Codex 接入 Linear 怎么用:指派 Issue、评论 @Codex 自动改码与 Triage 分流教程

用 Linear 管研发任务单的团队,可以直接把 Issue 指派给 Codex 或在评论区 @Codex 自动拉起云端环境改代码。本文按 OpenAI 官方文档讲清云端环境前置准备、连接器安装、多仓库指定技巧以及 Triage 规则自动派单配置。

NNathaniel bigo··原创首发·AI 辅助撰写
9 分钟读完
资料核对于 2026-11-18 · 依据官方文档与公开资料整理 Plus 账号

结论先说

  1. 先搭云端环境、再装 Linear 连接器:Linear 里的每一次委派本质上都是自动创建一场 Codex Cloud 云端对话,因此必须先把 GitHub 仓库连进 Codex 并配好云端环境(Cloud Environment)。
  2. 装好后有三种派活姿势:直接把单据负责人(Assignee)指派给 Codex、在评论串里写 @Codex 追问或下指令,或者配 Triage 分流规则让新进单据自动委派。
  3. 多仓库防走错秘诀:如果工作区有好几个仓库环境,评论时直接把仓库路径写进句子里(例如 @Codex fix this in owner/repo),就能强制锁定目标库。
  4. 安全收口不自动乱合代码:Codex 在云端跑完测试后,会在原 Issue 贴出修改摘要与云端会话链接,由人类研发点进去检查无误后再一键创建 Pull Request。

Linear 委派任务给 Codex 三种方式

图:本站根据 OpenAI Codex 官方文档 Use Codex in Linear 整理的示意图

本文根据 OpenAI Codex 官方文档《Use Codex in Linear》整理,核对日期 2026-11-18。配图为本站整理的示意图,不是界面截图。本站(bigolab.com)不是 OpenAI 或 Linear 官方网站。

适用于谁

  • 搜「codex 接入 linear」「linear @codex 怎么配」「linear 自动派单给 ai」的研发团队与独立开发者;
  • 平时在 Linear 里收缺陷单和小需求,不想每次都手工复制单据标题切回本地终端贴一遍的人;
  • 装好了连接器却发现 @Codex 跑去了错误的仓库分支,想知道怎么精确指定目标仓库的同学。

如果你的问题单全部托管在 GitHub Issues 上,也可以对照终端管理做法 /guides/claude-code-github-mcp-gh-issues;而本文讲的官方 Linear 原生集成,全程跑在 Codex Cloud 云端容器里,不占用你本机电脑资源。

一、三步完成首次打通与账号绑定

该集成面向付费 ChatGPT 订阅方案开放(若所在组织是 Business 或 Enterprise 工作区,管理员侧开启云端与连接器权限的方法见 /guides/chatgpt-business-how-to-use-codex-admin-setup 与 /guides/chatgpt-business-gpts-projects-connectors-sharing):

  1. 配好目标仓库的 Codex Cloud 环境:登录网页端 Codex,关联 GitHub 账号并为你要改的业务仓库创建好云端运行环境(依赖安装脚本与环境变量配法见 /guides/codex-cloud-how-to-use);
  2. 安装官方连接器:进入 Codex 的连接器设置页(Connectors),找到 Codex for Linear 为你的工作区完成安装授权;
  3. 首次 @Codex 完成个人身份关联:随便打开一张测试 Linear Issue,在底部评论框输入 @Codex 发送,按弹出的引导链接把你的 Linear 个人账号与 ChatGPT 账号绑定起来即可。

打通 Linear 与 Codex 云端环境四步

图:本站根据 OpenAI Codex 官方文档 Use Codex in Linear 整理的示意图

二、日常派活、指定仓库与配置自动 Triage 分流

1. 指派单据 vs 评论区 @Codex 连续对话

  • 整单外包:需求描述、复现步骤和验收条件已经写在 Issue 正文里时,直接在右侧属性栏像指派普通同事一样把 Codex 选为处理人,它会自动开跑并在 Activity(动态) 栏回传进度;
  • 多轮追问调整:在评论区 @Codex 提问或让它先排查根因,等它回复后,你可以在同一条评论串(Thread)里继续回复补充修改要求,它会沿着同一场云端会话接着改,不会丢失刚才的上下文。

