2026 年 11 月 12 日,Linear 为其云端编码智能体推出了自带密钥(BYOK)功能。如果你的公司已经直接向 OpenAI 或 Anthropic 付费,或者通过 OpenRouter、AWS Bedrock 之类的网关获取模型,现在你可以让 Linear 的智能体使用那个账户。你可以保留自己谈好的价格和现有额度,而不必通过 Linear 购买模型用量。

公告中只是简要提到一个前提:BYOK 覆盖的是模型,而不是机器。每个智能体会话仍然运行在 Linear 托管的沙箱中,无论你使用哪个密钥,该沙箱都按 Linear AI 额度计费。

本指南将介绍设置流程、可能让你踩坑的设置项、沙箱的实际费用,以及一个面向更愿意在自有硬件上运行智能体的团队的选项。

BYOK 改变了什么,没改变什么

Linear 中的云端编码智能体会话有两项成本:

  1. 模型 token:智能体在阅读代码、规划并编写更改时发起的 LLM 调用。
  2. 沙箱运行时长:智能体在克隆你的仓库、安装依赖并运行命令时所运行的云机器。

在 BYOK 之前,这两项都从你的 Linear AI 额度中扣除。开启 BYOK 后,你的提供商直接向你收取 token 费用。沙箱运行时长仍从 Linear AI 额度中扣除,因此即使开启了 BYOK,你的工作区也需要有额度余额。

Every coding session has two costs: model tokens go to your provider with BYOK, sandbox runtime always uses Linear AI credits

你可以通过以下方式连接:

  • OpenAI
  • Anthropic
  • AWS Bedrock
  • Azure OpenAI
  • Microsoft Foundry 中的 Claude
  • OpenRouter
  • Vercel
  • 任何支持OpenAI Responses API或Anthropic Messages API

的网关API 密钥。ChatGPT Plus 或 Claude Pro/Max 订阅在这里不适用。

开始前你需要准备

  • 一个处于当前套餐(Free、Basic、Business 或 Enterprise)的 Linear 工作区。旧版套餐不支持编码智能体或 BYOK。
  • Linear 中的所有者或管理员权限。
  • GitHub 组织所有者权限,用于开启云端编码智能体。
  • 来自你的提供商的 API 密钥,或者一个你拥有所有者、管理员或账单角色的 Anthropic 组织。
  • 用于沙箱运行时长的 Linear AI 额度余额。

只需一名管理员进行设置。之后工作区中的所有人都会使用该连接,成员无需拥有自己的密钥。

Turning on BYOK in five steps: enable the agent, open Inference, connect a provider, test the connection, pick the model

第 1 步:开启云端编码智能体

如果你的工作区还没有使用该智能体,请前往设置 > AI 与智能体 > 云端编码智能体并将下拉菜单设置为已启用。在 Enterprise 版中,你可以选择为部分团队启用…先向部分团队推出。

然后在以下位置创建一个环境:工作区设置 > Linear Code > 环境。一个环境包含一个仓库,且该仓库必须能通过你工作区的 GitHub 集成访问。

第 2 步:打开推理设置

前往设置 > Linear Code。在智能体配置下方,你会找到一个推理区域,包含两行:

  • Anthropic,为 Claude Code 提供支持
  • OpenAI,为 Codex 提供支持

每一行默认使用Linear 额度。你可以将其中一行切换为自己的密钥,另一行保留 Linear 额度,也可以两行都切换。

Connection options for the Anthropic row and the OpenAI row, with the API format each one needs

第 3a 步:连接 Anthropic

Anthropic 行提供三个选项。

Anthropic 组织。选择它,选中继续,登录 Anthropic,选择你的组织并批准。无需复制粘贴密钥。需满足两个条件:

  • Anthropic 必须直接向该组织计费,而不是通过 AWS、Google Cloud 或 Azure。
  • 批准人需要在该组织中拥有 Owner、Admin 或 Billing 角色。

