Atlassian 推出 Agentic Engineering 系统：Jira 要从任务管理工具变成 Agent 的指挥所

Atlassian 今天发布了一套面向 AI 原生软件开发生命周期（AI SDLC）的新能力，横跨 Jira 和 DX。核心目标很明确：让工程团队能规模化地协调、治理和度量 Agent 工作。

一个尴尬的鸿沟

Atlassian 的 2026 AI SDLC 研究显示：94% 的工程团队已经在用 AI，但只有 6% 建立了把 AI 规模化贯穿整个 SDLC 的系统。

问题不在于模型不够聪明，而在于缺乏组织上下文。Agent 没有架构、路线图和需求信息，只能生成「功能正确但方向跑偏」的代码。

三层能力

1. 给 Agent 组织上下文

• Code Context：基于 Teamwork Graph，让 Rovo 和编码 Agent 安全地理解跨仓库代码库，从 backlog 可行性评估、代码感知实现计划，到 bug 分类和根因发现。
• Agent Context Controls：平台团队可以控制 Agent 能访问哪些 Jira 和 Confluence 空间，确保输出与 curated 需求、架构决策和项目标准一致。

2. 自主 Agent 循环

• Agent loops in Jira：自动扫描定义清晰、未分配的 backlog 项，委派给 Jira Coding Agent 执行和测试，直接打开待审查 PR。
• Standards：一次性定义组织编码标准并映射到仓库，自动共享给每个 Agent 和开发者。
• AI review：专用 Agent 按组织标准审查 PR，在代码合并前标出问题。

3. 可度量、可审计

• DX for Agentic Development：从吞吐量、质量、采用率和成本四个维度度量 AI 影响，把 AI 投资直接映射到工程产出。
• Jira Agent Usage Dashboard：团队负责人能看到哪些 Agent 在工作流中使用，关联 Agent 会话与 Jira 工作项，持续优化交付速度。

为什么值得关注

Atlassian 的切入点是「工程团队已经每天都在 Jira 里」。它不把 Agent 当作孤立工具，而是让 Jira 成为协调人类与 Agent 的系统记录（system of record）。

这是企业级 Agent 落地的关键转折：从「每个开发者自己玩 Agent」到「平台团队能治理、能审计、能量化 Agent 产出」。

可用性

• Code Context：已面向付费客户开放 beta
• Agent loops、Standards、AI Review：私有早期访问
• Agent Context Controls、Agent Usage Dashboard：未来几个月 GA
• DX for Agentic Development：本季度对 Atlassian DX 客户 GA

参考链接

• Atlassian 官方新闻稿
• Morningstar / Business Wire

一句话总结：Jira 不再只是管人的任务，而是要管 Agent 的任务了。