Codex 接入 Linear 怎麼用:指派 Issue、評論 @Codex 自動改碼與 Triage 分流教學

用 Linear 管研發任務單的團隊,可以直接把 Issue 指派給 Codex 或在評論區 @Codex 自動拉起雲端環境改代碼。本文按 OpenAI 官方文檔講清雲端環境前置準備、連接器安裝、多倉庫指定技巧以及 Triage 規則自動派單配置。

NNathaniel bigo··原創首發·AI 輔助撰寫
9 分鐘讀完
資料核對於 2026-11-18 · 依據官方文檔與公開資料整理 Plus 帳號

結論先說

  1. 先搭雲端環境、再裝 Linear 連接器:Linear 裏的每一次委派本質上都是自動創建一場 Codex Cloud 雲端對話,因此必須先把 GitHub 倉庫連進 Codex 並配好雲端環境(Cloud Environment)。
  2. 裝好後有三種派活姿勢:直接把單據負責人(Assignee)指派給 Codex、在評論串裏寫 @Codex 追問或下指令,或者配 Triage 分流規則讓新進單據自動委派。
  3. 多倉庫防走錯秘訣:如果工作區有好幾個倉庫環境,評論時直接把倉庫路徑寫進句子裏(例如 @Codex fix this in owner/repo),就能強制鎖定目標庫。
  4. 安全收口不自動亂合代碼:Codex 在雲端跑完測試後,會在原 Issue 貼出修改摘要與雲端會話連結,由人類研發點進去檢查無誤後再一鍵創建 Pull Request。

Linear 委派任務給 Codex 三種方式

圖:本站根據 OpenAI Codex 官方文檔 Use Codex in Linear 整理的示意圖

本文根據 OpenAI Codex 官方文檔《Use Codex in Linear》整理,核對日期 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 OpenAI 或 Linear 官方網站。

適用於誰

  • 搜「codex 接入 linear」「linear @codex 怎麼配」「linear 自動派單給 ai」的研發團隊與獨立開發者;
  • 平時在 Linear 裏收缺陷單和小需求,不想每次都手工複製單據標題切回本地終端貼一遍的人;
  • 裝好了連接器卻發現 @Codex 跑去了錯誤的倉庫分支,想知道怎麼精確指定目標倉庫的同學。

如果你的問題單全部託管在 GitHub Issues 上,也可以對照終端管理做法 /guides/claude-code-github-mcp-gh-issues;而本文講的官方 Linear 原生集成,全程跑在 Codex Cloud 雲端容器裏,不佔用你本機電腦資源。

一、三步完成首次打通與帳號綁定

該集成面向付費 ChatGPT 訂閱方案開放(若所在組織是 Business 或 Enterprise 工作區,管理員側開啟雲端與連接器權限的方法見 /guides/chatgpt-business-how-to-use-codex-admin-setup 與 /guides/chatgpt-business-gpts-projects-connectors-sharing):

  1. 配好目標倉庫的 Codex Cloud 環境:登入網頁端 Codex,關聯 GitHub 帳號並為你要改的業務倉庫創建好雲端運行環境(依賴安裝腳本與環境變量配法見 /guides/codex-cloud-how-to-use);
  2. 安裝官方連接器:進入 Codex 的連接器設定頁(Connectors),找到 Codex for Linear 為你的工作區完成安裝授權;
  3. 首次 @Codex 完成個人身份關聯:隨便打開一張測試 Linear Issue,在底部評論框輸入 @Codex 發送,按彈出的引導連結把你的 Linear 個人帳號與 ChatGPT 帳號綁定起來即可。

打通 Linear 與 Codex 雲端環境四步

圖:本站根據 OpenAI Codex 官方文檔 Use Codex in Linear 整理的示意圖

二、日常派活、指定倉庫與配置自動 Triage 分流

1. 指派單據 vs 評論區 @Codex 連續對話

  • 整單外包:需求描述、復現步驟和驗收條件已經寫在 Issue 正文裏時,直接在右側屬性欄像指派普通同事一樣把 Codex 選為處理人,它會自動開跑並在 Activity(動態) 欄回傳進度;
  • 多輪追問調整:在評論區 @Codex 提問或讓它先排查根因,等它回覆後,你可以在同一條評論串(Thread)裏繼續回覆補充修改要求,它會沿着同一場雲端會話接着改,不會丟失剛才的上下文。