你可以在 Claude Console 的以下位置管理此连接的花费限额:已连接平台。

云服务商。从Amazon Bedrock中选择服务商,然后输入你的AWS 区域和API 密钥。

自定义端点。输入一个端点 URL和一个API 密钥。用于 OpenRouter 或 Vercel 等网关,或内部代理。该端点必须支持 Anthropic Messages API。

第 3b 步:连接 OpenAI

在 OpenAI 行,选择OpenAI API 密钥,然后选择添加 OpenAI API 密钥。

  • 要直接连接 OpenAI,请从OpenAI中选择服务商,粘贴你的API 密钥并选择保存。
  • 要使用网关或 Azure OpenAI,请选择自定义端点并输入端点 URL和API 密钥。该端点必须支持 OpenAI Responses API。

第 4 步:测试连接

对于任何使用 API 密钥的连接,请在测试连接之前先保存。端点 URL 中的拼写错误在这里比在某人编码会话进行到一半时更容易被发现。

第 5 步:选择模型

工作区模型在云端编码智能体设置中设置,此后将应用于该工作区中的所有编码工作。默认值为自动,目前解析为 GPT-6 Sol。你也可以固定指定某个模型:

  • Anthropic:Claude Opus 5.5、Claude Fable 5、Claude Opus 5、Claude Opus 4.8、Claude Sonnet 5
  • OpenAI:GPT-6 Sol、GPT-6 Luna、GPT-5.6 Sol、GPT-5.5、GPT-5.4

如果你只连接了一个提供商,就从该提供商中选择一个模型。否则智能体的用量仍会走 Linear credits。

切换前值得了解的坑

这些内容直接来自 Linear 的文档,很容易被忽略。

Five things to know before you switch to BYOK

  • Claude 组织没有回退机制。如果你连接了一个 Anthropic 组织,而它达到了支出上限,Linear 不会回退到 Linear credits。编码工作会停止,直到管理员提高上限。设置上限时请考虑到这一点。
  • 提供商变更只对新会话生效。已在运行的会话会保留其原来的提供商。如果你轮换或吊销了旧密钥,这些会话将无法恢复,所以请保持密钥有效直到它们结束。
  • 环境变量对智能体可见。只有标记为Secret的变量会被隐藏,而且这些变量仅在沙箱准备期间可用。
  • GitHub IP 允许列表。如果你的 GitHub 组织使用了允许列表,你必须允许云端编码智能体的 IP。
  • 你可以随时切换回来。将任一行改回Linear credits在Settings > Linear Code中。

BYOK 不覆盖的部分:沙箱运行时

这是由 Linear 承担的成本。沙箱运行时按 5 分钟为增量计费,相同时间内更大的沙箱会消耗更多 credits:

CPU 内存 每 5 分钟 每小时
1 vCPU 8 GB $0.03125 $0.375
2 vCPU 16 GB $0.0625 $0.75
4 vCPU 32 GB $0.125 $1.50
8 vCPU 64 GB $0.25 $3.00

每小时数字为 5 分钟费率 × 12。费率来自 Linear 截至 2026 年 11 月的 AI credits 文档。

Sandbox runtime cost per hour by size, and an example team paying about $103 a month

你在Configure an environment下选择沙箱大小,且该变更只对新会话生效。

对于偶尔试用智能体的单个开发者来说,这些数字很小。一旦智能体成为日常工作的一部分,它们就会累积起来。假设一个团队每天运行 15 个会话,每个约 25 分钟,使用 2 vCPU 的沙箱。那就是每天 75 个增量,约$4.69 一天,合计约$103 一个月超过 22 个工作日。这还不包括你的服务商现在向你收取的模型 token 费用。一个构建需要 8 vCPU 沙箱的代码仓库,这个数字还要翻四倍。

对大多数公司来说这不算一个大数字,而且你能因此获得一台托管的隔离机器。但如果你开启 BYOK 的原因是想停止为 AI 付两次钱,那你仍然在付两次,只是少了一些。

另一个选择:在你已有的机器上运行智能体

如果你的团队已经有性能足够的笔记本电脑、一台闲置的办公工作站,或者一台你本来就在付费的云虚拟机,那么还有一种不同的方案可以考虑:让智能体在这些机器上运行,而不是租用沙箱。

