核心用法
Linear Webhook Skill 是 Clawdbot 生态系统的桥接组件，实现 Linear 项目管理平台与 AI 代理的双向通信。用户在 Linear Issue 中通过 @mason 或 @eureka 提及触发任务分派：Linear 的 Webhook 将评论事件推送至 Clawdbot 暴露的端点，经 linear-transform.js 解析后，提取 Issue 上下文（标题、描述、标签）和 @mention 指令，路由至对应代理会话——@mason 负责代码实现与技术任务，，@eureka 处理规划策略与研究沟通。代理处理完成后，结果通过 Linear GraphQL API 回写为评论，形成闭环工作流。
显著优点
深度集成体验：无需离开 Linear 即可完成 AI 任务分派，保持团队现有工作流不变。支持 Cloudflare Tunnel 或 Tailscale Funnel 快速暴露端点，配置灵活。
上下文感知：代理接收完整的 Issue 元数据（标题、描述、标签、评论者、URL），减少信息传递损耗，提升任务理解准确度。
可扩展架构：通过修改 AGENT_MENTIONS 映射即可添加新代理角色，支持自定义响应渠道（如同时推送至 Telegram）。
文档完备：提供从配置到故障排查的全流程指南，包含安全最佳实践（Token 环境变量化、HTTPS 强制）。
潜在缺点与局限性
部署复杂度：需自行维护隧道服务（Cloudflare/Tailscale）和公网可达端点，对非技术用户门槛较高。Webhook 可靠性依赖外部网络稳定性。
功能边界：仅处理 Comment → Created 事件，不支持 Issue 状态变更、标签修改等其他触发条件。回写评论需额外配置 Linear API 密钥，非开箱即用。
平台锁定：深度绑定 Clawdbot 生态和 Linear，迁移成本较高。硬编码路径（如 /home/sven/...）在示例中残留，实际部署需手动调整。
适合的目标群体
- 技术驱动型团队：已使用 Linear 进行项目管理，且具备 CLI 工具配置能力的开发团队。
- Clawdbot 现有用户：希望扩展代理触达场景，将 AI 能力嵌入日常项目管理工具的用户。
- 自动化爱好者：追求"评论即指令"的极致效率，愿意投入初期配置成本换取长期工作流优化。
使用风险
性能风险：Webhook 处理为同步链路，若代理响应超时或 Linear API 限流，可能导致评论回写失败。无内置重试机制。
依赖风险：强依赖 Clawdbot CLI 的 sessions history 命令获取代理输出，若 CLI 版本变更或会话清理策略调整，可能破坏数据流。
运维风险：隧道服务中断会导致 Webhook 投递失败，需监控告警。Token 泄露将导致未授权代理调用，建议定期轮换。