Atlassian представила Code Context (ранее Code Intelligence), новую функцию, интегрированную в Atlassian Teamwork Graph. Этот инструмент предназначен для предоставления ИИ-аагентам, таким как Cursor, Claude Code и Codex, релевантного контекста из всей кодовой базы перед выполнением задач. Code Context сочетает лексический и семантический поиск, позволяя разработчикам и агентам находить точные совпадения, задавать вопросы на естественном языке и извлекать соответствующий исходный код из нескольких репозиториев.
Ключевая особенность Code Context заключается в его способности связывать код с более широким организационным контекстом. Он может запрашивать информацию из связанных репозиториев, а также использовать дополнительные сигналы из элементов Jira, страниц Confluence, видео Loom и сторонних источников через более чем 50 коннекторов (например, Slack и Google Drive). Это дает агентам безопасный и учитывающий разрешения способ рассуждать о коде и работе, что приводит к более точным и качественным результатам. Внутренние тесты Atlassian показали, что агенты, обогащенные Teamwork Graph, обеспечивают на 44% более точные результаты при использовании на 48% меньше токенов по сравнению с агентами, работающими без этого контекста.
Почему это важно
Интеграция Code Context в Atlassian Teamwork Graph является значительным шагом в развитии инструментов для ИИ-кодинга. Она решает одну из ключевых проблем, с которой сталкиваются ИИ-аагенты: отсутствие глубокого понимания контекста проекта и организации. Предоставляя агентам доступ к широкому спектру информации — от исходного кода до задач Jira и документации Confluence — Atlassian позволяет им принимать более обоснованные решения и генерировать более релевантный код.
Это изменение имеет далеко идущие последствия для команд разработчиков. Оно не только улучшает точность и эффективность работы ИИ-агентов, но и способствует более быстрому онбордингу новых сотрудников, облегчает отладку в сложных многорепозиторных средах и улучшает кросс-командное взаимодействие. Возможность задавать вопросы о незнакомых сервисах или зависимостях на естественном языке, получая при этом точный контекст, значительно сокращает время, затрачиваемое на поиск информации и понимание кодовой базы.
Что это значит на практике
Для разработчиков и команд, использующих ИИ-агентов, Code Context открывает следующие возможности:
- Повышение точности ИИ-кодинга: Агенты будут генерировать, рефакторить и проверять код с гораздо лучшим пониманием контекста, что приведет к более качественным результатам и уменьшит количество ошибок.
- Экономия токенов и снижение затрат: Благодаря более релевантному контексту агенты используют меньше токенов для достижения желаемого результата, что напрямую влияет на операционные расходы.
- Ускоренный онбординг: Новые члены команды могут быстрее освоиться в проекте, задавая вопросы агентам, которые имеют доступ ко всей необходимой информации о кодовой базе и рабочих процессах.
- Эффективная отладка и планирование: Агенты могут помочь в отладке по нескольким репозиториям и в планировании изменений, предсказывая их влияние на другие части системы.
- Улучшенное межкомандное взаимодействие: Инженеры смогут лучше понимать системы, за которые они не несут прямой ответственности, что способствует более плавной совместной работе.