Atlassian 与 OpenAI 深化合作:GPT-6 系列模型接入 Rovo 与团队知识图谱

一、事件概述 2026 年 10 月 6 日,OpenAI 在官网发布公告,宣布与 Atlassian 扩大合作。双方的合作始于 2023 年,此次通过一份新协议,把 GPT-6 系列的前沿模型引入 Atlassian 的整个平台,用来支撑帮助团队规划、构建和交付工作的 AI 体验。公告明确提到,OpenAI 的前沿模型将驱动 Atlassian 平台上的智能体以及 Rovo。协议还让 Atlassian 获得更多最新 OpenAI 前沿模型的使用权限,其中包括 GPT-6 Astra 与 GPT-5.6 系列。 对 OpenAI 而言,这并不是单向的供应关系。公告说明,OpenAI 内部也会继续依赖 Jira 来管理公司的关键工作流。也就是说,双方互为客户:Atlassian 采购模型能力,OpenAI 使用 Atlassian 的工单系统。 二、核心机制:模型加上企业上下文 这次合作的技术核心,是把 OpenAI 模型与 Atlassian 的 Teamwork Graph 结合。Teamwork Graph 是一个企业上下文层,把人员、项目、文档和决策连接成一张图。通用大模型本身并不了解某家公司的项目状态、负责人和历史决策,而图谱恰好补上这一块。Rovo 就是承载这一组合的产品:图谱负责检索和约束上下文,模型负责推理与生成。

公告给出了一个具体场景。一位产品经理在发布前问 Rovo:团队进度是否正常。Rovo 借助 Teamwork Graph,把 Jira 工单、Confluence 文档和相关讨论串起来,识别工程阻塞点,标出错过的里程碑,并找出需要关注的决策。OpenAI 模型再把这些信息整理成一份关于发布就绪程度的清晰评估,并给出建议的后续步骤。这个流程的价值在于缩短从看懂工作到采取行动的距离,团队不必再手工拼凑信息。 在接入方式上,Atlassian 通过 OpenAI API 调用模型。公告强调,随着模型升级,新的推理能力可以直接进入 Rovo,客户无需更换工具,就能用上能力更强的 AI。这是典型的模型即服务加上垂直上下文的架构:模型层可以随厂商迭代而替换,图谱和工作流数据则是 Atlassian 自己的壁垒。 三、向外延伸:ChatGPT 与 Codex 插件 合作并不只限于 Atlassian 自家产品。公告提到,通过面向 ChatGPT 和 Codex 的 Atlassian 与 Teamwork Graph CLI 插件,客户可以把 ChatGPT 和 Codex 连接到已有工作流,让 AI 获取相关的项目信息、文档和开发上下文,并且受相应权限约束。权限约束这一点很重要:AI 能看到什么,取决于用户本身能看到什么,这是企业接受智能体的前提。

Atlassian 最近还推出了插件扩展,把 Jira 工作项、Confluence 内容和人员直接带入 ChatGPT 与 Codex 的提示。其固定的 Atlassian Home 还会显示分配给用户的工作、近期的 Loom 视频、项目以及 Bitbucket 拉取请求,帮助团队获取上下文并采取行动。 在内部使用上,已有超过 3,000 名 Atlassian 开发者在终端、IDE 和代码评审流程中使用 Codex。借助由 Teamwork Graph 驱动的 Atlassian 插件,Codex 用户可以访问相关的工作项和技术文档,从而更顺畅地编写、测试和发布软件。Atlassian 也在扩大对 Codex 和 ChatGPT Enterprise 的采用。

四、下一步:把工作分派给智能体 公告披露了尚在探索阶段的方向。双方正在研究与 Jira 更深的集成,让团队更容易把工作分派给 AI 智能体、跟踪进度、记录决策并复核结果。若再与 DX 配合,即 Atlassian 用于衡量开发者生产力和工程效能的平台,工程负责人就可能衡量 AI 对开发速度、周期时间和开发者体验的影响,同时让人保持控制权。需要注意,这些仍是计划与探索,公告用的是 exploring 和 could 这类措辞,并未承诺上线时间。 五、行业影响与分析 第一,企业软件正在从在软件里加一个聊天框,转向让智能体成为工作流的一等公民。把智能体放进 Jira 这样的工单系统,意味着任务、责任人和状态本来就有结构,智能体的产出更容易被审计和复核。 第二,上下文层成为竞争焦点。模型能力在前沿厂商之间日益接近,真正拉开差距的是谁掌握企业数据的结构化关系。Teamwork Graph 的定位正是这一点。对开发者而言,这意味着在做企业智能体时,检索与权限设计的重要性不亚于模型选择。 第三,对 OpenAI 来说,这是企业分发渠道的扩展。Rovo 把 OpenAI 模型带到大量已使用 Atlassian 的团队,而 ChatGPT 与 Codex 插件则反向把 Atlassian 数据带入 OpenAI 的产品。双向打通降低了客户的切换成本和集成成本。 第四,对企业采购方而言,这类合作改变了评估 AI 的角度。过去团队多是单独试用某个模型或某个聊天工具,效果难以与日常流程挂钩。现在模型直接嵌入工单、文档和代码评审环节,评估标准自然转向流程指标,例如阻塞点发现得多快、发布评估花多少时间、评审周期是否缩短。公告中提到的 DX 平台,正是为这种衡量准备的工具。不过,公告没有给出任何实测数据,企业在采纳时仍应自行设定试点范围和对照指标。

六、局限与待观察事项 公告没有公布任何基准测试、延迟、定价或用量数据,也没有说明具体哪些 Rovo 功能由哪个模型驱动。因此,关于效果提升的幅度,目前只能依据官方叙述,无法独立验证。几个值得关注的问题是:智能体写入 Jira 时的权限与审计如何设计;当模型升级时,企业如何保证行为的一致性;以及 DX 指标能否可信地反映 AI 带来的真实效率,而不是仅仅统计使用量。 总体来看,这次扩大合作是一个清晰的信号:前沿模型厂商与企业协作平台正在把推理能力和组织上下文绑定在一起,下一阶段的竞争将围绕谁能让智能体安全、可控地完成真实工作展开。