2. 看懂它是怎麼挑環境和分支的

很多人好奇「我沒寫倉庫名,它怎麼知道去改前端庫還是後端庫?」。官方匹配順序如下:

  1. Linear 會先根據當前單據所屬團隊與上下文給出一個建議倉庫,Codex 自動挑選最匹配該倉庫的雲端環境;
  2. 如果單據描述模棱兩可匹配不上,Codex 會回退使用你最近剛用過的那個雲端環境;
  3. 任務預設基於該環境倉庫映射表(Repo map)裏排第一位的倉庫及其預設分支運行。因此跨項目協作時,養成隨手寫明 @Codex 請在 org/web-app 倉庫排查這個問題 的習慣最穩妥。

3. 進階自動化:開啟 Linear Triage 自動分流

如果團隊每天都會收到一批格式規整的前端文案修正或簡單報錯分揀單,可以在 Linear 裏依次打開 Settings → Your teams → 選擇團隊 → Triage 開啟分流箱,新建一條 Triage rule,將動作設為 Delegate → Codex。這樣符合篩選條件的新單據一進池子就會自動觸發雲端初步分析,等工程師上班點開單據時連定位報告和候選補丁都已經備好了。個人開發者或小團隊如需了解開通 Plus 訂閱體驗雲端集成的方式,可參考 /chongzhi/chatgpt-plus。

常見問題

Q:評論裏 @Codex 之後它回覆說找不到合適的環境或倉庫怎麼辦?

說明你當前帳號還沒有為對應 GitHub 倉庫創建過 Codex Cloud 環境,或者你在企業工作區裏還沒有該環境的訪問權限。先回 Codex Cloud 網頁後台建好環境並跑通一次你好測試,回到原評論串重試即可。

Q:哪些類型的 Issue 最適合直接丟給 Linear 裏的 Codex?

復現路徑清晰的小缺陷修復、補齊單元測試、接口字段重命名、根據報錯日誌做第一輪根因定位最划算;而涉及跨系統架構重構或產品交互尚未定稿的大需求,還是在本地桌面端或 CLI 交互討論清楚後再動手效率更高。

相關教學

參考資料

  • OpenAI Codex 官方文檔:Use Codex in Linear — https://learn.chatgpt.com/docs/linear
  • OpenAI Codex 開發者中心 — https://developers.openai.com/codex

Nathaniel 的更多內容

  1. 01

    LangGraph 流式輸出(Streaming)詳解:逐字 Token 流、節點進度與自定義事件寫法

    多步智能體如果等全部節點跑完才返回,網頁前端就會白屏乾等十幾秒。本文按 LangGraph 官方文檔講清 updates、messages、custom 與 values 四種 stream_mode 的區別,以及組合訂閱逐字打字機輸出加工具內部實時進度的完整代碼。

    其他 AI 工具0
  2. 02

    LangGraph 持久化與長期記憶怎麼配:Checkpointer、Store 與 PostgreSQL 實戰

    在生產環境跑 LangGraph,單靠 InMemorySaver 一重啟就會丟失全部對話。本文按官方文檔講清線程內短期檢查點(Checkpointer)與跨線程長期記憶(Store)的分工,以及用 langgraph-checkpoint-postgres 對接 PostgreSQL 的完整步驟。

    其他 AI 工具0
  3. 03

    LangGraph 多智能體怎麼寫:Supervisor 主管包與 Subgraph 隔離子圖實戰

    在 LangGraph 裏把單個圖擴展成多智能體協作有兩條官方路線:快速原型用預置包 langgraph-supervisor,大型生產系統用原生子圖(Subgraph)嵌套。本文講清兩種寫法的完整代碼、私有狀態隔離防 Token 膨脹技巧以及檢查點傳播規則。

