导语：企业 AI 的竞争焦点，正在从“模型有多强”转向“模型有多懂你的组织”。Atlassian 与 OpenAI 扩大合作，把 GPT-6 系列前沿模型接入 Atlassian 平台与 Rovo，并借助 Teamwork Graph 这一企业上下文层，试图让 AI 智能体真正嵌入团队日常工作的肌理。

合作升级：从 2023 到 GPT-6 时代

Atlassian 与 OpenAI 正在扩大合作，将 GPT-6 系列的前沿模型引入 Atlassian 平台，为帮助团队规划、构建和交付工作的 AI 体验提供支持。根据一项新协议，OpenAI 前沿模型将为 Atlassian 平台和 Rovo 中的智能体提供支持。

这次扩大合作并非从零开始。它建立在两家公司 2023 年开始的协作基础之上，而此次升级正值 Atlassian 扩大自身对 Codex 和 ChatGPT Enterprise 的采用。一个值得注意的细节是：超过 3,000 名 Atlassian 开发人员已在其终端、IDE 和代码审查工作流中使用 Codex。这意味着 Atlassian 既是合作方，也是深度使用者——它先在自己内部验证这套组合，再将其推向客户。

从模型供给角度看，该协议使 Atlassian 能够更广泛地访问最新的 OpenAI 前沿模型，包括 GPT-6 Astra 和 GPT-5.6 系列，同时 OpenAI 继续推进模型能力、效率和性价比。对 Atlassian 而言，这种“随模型进步而升级”的通道，是其通过 OpenAI API 将新推理能力直接引入 Rovo 的前提。

Teamwork Graph：让 AI 理解“公司如何运作”

这次合作中最关键的技术变量，不是模型本身，而是 Atlassian 的 Teamwork Graph。

Rovo 将 OpenAI 智能与 Atlassian 的 Teamwork Graph 相结合。后者是一个企业上下文层，连接人员、项目、文档和决策，使 AI 能够深入理解公司的运作方式。换句话说，模型提供推理能力，Teamwork Graph 提供组织语境——两者缺一不可。

Atlassian AI 产品负责人 Jamil Valliani 对此的表述是：“将 OpenAI 前沿能力与 Atlassian 的 Teamwork Graph 相结合，为企业工作带来了深度的组织上下文。随着我们构建开放平台，此次扩大合作使我们的客户能够无缝地将世界领先的模型直接融入他们的日常工作。”

OpenAI API 产品负责人 Nikunj Handa 则从智能体落地的角度补充：“将 OpenAI 前沿模型与 Atlassian 相结合，在企业实际运营的语境中汇聚了强大的智能体能力。通过我们的合作，我们让团队更容易从理解工作转向采取行动。”

一个产品发布场景：Rovo 如何把信息变成行动

素材给出了一个具体例子，可以说明这套组合在实际工作中的价值。

一位准备产品发布的产品经理可以询问 Rovo 团队是否进展顺利。借助 Teamwork Graph，Rovo 能够连接 Jira 工单、Confluence 文档和相关讨论，以识别工程阻塞、标记错过的里程碑，并呈现需要关注的决策。OpenAI 模型帮助将这些信息转化为对发布准备情况的清晰评估和推荐的后续步骤，让团队减少拼凑信息的时间，将更多时间用于推进工作。

这个流程的意义在于：AI 不是简单地“回答问题”，而是先跨系统聚合上下文，再给出判断和下一步建议。从“理解工作”到“采取行动”，正是 Handa 所强调的合作目标。

走出 Atlassian 平台：ChatGPT 与 Codex 的插件路径

合作还延伸到 Atlassian 自身产品之外。通过面向 ChatGPT 和 Codex 的 Atlassian 和 Teamwork Graph CLI 插件，客户可以将 ChatGPT 和 Codex 连接到现有工作流，在适当权限约束下，让 AI 访问相关项目信息、文档和开发上下文。

最近，Atlassian 推出了其插件扩展，将 Jira 工作项、Confluence 内容和人员直接引入 ChatGPT 和 Codex 提示中。其固定的 Atlassian Home 还会呈现已分配工作、最近的 Looms、项目和 Bitbucket 拉取请求，帮助团队访问相关上下文并采取行动。

在开发侧，通过由 Teamwork Graph 提供支持的 Atlassian 插件，Codex 用户可以访问相关工作项和技术文档，帮助开发人员编写、测试和交付软件。这条路径把 AI 编程助手从“孤立的代码生成”拉回到“与工单、文档、评审流程联动”的真实工程环境。

下一步：把工作分配给 AI 智能体

两家公司正在探索与 Jira 的更深度集成，使团队更容易将工作分配给 AI 智能体、跟踪进度、记录决策并审查结果。

结合 DX——Atlassian 用于衡量开发者生产力和工程绩效的平台——这些能力可以帮助工程领导者衡量 AI 对开发速度、周期时间和开发者体验的影响，同时让人类保持控制。

值得注意的是“让人类保持控制”这一表述。在把任务交给智能体的同时保留审查与度量环节，说明双方对落地路径的判断是渐进式的：先让 AI 承担可追踪、可复核的工作单元，再用 DX 这类平台量化其影响。

趋势判断：企业 AI 的护城河在上下文层

从这次合作可以读出几个信号：

第一，模型能力正在被“上下文”重新定价。 GPT-6 Astra、GPT-5.6 系列代表前沿能力，但真正决定企业场景体验的，是 Teamwork Graph 能否把人员、项目、文档和决策连成一张可查询的网络。模型可以替换，上下文层难以复制。

第二，智能体的落地形态是“嵌入既有工具”，而非另起炉灶。 无论是 Rovo、ChatGPT 插件还是 Codex 插件，路径都是把 AI 放进团队已经在用的 Jira、Confluence、IDE 和代码审查流程中。两家公司共同致力于将前沿智能引入企业已经使用的工具中，使 AI 智能体成为团队完成工作的自然组成部分。

第三，合作是双向的。 随着合作关系的发展，OpenAI 将继续依赖 Jira 来帮助管理公司范围内的关键工作流。这既是客户关系的深化，也意味着 Atlassian 的产品在 OpenAI 自身运营中扮演角色。

第四，度量与治理会成为下一阶段的竞争点。 当 AI 智能体开始承接任务，工程领导者需要回答“AI 到底带来了多少提速、对周期时间和开发者体验有何影响”。DX 与 Jira 集成的探索，正是对这一问题的回应。

结论

Atlassian 与 OpenAI 的扩大合作，本质上是一次“前沿模型 + 企业上下文层”的拼接实验：OpenAI 提供推理能力与模型迭代节奏，Atlassian 提供 Teamwork Graph 所承载的组织知识，以及 Jira、Confluence、Bitbucket、Rovo 等实际工作发生的场所。

依据现有素材判断，这次合作的重点不在于发布某个单一功能，而在于打通一条从模型到工作流的通路——让 AI 从“理解工作”走向“采取行动”，同时通过 DX 等机制保留人类的控制与度量。对企业技术决策者而言，值得关注的不是 GPT-6 系列的具体参数，而是自家组织的“上下文层”是否已经准备好被 AI 调用。

配图建议：可配一张 Atlassian Rovo 与 Teamwork Graph 连接 Jira、Confluence、Bitbucket 等组件的架构示意图，或合作双方产品负责人公开演讲的现场照片。

生成标记：本文由 ITPUB 文章生成平台基于已选素材整理生成。