Atlassian Corporation 作为一家提供 AI 驱动协作与团队生产力软件的公司，已宣布推出 Code Context，这是 Atlassian Teamwork Graph 中的一项新能力，可为开发者、Rovo 以及编码代理提供对大型、多仓库代码库中源代码的安全访问。此举将 Atlassian 定位为不断扩大的 AI 编码工具生态中的上下文提供方——包括 Cursor、Claude Code 和 Codex 等第三方代理——而不是打造一个独立的代码助手，这也使其做法区别于主要聚焦于编辑器内代码生成的竞争对手。

随着组织越来越多地采用编码代理，这些工具的有效性不再只取决于模型智能，还取决于它们在采取行动之前可获得的上下文。编码代理可以编写、重构和审查代码，但要产出高质量结果，需要深入理解围绕某项任务的工作系统，以及对其所持有上下文的权限感知访问。组织知识同样至关重要，从架构决策和产品策略，到实现讨论、此前的权衡，以及解释系统为何以当前方式运行的对话，都是关键组成部分。对于在大规模部署 AI 编码工具的企业而言，模型能力与上下文感知之间的差距一直是一个反复出现的挑战，因为代码库往往横跨数百甚至数千个仓库。

Atlassian Teamwork Graph 现已纳入 Code Context，形成一个统一的上下文层，使大规模代码库理解与组织知识在此汇聚。这使代理能够高效地跨代码与工作进行推理，以更少的 token 生成更精确的输出。

从代码搜索到代码库理解

Code Context 会生成一个安全、可查询的互联代码库表示，并将这些知识开放给各类开发工作流——从 IDE 和终端，到 AI 编码应用、Jira、Rovo Chat 以及更广泛的 Atlassian 生态系统。开发者和代理可以利用精确搜索、自然语言查询和语义检索，在多个仓库中定位相关源代码。

通过 Teamwork Graph CLI，Cursor、Claude Code 和 Codex 等编码代理可以在规划、生成或审查代码之前，先以相关信息为基础开展工作。如果没有 Code Context，代理通常只能使用开发者本机上可用的代码，可能会遗漏存在于其他位置的实现细节、依赖关系或使用模式。这会在更改未能考虑整个系统时带来风险。

Code Context 还允许代理将代码与来自 Jira 工作项、Confluence 页面、Loom 视频以及来自 50+ 连接器的第三方来源信号结合起来。Atlassian 的内部基准测试显示，与没有该上下文的代理相比，借助 Teamwork Graph 增强的代理结果准确率提高了 44%，同时使用的 token 数量减少了 48%。

SpotOn 首席技术官 Mark Walz 表示：“当代理从错误的地方开始时，一切都会变慢，成本也会更高。开发者最终不得不解释该从哪里看、为什么代码会这样运行，以及它还会影响什么。Code Context 从一开始就把这些信息放到代理面前，让它能够专注于完成工作。”

软件开发的 AI 上下文引擎

Code Context 扩展了 Atlassian 对 AI 原生软件开发生命周期的愿景：Jira 负责承载工作，Confluence 存放知识，pull request 记录实现历史，而 Teamwork Graph 连接其周边上下文。如今，大型且复杂的代码库也成为这一互联系统的一部分。

Teamwork Graph 持续对数十亿个对象进行交叉引用、互联、推断、索引和预计算关系，构建一张统一的关系图谱。这为代理提供了一条从假设到验证的路径，使其能够在采取行动前利用相关上下文验证推理。开发者不必手动检查仓库或依赖“部落知识”，而是可以向 Rovo 询问系统如何运作，并获得基于互联源代码与组织上下文的答案。

对于采用编码代理的工程团队来说，Code Context 有助于减少手动拼接上下文所花费的时间。代理在规划、生成或审查代码之前，能够更直接地获取所需信息。开发者仍然要对理解变更并决定哪些内容最终发布负责。

Atlassian Teamwork Collection 高级副总裁兼产品负责人 Sanchan Saxena 表示：“在 AI 方面最成功的组织并不只是花得最多的组织；而是那些以正确的访问权限提供最佳上下文的组织。前沿智能为团队带来速度，而上下文会把这种速度引向正确、最有影响力的方向。我们发现，软件交付真正的加速来自两者结合。”

Code Context 的设计将安全与治理置于核心。启用后，结果范围仅限于每个用户或被授权代理有权查看的内容。其目标不是赋予代理无限访问权限，而是通过一个安全、受治理的系统提供恰当的访问权限，并让开发者保持控制权。