    其他 AI 工具0
  4. 04

    LangGraph 人工介入審批怎麼寫:interrupt 暫停圖運行與 Command 恢復實戰

    企業之所以選 LangGraph,很大程度看中它能安全掛起等待人工審批(Human-in-the-Loop)。本文按官方最新規範講清 interrupt() 動態暫停、Checkpointer 必備條件、Command(resume=...) 恢復執行,以及防止副作用重複運行的重入規則。

    其他 AI 工具0
  5. 05

    多 Agent 協作平台怎麼選:Dify、釦子(Coze)、n8n 與 LangGraph 多智能體機制對比

    搜「多agent協作平台」時,Dify、釦子、n8n 和 LangGraph 都宣稱支持多智能體,但底層的調度方式完全不同。本文跳過基礎安裝,專門從多 Agent 角色跳轉、子代理工具調用、上下文隔離與私有化部署四個維度幫你一次選準。

    其他 AI 工具0
  6. 06

    企業微信有官方 MCP 和 CLI 嗎:@wecom/cli 安裝初始化、長連接機器人與接入教學

    搜「企業 微信 有 mcp 嗎」不用再東拼西湊民間群機器人腳本了:企業微信官方已推出 @wecom/cli 命令行工具並內置 stdio 模式的 MCP Server。本文按官方開發者文檔講清安裝、智能機器人長連接初始化、業務命令與接入 Claude Code 步驟。

    Claude其他 AI 工具0

同產品的其他教學

  1. 01

    AutoGen 現在怎麼樣了?微軟官方演進路線與 Microsoft Agent Framework 入門

    搜 AutoGen 新教學常被 0.2、0.4、社區分支和 Semantic Kernel 繞暈。按微軟官方文檔,微軟已將 AutoGen 與 Semantic Kernel 兩支團隊合併推出統一的開源框架 Microsoft Agent Framework。本文講清現狀與 Python 快速上手。

    ChatGPT其他 AI 工具0
  2. 02

    多 Agent 的成本為什麼翻倍、怎麼控制:Token 膨脹根源與五項降本措施

    剛把單智能體拆成多 Agent,用量往往暴漲好幾倍。Anthropic 工程報告統計單智能體約為聊天的 4 倍 Token,多智能體可達約 15 倍。本文拆解固定前綴重複加載、歷史搬運、工具鏈定義與緩存失效四大根源,並給出五條實操控費辦法。

    ChatGPTClaude0
  3. 03

    多 Agent 協同開發怎麼落地:「一個寫、一個審」雙代理工作流搭建指南

    多 Agent 協同開發裏投入產出比最高的模式就是「一個寫、一個審」。本文依據 Anthropic 與 OpenAI 官方編碼最佳實踐,講清為什麼同會話自審容易漏問題,以及用只讀子代理、跨模型交叉審查(Claude Code + Codex)和自動化閉環落地的具體方法。

    ClaudeCodex0
  4. 04

    多 Agent 編排模式詳解:編排者-工作者、交接(Handoffs)、並行與評估循環怎麼選

    搜「multi-agent orchestration 中文」會被各家框架的不同術語繞暈。本文對照 Anthropic《Building effective agents》與 OpenAI 智能體指南,把編排者-工作者、去中心化交接、並行分片投票與生成-評估循環四種標準編排拓撲講透。

    ChatGPTClaude0
  5. 05

    多智能體(Multi-Agent)是什麼、什麼時候該用:Anthropic 與 OpenAI 官方判斷標準

    多智能體不是代理越多越聰明。本文依據 Anthropic 研究系統架構文章與 OpenAI 官方智能體指南,講清確定性工作流、單智能體與多智能體的區別,以及哪三類瓶頸才值得上多智能體協同。

    ChatGPTClaude0
  6. 06

    codebase-memory 類 MCP 是什麼、怎麼用:基於語法樹圖譜的本地代碼索引原理與配置

    codebase-memory-mcp(DeusData/codebase-memory-mcp)是一類本地代碼圖譜 MCP 伺服器:用 Tree-sitter 把倉庫解析成函數與調用關係的 SQLite 圖庫,幫編碼助手查調用鏈並省下讀整份文件的額度。

    ClaudeCodex0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~