应用开发智能初创公司LinearB今日宣布推出Agentic Studio，旨在缓解因广泛采用人工智能编码工具而加剧的软件交付管道拥堵问题。该产品致力于为人类工程师和自主编码代理提供更具操作性的上下文信息。
LinearB指出，以Claude Code和Codex为代表的生成式AI工具虽让代码编写变得轻松，却使部署环节愈发棘手，待部署代码量显著激增。该公司近期发布的《软件工程基准》报告显示，在分析250家组织的超270万个拉取请求（Pull Requests）后发现，依赖AI编码工具的企业，其合并代码变更量同比几乎翻倍。
数据进一步揭示，AI辅助的拉取请求规模约为人工编写的2.6倍，导致等待审查的时间延长五倍以上，造成严重积压。在“精英组织”中，AI代理提出的代码变更合并率仅为79%，低于人工编写的92%，加剧了交付瓶颈。
从指标监控到上下文洞察
LinearB认为，传统仪表盘仅提供指标数据，缺乏解决拉取请求所需的背景信息，导致工程师难以清除积压。Agentic Studio通过将Git仓库和项目跟踪工具的数据规范化至统一上下文层，允许工程师通过自然语言提问定位发布停滞的根本原因，并获取加速建议。
LinearB联合创始人兼CEO Ori Keren表示：“上下文已成为新的核心。我们拥有软件交付全生命周期的知识图谱，这是代理和团队高效交付高质量软件的关键。”
不同于仅服务于人类工程师的工具，Agentic Studio通过集成Model Context Protocol（MCP）等协议，向AI代理提供返工率、过往生产事故和代码所有权等历史上下文，防止其对拉取请求进行盲目修改。
早期成效与未来规划
加密货币交易所Kraken作为早期采用者，利用LinearB的MCP集成功能发现代码审查滞后的主因是时区不匹配，而非请求大小。通过调整工作流程，Kraken在四个月内将审查时间缩短了一半以上。
LinearB首席运营官Dan Lines指出，该平台已从单纯报告转向行动导向，领导者可直接询问改进策略并获得明确答案。为帮助AI代理有效利用上下文，LinearB正开发一系列代理技能。首款“工作量技能”已开放早期访问，可根据代码复杂性、返工历史和风险动态校准计算资源投入：简单低风险变更快速完成，高优先级修改则经过深层推理和彻底测试。
LinearB计划在未来几个月扩展代理技能库，新增专注于自动化代码审查、合并治理和令牌成本优化的功能。