能力标签

⚙️

Agent工作流

Linearis AI 命令行工具

基于 TypeScript · 无代码搭建完整 AI 自动化流程

英文名：linearis

⭐ 224 Stars 🍴 21 Forks 💻 TypeScript 📄 MIT 🏷 AI 8.2分

8.2AI 综合评分

命令行工具任务管理自动化工作流

⬇ 下载源码 ZIP ⚙️ 配置说明 📺 TG 频道

✦ AI Skill Hub 推荐

AI Skill Hub 强烈推荐：Linearis AI 命令行工具是一款优质的Agent工作流。AI 综合评分 8.2 分，在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案，这是一个值得深入了解的选择。

📚 深度解析

Linearis AI 命令行工具是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升，基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化（模拟鼠标键盘操作），AI Agent 工作流通过理解任务意图、动态规划执行路径，能够处理更复杂的非结构化任务。

Linearis AI 命令行工具工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。

在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 8.2 分，是同类 Agent 工作流中的精选推荐。

📋 工具概览

一个专为 Linear.app 设计的开源 AI 工作流 CLI 工具。支持 JSON 输出、智能 ID 解析及图谱优化，旨在通过命令行高效管理 Linear 任务，非常适合追求自动化工作流的开发者和技术团队。

Linearis AI 命令行工具是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

GitHub Stars

⭐ 224

开发语言

TypeScript

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

MIT

AI 综合评分

8.2 分

工具类型

Agent工作流

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

📌 核心特色

可视化 Agent 工作流编排，无需编写复杂代码
支持多步骤自动化任务链，实现全流程无人值守
与外部 API、数据库和第三方服务无缝集成
内置错误处理与自动重试机制，保障稳定运行
提供可复用的自动化模板，快速在同类场景部署

🎯 主要使用场景

自动化日常重复性工作，将精力集中于创造性任务
构建数据采集 → 处理 → 输出的完整自动化管线
实现跨平台、跨系统的数据流转和业务协同

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：npm 全局安装
npm install -g linearis

# 方式二：npx 直接运行（无需安装）
npx linearis --help

# 方式三：项目依赖安装
npm install linearis

# 方式四：从源码运行
git clone https://github.com/linearis-oss/linearis
cd linearis
npm install
npm start

📋 安装步骤说明

访问 GitHub 仓库获取工作流文件
在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
上传工作流文件
按照提示配置必要的环境变量和 API Key
运行测试确认流程正常后投入使用

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 命令行使用
linearis --help

# 基本用法
linearis [options] <input>

# Node.js 代码中使用
const linearis = require('linearis');

const result = await linearis.run(options);
console.log(result);

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

# linearis 配置说明
# 查看配置选项
linearis --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export LINEARIS_CONFIG="/path/to/config.yml"

📑 README 深度解析真实文档完整度 69/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

Features

JSON-only output — pipe into jq, no parsing of tables or prose.
Smart ID resolution — pass ENG-42, a team name, or a UUID interchangeably.
Two-tier discovery — self-documenting usage commands keep agent context small.
Discussion threads — first-class root/reply modeling on issues.
File attachments — upload and download with signed URLs.
Broad domain coverage — issues, projects, cycles, milestones, initiatives, documents, labels, teams, users, and more.

Discover what's available (~200 tokens)

linearis usage

Installation

npm install -g linearis

Requires Node.js ≥ 22. The linearis command is canonical; linear is a fully supported alias that runs the same CLI.

Usage

All output is JSON. Start with discovery, then act.

```bash

Example agent prompt

Add this (or a version adapted to your workflow) to your AGENTS.md or CLAUDE.md so every session has it in context:

```markdown

Drill into one domain for its full command reference

linearis issues usage

AI agent integration

Linearis is structured around a discover-then-act pattern that matches how agents work:

Discover — linearis usage returns a compact overview of all domains. The agent reads it once.
Drill down — linearis <domain> usage gives the full reference for a single domain. The agent loads only what it needs.
Execute — every command returns structured JSON. No table or prose parsing.

The agent never loads the full API surface into context — it pays for what it uses, one domain at a time.

Linearis vs. Linear MCP

	Linearis	Linear MCP
Context cost	~500–700 tokens per interaction	~13k tokens on connect
Coverage	Common operations (issues, discussions, cycles, docs, files)	Full Linear API
Output	JSON via stdout	Tool-call responses
Setup	`npm install -g linearis` + Bash tool	MCP server connection

Use Linearis when token efficiency matters and you work primarily with issues and related data. Use the MCP when you need full API coverage or tight tool-call integration.

🎯 aiskill88 AI 点评 A 级 2026-07-03

aiskill88点评：精准切入开发者工具链，将 Linear 的 API 能力转化为可编程的 CLI 流程，实用性极强。