Atlassian Corporation，一家提供 AI 驅動協作與團隊生產力軟體的供應商，宣布推出 Code Context，這是 Atlassian Teamwork Graph 中的新功能，為開發者、Rovo 及程式碼代理提供跨大型、多儲存庫程式碼庫的安全原始碼存取能力。此舉將 Atlassian 定位為日益壯大的 AI 程式碼工具生態系的上下文提供者——包括 Cursor、Claude Code 和 Codex 等第三方代理——而非打造獨立的程式碼助理，藉此與主要專注於編輯器內程式碼生成的競爭對手做出區隔。

隨著企業日益採用程式碼代理，這些工具的成效取決於不僅僅是模型智慧。它依賴於代理在採取行動前所能取得的上下文。程式碼代理可以撰寫、重構和審查程式碼，但要產出高品質的結果，需要對任何給定任務周邊的工作體系有深入理解，以及對其所持有上下文的權限感知存取。組織知識——從架構決策和產品策略，到實作討論、先前的權衡取捨，以及解釋系統為何如此運作的對話——對此過程至關重要。模型能力與上下文感知之間的落差，一直是企業大規模部署 AI 程式碼工具時反覆面臨的挑戰，尤其在程式碼庫涵蓋數百甚至數千個儲存庫的情況下更為明顯。

Atlassian Teamwork Graph 現已整合 Code Context，建立了一個統一的上下文層，使大規模程式碼庫理解與組織知識在此匯聚。這讓代理能夠有效率地跨越程式碼與工作進行推理，以更少的 token 產出更精確的結果。

從程式碼搜尋到程式碼庫理解

Code Context 會為已連接的程式碼庫建立安全且可查詢的表示形式，並讓這些知識可跨開發工作流程存取——從 IDE 和終端機，到 AI 程式碼應用程式、Jira、Rovo Chat 以及更廣泛的 Atlassian 生態系。開發者和代理可以利用精確搜尋、自然語言查詢和語意檢索，在多個儲存庫中找到相關的原始碼。

透過 Teamwork Graph CLI，Cursor、Claude Code 和 Codex 等程式碼代理可以在規劃、生成或審查程式碼之前，將其工作建立在相關資訊的基礎上。若無 Code Context，代理通常僅限於使用開發者本機上可用的程式碼，可能會遺漏存在於其他位置的實作細節、依賴關係或使用模式。當變更未能考量整體系統時，這可能會帶來風險。

Code Context 還允許代理將程式碼與來自 Jira 工作項目、Confluence 頁面、Loom 影片，以及透過超過 50 個連接器整合的第三方來源的相關信號結合。在 Atlassian 的內部基準測試中，由 Teamwork Graph 增強的代理在準確度上提升了 44%，同時減少了 48% 的 token 用量，相較於未使用該上下文的代理。

Mark Walz，SpotOn 技術長表示：「當代理從錯誤的起點開始時，一切都會變慢且成本增加。開發者最終得不斷解釋該看哪裡、為什麼程式碼是這樣運作的，以及它還影響了什麼。Code Context 從一開始就把這些資訊全部呈現在代理面前，讓它能專注於完成工作。」

軟體開發的 AI 上下文引擎

Code Context 拓展了 Atlassian 對 AI 原生軟體開發生命週期的願景，在這個願景中，Jira 錨定工作、Confluence 承載知識、拉取請求記錄實作歷史，而 Teamwork Graph 連接周邊的上下文。大型、複雜的程式碼庫現在也成為這個連接系統的一部分。此整合充分利用了 Atlassian 在企業軟體團隊中既有的佈局——Jira 和 Confluence 已深植於許多組織的開發工作流程中——為 Code Context 提供了獨立程式碼智慧工具可能缺乏的自然分發管道。

Teamwork Graph 持續交叉引用、互聯、推論、索引並預先計算數十億個物件之間的關係，構建出一幅統一的全景圖，呈現所有事物之間的關聯。這為代理提供了一條從假設到驗證的路徑，利用相關上下文在採取行動前驗證其推理。開發者不再需要手動檢查儲存庫或依賴非正式知識，而是可以向 Rovo 詢問系統的運作方式，並獲得基於已連接原始碼和組織上下文的答案。

對於採用程式碼代理的工程團隊而言，Code Context 減少了手動拼湊上下文所花費的時間。代理在規劃、生成或審查程式碼之前，能獲得更直接的路徑取得所需資訊。開發者仍須對理解變更及決定最終發布內容負責。

Sanchan Saxena，Atlassian Teamwork Collection 產品資深副總裁暨負責人表示：「在 AI 領域最成功的組織不是花最多錢的，而是那些為 AI 提供最佳上下文和正確存取權限的組織。前沿智慧帶給團隊速度。上下文則將速度引導至正確且最具影響力的方向。我們發現，軟體交付的真正加速來自兩者的結合。」

Code Context 以安全與治理為核心進行設計。一旦啟用，結果將根據每個使用者或授權代理被允許查看的範圍進行限定。目標不是給予代理無限制的存取權，而是透過一個安全、受治理的系統提供適當層級的存取，讓開發者保持主導權。對權限感知存取的強調，回應了企業在評估 AI 程式碼工具時的一項關鍵顧慮——在受監管的產業中，無限制的程式碼庫暴露一直是採用的障礙。