2. 看懂它是怎么挑环境和分支的

很多人好奇「我没写仓库名,它怎么知道去改前端库还是后端库?」。官方匹配顺序如下:

  1. Linear 会先根据当前单据所属团队与上下文给出一个建议仓库,Codex 自动挑选最匹配该仓库的云端环境;
  2. 如果单据描述模棱两可匹配不上,Codex 会回退使用你最近刚用过的那个云端环境;
  3. 任务默认基于该环境仓库映射表(Repo map)里排第一位的仓库及其默认分支运行。因此跨项目协作时,养成随手写明 @Codex 请在 org/web-app 仓库排查这个问题 的习惯最稳妥。

3. 进阶自动化:开启 Linear Triage 自动分流

如果团队每天都会收到一批格式规整的前端文案修正或简单报错分拣单,可以在 Linear 里依次打开 Settings → Your teams → 选择团队 → Triage 开启分流箱,新建一条 Triage rule,将动作设为 Delegate → Codex。这样符合筛选条件的新单据一进池子就会自动触发云端初步分析,等工程师上班点开单据时连定位报告和候选补丁都已经备好了。个人开发者或小团队如需了解开通 Plus 订阅体验云端集成的方式,可参考 /chongzhi/chatgpt-plus。

常见问题

Q:评论里 @Codex 之后它回复说找不到合适的环境或仓库怎么办?

说明你当前账号还没有为对应 GitHub 仓库创建过 Codex Cloud 环境,或者你在企业工作区里还没有该环境的访问权限。先回 Codex Cloud 网页后台建好环境并跑通一次你好测试,回到原评论串重试即可。

Q:哪些类型的 Issue 最适合直接丢给 Linear 里的 Codex?

复现路径清晰的小缺陷修复、补齐单元测试、接口字段重命名、根据报错日志做第一轮根因定位最划算;而涉及跨系统架构重构或产品交互尚未定稿的大需求,还是在本地桌面端或 CLI 交互讨论清楚后再动手效率更高。

相关教程

参考资料

  • OpenAI Codex 官方文档:Use Codex in Linear — https://learn.chatgpt.com/docs/linear
  • OpenAI Codex 开发者中心 — https://developers.openai.com/codex

Nathaniel 的更多内容

  1. 01

    LangGraph 流式输出(Streaming)详解:逐字 Token 流、节点进度与自定义事件写法

    多步智能体如果等全部节点跑完才返回,网页前端就会白屏干等十几秒。本文按 LangGraph 官方文档讲清 updates、messages、custom 与 values 四种 stream_mode 的区别,以及组合订阅逐字打字机输出加工具内部实时进度的完整代码。

    其他 AI 工具0
  2. 02

    LangGraph 持久化与长期记忆怎么配:Checkpointer、Store 与 PostgreSQL 实战

    在生产环境跑 LangGraph,单靠 InMemorySaver 一重启就会丢失全部对话。本文按官方文档讲清线程内短期检查点(Checkpointer)与跨线程长期记忆(Store)的分工,以及用 langgraph-checkpoint-postgres 对接 PostgreSQL 的完整步骤。

    其他 AI 工具0
  3. 03

    LangGraph 多智能体怎么写:Supervisor 主管包与 Subgraph 隔离子图实战

    在 LangGraph 里把单个图扩展成多智能体协作有两条官方路线:快速原型用预置包 langgraph-supervisor,大型生产系统用原生子图(Subgraph)嵌套。本文讲清两种写法的完整代码、私有状态隔离防 Token 膨胀技巧以及检查点传播规则。