Sharkly.ai就是这样运作的。它是一个共享工作区,人和 AI 编程智能体从同一块看板上领取任务。智能体运行在你连接的计算机上:你自己的笔记本电脑、办公机器、云服务器、虚拟机或 Docker 容器,支持 Windows、Mac 或 Linux。没有托管沙箱,所以没有运行时计费。

模型侧同样是 BYOK,而且比 Linear 更宽松。智能体运行在你已有的编码套餐或 API 密钥上,用于 Claude Code、Codex 或 Cursor 这类工具。所以如果你的开发者已经付费订阅了 Claude Code 或 Codex,智能体可以直接使用它,而 Linear 则要求提供 API 密钥。

如果你不想离开 Linear,也不必离开。根据 Sharkly 的网站,它可以与 Linear 双向同步(以及 Jira、Asana、GitHub Issues、GitLab Issues 和 Shortcut)。你的 issue 留在 Linear 中,而智能体的工作在你自己的硬件上运行。

Running agents on your own machine with Sharkly: register the Computer, create an Agent, assign a Task, review

除了跳过计费表,你还能得到什么

成本差异是这次比较的起点,但 Sharkly 的大部分功能是关于让智能体作为团队的一部分来协作。

  • 智能体是看板上的队友。智能体会领取分配给它的任务、写评论、更新任务状态,并留下执行轨迹。人、智能体和团队都可以是任务负责人,所以把工作分配给智能体和分配给一个人看起来是一样的。
  • 你可以按智能体、按任务选择模型。默认情况下,智能体使用其运行时的模型。你可以从该运行时的模型列表中选择另一个,或者为单个任务设置不同的模型。棘手的 bug 可以交给最强的模型,而常规工作则留在更便宜的模型上。
  • 你只需编写一次的指令和技能。智能体的指令会进入每一次运行:它的范围、何时请求输入、如何汇报。可复用的流程放在技能(Skills)中,可以在一个 Space 内共享。
  • 用于需要多个智能体协作的工作的 Crew。Crew 是一群人和智能体组成的团队,由一位领导者智能体带领。给它分配一个 Task,领导者会先启动,然后要么自己完成工作,要么 @ 提及其他智能体。他们的结果会落在该 Task 的聊天中。
  • 后续跟进在 Task 中进行。如果结果有问题,在评论中 @ 提及该智能体,它就会在同一个 Task 上继续。普通评论不会启动运行,因此人们可以讨论 Task 而不会意外触发智能体工作。
  • Git 历史记录显示谁做了什么。隔离的运行会提交到一个名为sharkly-agent/<agent>/<task-identifier>的分支。默认情况下,提交会同时记录触发运行的人和该智能体,并附带一个Co-authored-by尾注。

设置

  1. 安装并登录一个编码工具在将要执行工作的机器上,例如 Claude Code、Codex、Gemini 或 Pi Agent。
  2. 连接 Computer。在 Sharkly 中打开 Computers 页面,创建一个一次性安装令牌,然后在机器上运行:
   sharkly computer register --install-token <install-token>

这会注册该机器并启动一个小的本地服务。该服务向外连接 Sharkly,因此你无需开放任何入站端口。随后它会检测已安装了哪些编码工具。(桌面应用可以在注册过程中为你完成这一步。)

  1. 创建一个智能体。打开Agents > New Agent,选择Code development,将其指向一个仓库(自动 Git 克隆或本地目录)并选择你的 Computer。
  2. 分配一个 Task。将该智能体设为Assignee,就像你分配队友一样。分配后即启动运行。
  3. 审查。执行日志显示智能体正在做什么,其结论和阻塞项会以评论形式出现,任何需要你处理的事项会进入Inbox。每次运行都会获得自己的 git worktree,因此并行工作的智能体不会覆盖彼此的更改。

运行期间会发生什么

一次运行将三样东西结合在一起:Task、分配给它的智能体,以及你某台已连接 Computer 上的 Runtime(如 Claude Code 之类的编码工具)。Task 始终是人和智能体共同工作的共享记录。

