软件交付平台提供商 LinearB 近日推出面向工程领导者和编码智能体的新产品“Agentic Studio”，为其平台增添了关键的上下文层。该发布正值企业加大 AI 编码工具投入、试图加速从开发到生产进程之际。
Agentic Studio 旨在将软件交付过程中的数据转化为管理者与自动化系统均可利用的信息。工程领导者可通过自然语言查询获取建议，编码智能体则能访问包括过往事故、代码所有权和返工历史在内的相同上下文。
LinearB 表示，其首个“智能体技能”（Agent Skill）目前已进入早期访问阶段。该功能可根据代码质量、近期服务事故及所有权历史等因素，动态调整编码智能体对每次代码变更的投入力度，从而判断变更风险等级并决定测试与编辑的谨慎程度。
AI 引发的新瓶颈
LinearB 基于 253 家工程组织的 270 万个拉取请求（Pull Requests）研究发现，至少 75% 的开发日使用 AI 的开发者，其每周合并的拉取请求数量较一年前增长了 96%。然而，这种增长也在流程其他环节制造了瓶颈：在第 75 百分位水平上，AI 辅助的拉取请求规模是未辅助请求的 2.6 倍，而由智能体发起的请求等待审查的时间则长了五倍以上。
数据显示，自主智能体目前仅占变更的一小部分。在第 90 百分位水平上，智能体仅发起了 4.7% 的拉取请求。在精英级组织中，79% 的智能体拉取请求在 30 天内被合并，而纯人工请求的合并率为 92%；在表现一般的组织中，这一比例降至 37%，LinearB 将其归因于对 AI 生成工作的所有权管理薄弱。此外，AI 辅助的代码审查可将合并率提高多达五个百分点。
AI 使用成本也呈现不均匀上升趋势。在第 90 百分位水平上，每位开发者每个编码日的 Token 支出达 35.20 美元，三个月内增长近 75%，而中位数支出变化不大。
从“轶事驱动”到“证据驱动”
LinearB 首席执行官兼联合创始人 Ori Keren 表示：“上下文就是新的王者。”他指出，LinearB 拥有记录软件交付生命周期全貌的知识图谱，这正是智能体和团队高质量、快速交付软件的关键，因此公司围绕此核心进行了重构。
客户案例显示，金融科技公司 Kraken 利用 LinearB 的 MCP 服务器结合 AI 工具检查代码审查延迟。分析发现，时区和审查者可用性而非代码变更大小，才是导致审批缓慢的主因。借助该方案，Kraken 在四个月内将第 90 百分位的审查时间减少了一半以上。Kraken 工程运营负责人 Nik Sudan 称，这促使领导者从依赖“轶事驱动”转向“证据驱动”。
该上下文层从 Git 系统和项目管理工具中提取数据，跨平台链接工程身份，并跟踪从工单到发布的变更，同时包含 AI 归属和基准测试数据，帮助领导者评估内部绩效。客户可通过 LinearB 界面或经由 MCP 连接 Claude 等 AI 工具使用该层。LinearB 表示，其智能体技能可与任何编码智能体配合，允许领导者监控智能体处理不同难度任务的频率。
随着工程经理面临证明 AI 支出合理性的压力，业界关注度日益增长。LinearB 透露，其客户 Emburse 已在董事会材料中使用相关数据回应关于 AI 投资回报的质询。Keren 强调：“我们不构建软件工厂，而是对其进行仪器化监测，让领导者明确下一步行动，并使智能体在每次变更中做出更明智的决策。”