能体部件值得谨慎对待。

暂无深度报告

• 

  Emily791

  —

  我们团队从 Jira 切到 Linear 三个月了，最大的体感就是快。Agent 能从 Slack 讨论自动建 Issue 这点太香了，省了我们 PM 大量机械劳动，现在更像是审阅 Agent 产出而不是自己写工单，协作税肉眼可见地降下来了。

---

• 

  Edward_WilsonIII

  —

  免费版居然给了 Agent，这点必须点赞，小团队零成本就能体验 AI 规划，门槛比想象中低。

---

• 

  NoahVeum

  —

  Cmd+J 唤出 Agent 直接问「最近有什么风险」，它真能综合二十多个 Issue 给我一份总结，比我自己翻看板快太多。

---

• 

  竹影_13

  —

  唯一纠结的是 Business 才给 Insights 和 Code Intelligence，小团队想用满 AI 能力成本还是有点高，而且 Coding Sessions 还要单独买用量额度。

---

• 

  Megan601

  —

  Coding Sessions 算是颠覆性的，Bug 进分诊后 Agent 直接在云端沙箱里修，审完 diff 就能合。我们后端已经离不开这个闭环了，不用再手动把上下文搬运给 Cursor 或 Codex，整条链路都在 Linear 里完成。

---

• 

  JButlerQ

  —

  对比过 Jira，Linear 的 GraphQL API 和原生 MCP 对我们用 Cursor 的团队太友好了，Agent 读 Issue 几乎零摩擦。

---

• 

  CalebMorales

  —

  用了两周 Skills，把「从客户反馈起草 Issue」存成可复用流程，每周省下大半天写周报和手动录入的时间。最爽的是同一类需求现在一句话就能触发，团队新人都秒上手，不用再教他们我们的 Issue 模板。

---

• 

  Ruth520_z

  —

  Linear Agent 是我用过最懂上下文的 PM AI，它不只是搜索关键词，而是跨 Issue、代码变更和客户反馈做综合分析，给出的结论真的基于我们的工程现实，而不是泛泛而谈的套话，这点对做判断太重要了。

---

• 

  SaraHoward_2024

  —

  说实话非工程团队用它有点别扭，我们是产品和研发一起用，运营那边还是习惯 Asana，这点得看团队构成。

---

• 

  Catherine_Torres_785

  —

  Automations 在 Triage 自动分类真的很省心，新反馈一进来就自动提炼和路由，不用人工一个个分诊了。

---

• 

  gswqwbcw

  —

  最期待 Code Intelligence 正式版，现在 Beta 已经能读代码库回答「这块功能归哪个服务管」，新人排查 Bug 的定位速度快了不少，也减少了我们资深工程师被简单问题打断的次数，希望 GA 后别太贵。

---

• 

  JeffreyCastilloIII1

  —

  250 个 Issue 的免费上限有点紧，我们活跃团队两周就用完了，不过 Basic 也不贵，升级还算顺滑。

---

• 

  Phillip.Roberts_7784

  —

  Continuous Planning 不用被 Sprint 仪式绑住这点很对味，候选项目能始终保持在最新状态，随时根据实际情况推进。

---

• 

  FlorentineWalz

  —

  我们公司 Coding Agent 已经写出六成以上合并 PR 了，Linear 作为结构化产品上下文的底层功不可没，它让 Agent 真正能把 Issue 一路推进到完成，而不是停在「已分析」就交给人接手，闭环体验非常完整。

---

• 

  bILLY134

  —

  界面颜值在线，键盘流也顺，就是中文支持和本土客服还是偏弱，纯中文团队上手前得先评估文档和培训成本。

暂无评论