这个 Skill 能做什么，适合哪些场景？
这是一个面向 Linear 的 Codex 技能，用于读取、创建和更新工单、项目及团队工作流。它通过 Linear MCP server 连接 Linear，并要求用户具备相应工作区、团队和项目的访问权限。技能规定了先读取和确认上下文、再执行创建或更新操作的流程。它适合工单分诊、冲刺规划、文档审计、发布规划和团队负载管理等场景。
通过 Linear MCP 工具列出、获取和搜索工单，读取状态、标签、团队、用户、项目、文档、评论和周期；创建或更新工单、项目、标签和评论；根据既定流程进行冲刺规划、缺陷分诊、文档审计、发布规划、依赖分析、状态更新、智能标签和回顾。
- 项目经理需要为目标团队检查未完成工单、按优先级挑选任务并创建新周期时。
- 工程或产品团队需要筛选高优先级缺陷并将重点问题移动到进行中状态时。
- 文档负责人需要搜索主题相关文档，并为缺口或过时内容创建文档问题时。
- 发布负责人需要创建版本项目、设置里程碑并生成配套工单时。
- 团队负责人需要按负责人汇总活动工单、识别负载较高成员并调整分配时.
如何安装这个 Skill？
- 核心操作依赖 Linear MCP、OAuth 和外部网络服务；安装或使用前应确认工作区权限、数据边界及大陆网络可达性。
- 创建、更新 issue、项目、标签或评论等外部写入操作未规定明确的逐次确认和回滚流程。
- 许可证、版本、变更记录和维护责任未在该技能材料中明确。
- Shell / 命令行
- 网络访问
- 本地文件系统
- MCP Server
Linear MCP serverOAuth access to a Linear workspace
在 Codex 中运行 $skill-installer linear 安装 curated 技能。安装后重启 Codex，以便加载新技能。README 未说明其他安装目录或手动复制步骤。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/openai/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/.curated/linear" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 为 Engineering 团队规划本周冲刺，按优先级检查未完成工单并创建一个新周期
先确保 Linear MCP server 已通过 OAuth 连接，并确认可访问的工作区、团队和项目。然后提出具体目标，例如“为 Engineering 团队规划本周冲刺，按优先级检查未完成工单并创建一个新周期”。使用前应明确团队或项目，以及必要的优先级、标签、周期和截止日期；技能会先读取上下文，再执行创建或更新操作。
这个 Skill 有哪些优点和局限？
- 覆盖工单、项目、团队、文档、评论和周期等多类 Linear 对象。
- 规定先读取和确认标识符，再进行写入操作，有助于减少误更新。
- 提供冲刺规划、缺陷分诊、发布规划和负载平衡等具体工作流。
- 支持批量处理相关变更，并提醒关注 API 速率限制。
- 必须连接 Linear MCP server，并完成 OAuth 和工作区权限配置。
- 技能本身不提供 Linear 服务或权限；访问范围取决于用户的 Linear 账户。
- README 将整个仓库标记为已弃用，并建议改用 OpenAI Plugins repository。
- 源材料没有提供测试套件、平台覆盖或单独的技能许可证信息。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Linear 项目协作助手 本页 ✓ OpenAI · 官方 | 51 · 谨慎使用 | ★ 28k | 4 个月前 | — |
| Linear Claude Skill | 55 · 谨慎使用 | ★ 135 | 3 个月前 | MIT |
| Linear CLI Skill | 48 · 谨慎使用 | ★ 16 | 12 个月前 | — |
| Obsidian CLI 知识库传输层 | 48 · 谨慎使用 | ★ 16k | 1 个月前 | MIT |
| 合同证据分析器 ✓ Anthropic · 官方 | 55 · 谨慎使用 | ★ 425 | 1 个月前 | — |
FollowSkills 如何评估这个 Skill？
证据显示其要求通过 Linear MCP 与 OAuth 访问，并要求先澄清目标、范围、团队和项目，且先读后写；但未明确逐次写入操作的用户确认、最小权限、敏感数据处理、回滚机制或完整数据流披露，因此扣分。
步骤顺序、前置条件、常见故障和部分恢复路径较清晰；但仅有静态文档，没有提交的测试套件或 CI 覆盖，工具可用性、关键路径复现和异常输入行为未验证，因此按静态上限保守扣分。
目标用户和 Linear issue、项目及团队工作流较明确，提供多种场景示例；但触发描述较宽泛，未声明非适用边界或中文支持，核心功能完全依赖可能受大陆网络可达性影响的海外 Linear MCP 服务，因此扣分。
文档包含概览、前置条件、分步工作流、工具清单、实践流程和故障排查，结构较完整；但单个技能许可证未知，缺少版本、变更记录和明确维护责任或更新路径，因此扣分。
文档覆盖问题管理、项目规划、缺陷分诊和文档审计等核心任务，理论上可减少重复操作；但没有代表性输出、执行结果或与替代方案的比较，直接可用性和完整性只能得到中等评价。
技能文件、代理配置和仓库说明可供审计，且 MCP 地址明确；但没有第三方执行证据、测试结果或独立复现材料，关键能力主要仍是文档声明，因此扣分。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →