LinearB 推出 Agentic Studio，为人类工程师和 AI 编程智能体提供上下文

应用开发智能初创公司 LinearB Inc. 今天表示，随着人工智能编程工具的广泛采用，组织软件交付流水线中日益严重的拥堵问题正试图得到缓解。

该公司通过今天宣布推出的新产品 Agentic Studio 来实现这一目标，该产品专注于为人类工程师和自主编程智能体提供更具可操作性的上下文。

这家初创公司表示，Claude Code 和 Codex 等生成式 AI 编程工具的出现给企业软件开发团队带来了新的头疼问题。尽管现在编写软件代码基本上可以毫不费力，但将代码交付到生产环境仍然一如既往地痛苦，而且现在他们需要交付的代码量要大得多。

在其最近的《软件工程基准报告》中，该公司分析了 250 个组织中的超过 270 万个拉取请求，发现依赖 AI 编程工具的组织其合并代码变更量同比增长了近一倍。但问题在于，AI 辅助的拉取请求体积大了近 2.6 倍，因此它们等待评审的时间超过了 5 倍。这导致了大量积压，而 AI 智能体提出的代码变更在“精英组织”中仅有 79% 的合并率，相比之下人类编写的代码合并率为 92%，这使问题更加复杂。

LinearB 表示，人类软件工程师难以清理这些积压，因为他们被迫使用的传统仪表板只提供指标，而不提供解决这些拉取请求所需的上下文。通过 Agentic Studio，该公司试图解决这一问题，方法是将 Git 仓库和项目跟踪工具生成的数据与洞察规范化为统一的上下文层。这意味着软件工程师不必再费力浏览各种图表来试图理解发布速度为何停滞，而是可以用自然语言提问以了解根本原因，并获得如何加速的建议。

联合创始人兼首席执行官 Ori Keren 表示，上下文已成为新的王者，不仅对 AI 工具如此，对人类也是如此。“我们意识到，我们拥有一个别人没有的知识图谱，涵盖了软件交付生命周期中发生的一切，”他说。“这正是智能体和团队更快交付高质量软件所需要的，因此我们围绕它重建了 LinearB。”

Keren 表示，Agentic Studio 的不同之处在于，它既旨在帮助人类软件工程师，也同样旨在帮助自主编程智能体。通过 Model Context Protocol 等协议进行集成，它向 AI 智能体提供返工率、过往生产事故和代码归属等历史上下文，防止它们对拉取请求进行盲目修改。

早期采用者已从 Agentic Studio 带来的生产力大幅提升中受益。一个典型例子是加密货币交易所 Kraken，它使用 LinearB 的 MCP 集成来查明其代码评审为何滞后。它发现时区错配是主要原因，而非拉取请求的大小，随后重组了工作流程，在短短四个月内将评审时间缩短了一半以上。

“多年来，工程领导者一直告诉我们同样的事情：指标很有用，但它们不会告诉你该做什么，”LinearB 首席运营官 Dan Lines 表示。“仪表板显示你的周期时间是两天，但那又怎样？现在（借助 Agentic Studio）领导者可以询问其工程组织需要改进什么，并得到明确的答案。当同样的上下文传递给编程智能体时，该平台不仅仅是在报告，而是在行动。”

为了帮助 AI 智能体将其提供的上下文付诸实践，LinearB 正在开发一系列新的智能体技能。第一个是“工作量技能”，现已开放早期访问，它分析拉取请求及其提议的代码变更的复杂性、返工历史和风险，以动态校准编程智能体在处理该请求时需要投入多少计算工作量。

简单、低风险的变更以最少的 token 更快完成。更敏感、高优先级的修改将通过更深入的推理和更详尽的测试来实施，以确保万无一失。

LinearB 表示，计划在未来几个月内扩展其智能体技能库，增加专注于自动化代码评审、合并治理和 token 成本优化的新技能。

图片：LinearB