  • 智能体会获得完整的上下文。每次运行都会接收任务详情、允许使用的状态、智能体的指令、其技能、代码仓库和环境设置。
  • Backlog 是一个安全的停放点。分配一个仍在 Backlog 中的任务不会启动任何东西。当你把任务移出 Backlog 时,运行才会开始。
  • 排队中的运行会等待机器。如果计算机繁忙或离线,运行会显示为 Queued 并附上原因,一旦阻塞解除就会启动。你无需重试。
  • 并行工作不会冲突。不同的任务可以并行运行,各自在自己的 worktree 中。如果智能体直接在某个文件夹中工作,那么该文件夹中的运行会轮流进行。
  • 问题会主动找上你。失败和被阻塞的运行会进入 Inbox,执行日志会显示出了什么问题。

Sharkly 对最多 5 人的团队免费提供完整产品。之后,Team 计划为每用户每月 7 美元。算力和模型由你自行承担,而这正是关键所在。

权衡取舍

在自己的机器上运行并非在所有意义上都免费:

  • 机器必须保持开机。如果智能体的笔记本电脑进入睡眠状态,其运行会停留在队列中。默认最多等待 24 小时,然后失败。对于需要通宵持续运行的智能体,请使用常开的办公机器或廉价的 VM。
  • 环境由你负责。代码仓库、凭据和依赖项都必须在那台机器上设置好。托管沙箱会为你完成这些。
  • 隔离由你决定。Linear 沙箱每次都是全新的机器。在你自己的硬件上,智能体在真实计算机的 git worktree 中工作,因此要考虑你连接的是哪台机器以及它能访问什么。

哪一种适合你的团队

Where the bill goes: Linear cloud agent with BYOK compared with Sharkly

Linear 云智能体 + BYOK Sharkly
模型计费 你的提供商(API key) 你的提供商(API key 或现有编码计划)
智能体运行的位置 Linear 托管的沙箱 你的笔记本电脑、服务器、VM 或 Docker
运行时成本 Linear AI 额度,按 5 分钟增量计费 Sharkly 不收取任何费用(你为自己的硬件付费)
设置工作量 低:托管环境 中:你自行准备机器
智能体 Claude Code、Codex Claude Code、Codex、Cursor、Gemini、Pi 等
问题跟踪器 Linear Sharkly 的看板,与 Linear、Jira 等双向同步

坚持使用 Linear 的云智能体 + BYOK如果你想要零环境配置、你的团队使用 Linear,并且沙箱费用相比 token 支出微不足道。

看看 Sharkly如果你有闲置硬件、你希望智能体使用开发者已经付费的订阅,或者你希望人和智能体在同一个共享看板上工作而不按分钟计费。

常见问题

我可以在 Linear 的 BYOK 中使用我的 ChatGPT 或 Claude 订阅吗?不可以。Linear 需要提供商 API 密钥或已连接的 Anthropic 组织。

BYOK 会让 Linear 的编码智能体免费吗?不会。你的提供商会按模型 token 计费,沙箱运行时仍然消耗 Linear AI 额度。

我可以使用 OpenRouter 或 Vercel AI Gateway 吗?可以。使用自定义端点在与你网关所用 API 格式匹配的那一行上:Anthropic Messages API 或 OpenAI Responses API。

如果我的 Anthropic 支出限额用完了会怎样?编码工作会停止,直到管理员在 Claude Console 中提高限额。对于 Claude 组织连接,Linear 不会回退到 Linear 额度。

所有成员都需要自己的密钥吗?不需要。一名管理员为整个工作区设置即可。

总结

BYOK 是一个不错的改变。它让已有提供商协议的团队能在 Linear 内部使用这些协议,设置只需几分钟。只需为它遗漏的部分做好预算:沙箱仍然按 Linear 的计量运行。如果这对你的团队很重要,在你自己已有的机器上运行智能体是一个切实的替代方案,而且借助 Linear 同步,你可以把问题保留在原处。