最近我一直在思考一件事：在 AI coding 的時代，context switching 是否應該被重新定義。
傳統觀點：為什麼不建議頻繁切換？
過去不建議頻繁的 context switching，是因為不同工作項的切換會造成專注力下降。重新進入一個專案或工作流程需要時間，而頻繁切換會消耗精力、降低生產力。
然而在 AI coding 的時代，工程師的角色已從 coder 轉變為 reviewer。我們負責的重點也從撰寫程式轉向控管進度與掌握方向。多數時候，我們其實只是等待 AI 完成 coding 的部分。
如果角色與工作流程都已經產生本質性的變化，那 context switching 的耗能理由是否也應該重新被討論？
當然，我說的不是同時處理十件事，而是從原本只能專注一件事，提升到能並行二到三件。
Context Switching 的核心痛點
如果再細想，context switching 之所以耗能，關鍵原因在於我們必須重新回想「我在做什麼、做到哪裡」。
AI coding 工具其實也面臨相同問題。為了讓操作者能掌握方向與進度，像 Claude Code 這類工具會自動建立 todo list。但即便如此，過程中若插入臨時問題，todo list 仍可能被打斷，迫使我們再次和 AI 對話，請它找回先前的規劃。
而這情況還只是單一專案；若同時在多個工作間切換，就又回到 context switching 的困境。
尋找解決方案：為什麼是 Linear？
於是我開始思考：如果能有一個方式，把所有正在進行的事項集中，同時保留每項工作的細節與進度，是否能提升多工作業的掌握度與效率？
現成的工具像 Trello、Jira、Asana、ClickUp、Monday 等都有類似功能。但在這類工具裡，有一款產品的設計思維明顯更貼近 developer——介面極簡、操作流暢、shortcut 充足，而且從早期就將 AI 納入產品路線圖，那就是 Linear。
因此問題就變成：是否有可能讓 AI 能同時間處理不同專案的工作，而以 Linear 作為統一的中樞管理工具，形成跨專案的 Spec-Driven Development 流程？
Linear 的 MCP 支援非常完整，對 issue 的相關操作幾乎都能處理。我的目標是：透過 Linear 同時查看跨專案所有進行中工作，且每個工作項都能保留完整的背景資訊。
實作：Linear Skill 的建立
接著，我請 Claude Code 協助建立一個 Linear skill，讓 AI 能自動開 issue、保留完整資訊並追蹤工作進度。
實際使用後發現，這個方式確實改善了 context switching 中「我在哪裡、我在做什麼」的最大痛點。不同工作間的切換不可能完全沒有成本，但至少能明顯減少重新進入狀態的時間，也降低遺漏資訊的風險。
目前的工作流程
目前這個方法大約實驗一週，效果良好。流程大致如下：
- 先由 AI 協助規劃完整的工作內容
- 透過 Linear 開票。我建立的 global scope skill 會讀取專案的
.linear.yml，其中包含 team id、project id 等資訊，確保能在正確位置開票 - 確認規劃無誤後，由 Linear skill 開票，它會自動判斷工作的先後順序與可併行的項目
- 確認 issue 內容後，依照排定的順序逐一進行
- 同樣方式可同時應用於多個專案，並在 Linear 中統一查看所有進度
使用這個流程後，我需要反覆確認「我在哪裡、我在幹嘛」的頻率明顯下降。
結語：擁抱改變，但保持主體性
在 AI coding 的年代，工程師原本的開發流程正在被重新塑造，不論是工具還是工程師自身，都仍在摸索如何最佳化流程。
有趣也具挑戰性的地方就在於，我們必須持續保持自覺，不要被當下的流程侷限。隨著工具不斷進化，我們也應該持續反思是否能透過工具改善開發效率。
面對改變，最好的方式是積極擁抱它，但也始終要記得：真正的主體是我們自己。如何定位工具、如何運用工具，將會是工程師未來的重要競爭力。