    其他 AI 工具0
  4. 04

    LangGraph 人工介入审批怎么写:interrupt 暂停图运行与 Command 恢复实战

    企业之所以选 LangGraph,很大程度看中它能安全挂起等待人工审批(Human-in-the-Loop)。本文按官方最新规范讲清 interrupt() 动态暂停、Checkpointer 必备条件、Command(resume=...) 恢复执行,以及防止副作用重复运行的重入规则。

    其他 AI 工具0
  5. 05

    多 Agent 协作平台怎么选:Dify、扣子(Coze)、n8n 与 LangGraph 多智能体机制对比

    搜「多agent协作平台」时,Dify、扣子、n8n 和 LangGraph 都宣称支持多智能体,但底层的调度方式完全不同。本文跳过基础安装,专门从多 Agent 角色跳转、子代理工具调用、上下文隔离与私有化部署四个维度帮你一次选准。

    其他 AI 工具0
  6. 06

    企业微信有官方 MCP 和 CLI 吗:@wecom/cli 安装初始化、长连接机器人与接入教程

    搜「企业 微信 有 mcp 吗」不用再东拼西凑民间群机器人脚本了:企业微信官方已推出 @wecom/cli 命令行工具并内置 stdio 模式的 MCP Server。本文按官方开发者文档讲清安装、智能机器人长连接初始化、业务命令与接入 Claude Code 步骤。

    Claude其他 AI 工具0

同产品的其他教程

  1. 01

    AutoGen 现在怎么样了?微软官方演进路线与 Microsoft Agent Framework 入门

    搜 AutoGen 新教程常被 0.2、0.4、社区分支和 Semantic Kernel 绕晕。按微软官方文档,微软已将 AutoGen 与 Semantic Kernel 两支团队合并推出统一的开源框架 Microsoft Agent Framework。本文讲清现状与 Python 快速上手。

    ChatGPT其他 AI 工具0
  2. 02

    多 Agent 的成本为什么翻倍、怎么控制:Token 膨胀根源与五项降本措施

    刚把单智能体拆成多 Agent,用量往往暴涨好几倍。Anthropic 工程报告统计单智能体约为聊天的 4 倍 Token,多智能体可达约 15 倍。本文拆解固定前缀重复加载、历史搬运、工具链定义与缓存失效四大根源,并给出五条实操控费办法。

    ChatGPTClaude0
  3. 03

    多 Agent 协同开发怎么落地:「一个写、一个审」双代理工作流搭建指南

    多 Agent 协同开发里投入产出比最高的模式就是「一个写、一个审」。本文依据 Anthropic 与 OpenAI 官方编码最佳实践,讲清为什么同会话自审容易漏问题,以及用只读子代理、跨模型交叉审查(Claude Code + Codex)和自动化闭环落地的具体方法。

    ClaudeCodex0
  4. 04

    多 Agent 编排模式详解:编排者-工作者、交接(Handoffs)、并行与评估循环怎么选

    搜「multi-agent orchestration 中文」会被各家框架的不同术语绕晕。本文对照 Anthropic《Building effective agents》与 OpenAI 智能体指南,把编排者-工作者、去中心化交接、并行分片投票与生成-评估循环四种标准编排拓扑讲透。

    ChatGPTClaude0
  5. 05

    多智能体(Multi-Agent)是什么、什么时候该用:Anthropic 与 OpenAI 官方判断标准

    多智能体不是代理越多越聪明。本文依据 Anthropic 研究系统架构文章与 OpenAI 官方智能体指南,讲清确定性工作流、单智能体与多智能体的区别,以及哪三类瓶颈才值得上多智能体协同。

    ChatGPTClaude0
  6. 06

    codebase-memory 类 MCP 是什么、怎么用:基于语法树图谱的本地代码索引原理与配置

    codebase-memory-mcp(DeusData/codebase-memory-mcp)是一类本地代码图谱 MCP 服务器:用 Tree-sitter 把仓库解析成函数与调用关系的 SQLite 图库,帮编码助手查调用链并省下读整份文件的额度。

    ClaudeCodex0

0 条评论

登录 后参与评论

还没有评论,来抢沙发~