使用 Atlassian Rovo Dev 代理为整个 SLDC 提供代理 AI

快速阅读: 据《新堆栈》称，Atlassian推出罗沃开发人员助手，助力全生命周期的代理型人工智能。该工具通过集成AI于软件开发各环节，显著提升开发效率，减少拉取请求周期时间达45%。助手可自定义，涵盖代码规划、生成、审查等功能，支持团队协作，目前已开放GitHub和Bitbucket公测。

人工智能助手 / 人工智能工程 / 开发人员工具
借助Atlassian罗沃开发人员助手实现全生命周期的代理型人工智能
目前处于公开测试阶段，Atlassian罗沃开发人员助手在整个软件开发生命周期中集成了代理式人工智能。
借助Atlassian罗沃开发人员助手实现全生命周期的代理型人工智能

2025年4月18日下午2点，由詹妮弗·里金斯撰写

阿纳海姆——工程师所使用的生成式人工智能（GenAI）大多集中在内部循环，尤其是AI生成的代码。尽管如此，开发人员希望花更多时间编写代码——而AI在这方面并不擅长（至少目前如此）。

真正减缓开发人员生产力的是外部循环，工程师需要等待其他团队和系统。在知识共享和发现方面尤其如此，因为糟糕或缺失的文档继续成为开发人员投诉清单中的首要问题。

真正的GenAI创新在于组织衡量整个软件开发生命周期，并然后将AI应用于主要瓶颈和较小的问题。

六个月前，生产企业级和开发人员生产力工具的Atlassian公司发布了其GenAI套件产品，名为罗沃。

现在正逐步进入通用可用性阶段，拥有超过100万用户每月的罗沃，围绕三个跨组织的功能：

**搜索**：已有超过30万个组织使用它，搜索功能解决了知识工作者平均25%用于寻找答案的时间。
**聊天**：基于所有主要的大语言模型（LLM）、Atlassian团队协作图谱及第三方工具构建，具有零日数据保留。
**工作室**：开箱即用和自行构建的人工智能助手和助手群组工作流。

根据Atlassian团队的说法，早期采用者现在在使用罗沃应用时比领先的开源等效产品成功率高出60%。对于公司的工程师来说，这包括仅通过实施一个AI开发人员助手就减少了45%的拉取请求周期时间。

在上周的Atlassian团队活动上，之前每人每月收费20美元的罗沃被宣布包含在任何Atlassian计划中，并且对于没有Jira、Confluence或Loom订阅的同事，费用为5美元。该公司表示，这将增强罗沃背后的‘脑力’，其团队协作图谱能够描绘团队、数据、目标和知识之间的相互关系。

《The New Stack》从Atlassian领导层了解到罗沃对开发者体验的影响，缩小了技术和业务之间的差距。

**跟随你的开发人员**
Atlassian全力投入人工智能，坚信人工智能只有易于采用才有价值——并且早期采用者将获得优势。

这包括，正如Atlassian人工智能产品负责人贾米尔·瓦利安尼在Teams ’25新闻发布会上所说：“当世界重建为AI与人类合作者时，所有那些早早登上列车的人。”

在其核心产品中，Atlassian正在寻求平衡开箱即用的常见用例和能够定制任何解决方案的能力，因为他所说的，“人工智能不是一刀切的。每个团队都不一样。”

根据Atlassian 2025年团队状态报告，71%的受访团队表示他们没有充分利用人工智能来帮助管理和发现信息。部分原因是早期人工智能采用大多集中在代码生成上，即使在最好的情况下，这也占据了开发人员体验的30%。瓦利安尼补充说，当部署缓慢且大量人工智能未集成到工作流程中时，人工智能的采用就会受阻。

GitHub Copilot之所以流行，是因为它通过将可搜索的生成式人工智能直接置于代码库旁，从而减少了上下文切换。Atlassian也表达了这种观点，不仅将其罗沃嵌入自身产品的流程中，还在GitHub中这样做，“在适当的时间和地点”，正如瓦利安尼所说，“几乎不需要他们主动去考虑它。”

团队协作图谱原生理解Jira问题和Confluence页面之间的关系。罗沃搜索集成到Slack中，带有文件预览功能——无需下载或在单独窗口中打开即可预览——以及一系列应用程序如Google Drive、ServiceNow、SharePoint、Workday和Outlook。

每个团队协作图谱的结果对每个用户都是不同的。它训练并从所有集成的工具中提取数据，考虑到每个工具的角色基础访问控制（RBAC），推动更个性化的搜索体验。

罗沃搜索提供了经过精心策划的摘要，包含相关的时间线和参考文献，并增强了语义搜索功能，瓦利安尼声称这是“首批向客户提供这种规模的语义搜索的公司之一”。

罗沃聊天已经在Atlassian内部以及与其他早期采用客户中广受欢迎。他说，Atlassian与每个主要的LLM都有合作关系，每个LLM都有自己的无数据保留协议。这不仅能保护用户数据，还让罗沃能拥有自己的生成式人工智能组合，并在新模型发布时‘后台切换’。

瓦利安尼吹嘘罗沃聊天在执行所需操作方面的内部使用成功率达到了90%。对于更复杂的话题，聊天用户很快还可以使用深度研究功能，该功能执行一个研究计划，包括不同相关的同事、扩展搜索和来源列表，生成一份包含视频、图表、表格以及可选的网页结果的报告。

这些罗沃功能现已在Atlassian的所有产品中使用，包括Goals，它启用了一个对话覆盖层，将工作与成果联系起来——这对于OKR来说总是具有挑战性，并且可以帮助连接组织目标与Jira问题。

