由 AI 把 Slack 工单表情回应变成 Linear 工单

由 AI 把 Slack 工单表情回应变成 Linear 工单

一个监视某个 Slack 频道里带工单表情回应的消息的 n8n 工作流。对每条还没有工单的消息，一个 AI 模型写出标题、摘要、几条建议和一个优先级，工作流再在 Linear 里创建工单。Slack 消息的 id 会保存在工单里，所以不会有哪条消息被重复建单。

包里有什么

• workflow.json：n8n 导出的工作流，12 个节点和 7 张便签。里面没有任何凭据。
• README.md：这份设置说明，压缩包里的是英文版。

我们相对原来的副本改了什么

• 模型节点没有指定模型，所以 n8n 会运行这个节点版本自己的默认模型 gpt-5-mini。按 OpenAI 2026 年 11 月 12 日读取的弃用页面，它会在 2026 年 12 月 11 日停用。节点现在指定 gpt-6-luna。它接在带结构化输出解析器的普通链下面，不调用任何工具，所以这个模型合适。这条链现在叫 Generate Ticket Using AI。
• Get Hashes Only 在 Linear 返回的每个工单里找 hash: 行，并按位置 [1] 取第一个匹配。有描述但没有这一行的工单，比如手写的工单，会让匹配返回 null 并中断运行。如果 Linear 工作区里没有任何工单有描述，列表就不存在，同样会中断。现在表达式会跳过这两种情况。
• 消息 id 取自 Slack 链接的最后一段。Slack 的文档里，线程中某条回复的链接以查询字符串结尾，即 ?thread_ts=...&cid=...。保存的 hash: 行读回来时只读到这个字符之前，所以这样的 id 永远对不上，同一条回复可能在每次运行时都被再次建单。现在 id 会忽略查询字符串。
• 消息是手工放进 JSON 里的，只转义了引号和换行。文字里的反斜杠或制表符，比如粘贴的代码，可能会把它弄坏。现在由 JSON.stringify 来转义。
• Linear 的团队 id 和状态 id 属于原作者的工作区。团队现在是空的，由你来选，状态被去掉了，由 Linear 来定。
• Get Existing Issues 现在每次运行只运行一次。以前每条消息都运行一次，每次读的都是同样的工单。
• 搜索频道 #n8n-tickets 现在是 #support-tickets。画布上的便签里有链接和加入社区的邀请，现在已改写，其中一张便签写明了 5 分钟的定时。

开始之前

• 一个一直开着的 n8n 实例，n8n Cloud 或你自己的服务器都行。它是主动去问 Slack 和 Linear 有什么新消息，所以不需要公网地址。
• 一个有 search:read 权限的 Slack 用户令牌。Slack 的消息搜索要用用户令牌，机器人令牌用不了。
• 一个 OpenAI API 密钥。
• 一个 Linear API 密钥，以及接收工单的团队。

设置

1. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中 workflow.json。
2. 给 Slack 添加一个带你用户令牌的 Slack API 凭据。在它的查询里，把 support-tickets 换成你的频道。
3. 给 OpenAI Chat Model 添加一个 OpenAI 凭据。
4. 给 Get Existing Issues 和 Create Ticket 添加一个 Linear 凭据，然后在 Create Ticket 里选好你的团队。
5. 给频道里的一条消息加上 :ticket: 表情回应，再用 Execute workflow 把工作流运行一次。到 Linear 里看看有没有新工单。
6. 打开工作流。之后它每 5 分钟运行一次。

一次运行的过程

1. Schedule Trigger 启动运行，Slack 在频道里搜索带工单表情回应的最新 10 条消息。
2. Get Values 根据链接给每条消息生成一个 id，并保留频道、作者、时间、链接和文字。
3. Get Existing Issues 从 Linear 读取工单。Collect Descriptions 收集它们的描述，Get Hashes Only 从中取出保存的 id。
4. Merge 把每条消息和那个列表配对。Create New Ticket? 只在消息的 id 不在列表里时才放行。
5. Generate Ticket Using AI 请模型给出简短的标题、摘要、最多 3 条建议和一个优先级。Structured Output Parser 把回答变成这些字段。
6. Create Ticket 创建工单。描述里有摘要、建议、带作者的原消息、频道、时间、链接和 hash: 行。优先级的对应是 urgent 为 1，high 为 2，medium 为 3，low 为 4。

调整

• 频道或表情回应：Slack 里的查询。
• 多久查一次：Schedule Trigger。
• 一次运行读多少条消息：Slack 里的数量上限。
• 工单里写什么：Generate Ticket Using AI 里的提示词。
• 模型：OpenAI Chat Model。
• 团队、标签或优先级的对应：Create Ticket。

要知道的

• 下面的事实来自 2026 年 11 月 12 日读取的 Slack、OpenAI、Linear 和 n8n 的页面与源码。没有运行过任何东西：没有 Slack 搜索，没有模型调用，也没有 Linear 工单。
• 搜索以你所用令牌的主人的身份运行，所以能看到那个人能看到的内容。频道里任何能做表情回应的成员都能开工单。
• 这里 Slack 的搜索返回 10 条消息，按 n8n 的默认值，最新的在前。如果比你想要的那条更新的、带表情回应的消息比这更多，就在 Slack 里调大数量上限。
• Linear 按 n8n 的默认上限只读 50 个工单，来自所有团队。如果某条消息的工单不在其中，这条消息可能会得到第二个工单。可以在 Get Existing Issues 里调大上限，或者打开 Return All。
• 优先级是模型根据消息语气做的猜测，建议也没有经过检查。
• 按 OpenAI 的页面，gpt-6-luna 每百万输入 token 收费 0.1 美元，每百万输出 token 收费 0.5 美元。页面内容可能会变，大批量运行前请先核对。
• 你的数据：消息文字会发给 OpenAI。消息、作者的名字和 id、频道和一个链接会发给 Linear。
• 凭据：这个 JSON 里没有任何凭据。