**为开发人员设计的人工智能助手**
Team ’25最大的公告之一是推出了罗沃中的Studio应用，该应用使用自然语言自动化创建人工智能助手并管理助手群组。当然，《The New Stack》关注的是罗沃开发人员助手。

这些助手的主要目的是“拯救人类脱离苦差事”，瓦利安尼说。对于软件来说，这意味着建立在平台工程目标的基础上，旨在承担他所说的“耗时但重要的任务”，或者占开发人员体验80%的繁琐工作。

上周发布了大约20个开箱即用的开发人员助手。根据Atlassian的产品负责人AI、敏捷和DevOps主管乔什·德文尼的说法，Code Planner读取Jira问题和Teamwork Graph中的所有相关信息，如需求、Confluence文档和任何第三方信息。

“Code Planner随后会在Jira问题上编写技术计划，以帮助开发人员提高生产力，在个人或团队层面更快地进入实施阶段，”他告诉《The New Stack》。

“一个好的应用场景是一个新到存储库的开发人员，在大型组织中这种情况相当常见。你可能需要去其他地方贡献代码。我们可以帮你制定计划，‘我们认为你应该在哪进行修改，我们会提供文件和我们认为需要修改的内容。’”

Code Planner开发人员助手也是初级工程师在向资深工程师求助之前的良好起点。

新的实现代理可以将此技术计划转化为代码。

“开发人员可以选择一个助手来实现代码，这将在拉取请求提出之前返回，”德文尼说。开发人员助手会通知开发人员，分享差异，并且“开发人员可以查看并进行任何更改。”这通常涉及开发人员与助手间的对话。

**自定义开发人员助手的应用场景**

虽然有20个左右的开箱即用的AI助手，但瓦利安尼说早期采用者要求有一个空白画布来构建自己的助手，每个助手都专注于单一目标。

考虑到这一点，Atlassian添加了无代码能力来构建自己的助手，甚至非技术人员部门也在使用。在内部，Atlassian创建了自己的入职助手助手，在第一个月内回答了70%的新员工提出的2000个问题。

一个Atlassian工程团队构建并内部共享了其自己的拉取请求生成器，团队成员称其自动化了80%的开发人员任务——例如添加功能标志和测试自动化——将平均拉取请求时间缩短至30分钟。

这种创建自定义开发人员助手的能力还允许客户强制执行组织和行业标准，通常从现有的Confluence文档中获取。

“然后你可以调整这些助手，指定知识来源并限制助手，然后自动运行助手，”瓦利安尼说。随着越来越多的AI生成代码，对代码审查的需求也随之增加。Atlassian内部通过其代码审查工具解决了早期代理式AI开发者面临的第三个应用场景。德文尼提到，该工具结合拉取请求与Jira问题，用于“推断Jira问题中的验收标准，并展示代码是否符合这些验收标准”。代码审查工具还会检查语法错误和拼写错误。如果涉及的是代码库中更敏感或关键的部分，可标记为需由两位审查者共同审核。上周，代码审查工具建议德文尼简化此功能的复杂度，并提供了具体实现的代码示例。考虑到这一点，在未来几个月内，Bitbucket将引入“应用建议”按钮。自去年10月下旬采用该特定开发人员助手后，Atlassian工程团队在使用代码审查工具时，PR周期时间提升了45%，而未使用时则无此效果。德文尼指出：“之所以能大幅减少时间，是因为无需等待数小时甚至数天才能获得同事反馈，而是能立刻收到反馈。”Ops Guide是另一个帮助值班工作的开发人员助手，旨在减少检测、响应及从事件中恢复所需的时间。每个开发人员助手都有助于缩短整体问题解决周期，但不会排除必要的人类参与。德文尼还提到，Pipeline Fixer和Deployment Summarizer开发人员助手即将推出。

巴哈德瓦伊在Teams‘25主题演讲中提到：“JPD让查看您的产品创意如何影响重要目标和指标变得非常简单，因此您可以解释您的优秀产品创意如何影响业务，同时也可以决定谁可以访问您自己的地图。”“它可以是部门、团队或者整个公司。”Atlassian甚至使用它与合作伙伴和客户分享产品路线图。巴哈德瓦伊还引用了早期采用者Doodle在线调度平台，以及它如何使用JPD“构建一个系统，将客户洞察转化为想法，结果令人震惊——交付速度提高25%，规划时间减少了93%。”

德文尼说，这些开发人员助手在不保留数据的情况下完成了所有这些工作。“我们不是在您的数据上进行训练。我们只是在运行时为助手提供上下文。”

**协调一群AI助手队友**
团队可以协调一群执行相互关联任务的AI助手，搭建多个AI助手的群组。巴哈德瓦伊说：“软件开发的AI原生方法真正改变了游戏规则。它打破了角色之间的传统孤岛，消除了重复性任务。”

“想象一下这样一个世界，每个团队成员都能做更多超出其传统分配的角色。在罗沃助手的支持下，这创造了一支强大的通才团队，为AI原生世界做好准备。”

Studio还允许团队同时处理多个问题，例如“为这四件事生成单元测试”，助手将为每个问题创建四个实现，并将其移至审查，甚至设置自动化。

最近，Atlassian工程团队需要更新200个服务中的API。一个定制开发人员助手在一个小时内发起了200个拉取请求。

德文尼指出：“人们会有‘啊哈’时刻或‘哇’时刻，意识到‘哦，我不再需要做这类任务了。’这是一个重大的思维转变。”

“目前，我们为开发人员处理的任务多为重复性工作，这些任务本身并非开发人员热衷于完成的。能够从他们的任务清单中移除这些内容，意味着他们可以投入更多时间专注于自己喜爱的任务。”

罗沃开发人员助手现对Atlassian客户在GitHub和Bitbucket上开放公测。测试期间，客户无需付费。

(以上内容均由Ai生成)