随着人工智能(AI)编码代理的快速普及，单纯的代码生成正逐渐成为一项"通用功能"。相应地，软件行业的关注点也正从"写代码能有多快"转向"如何让开发者少受阻"。
Atlassian($TEAM)正顺应这一变化，强化其基于AI的软件开发全生命周期战略。其核心并非代码编写本身，而是减少占据开发者大部分时间的诸如信息搜寻、工具间切换、需求确认、代码审查等"非编码摩擦"。
Atlassian开发者AI工程总负责人Ming Wu最近在"Atlassian团队"活动中说明，开发者实际用于编码的时间仅占整体的16%。其余时间则消耗在寻找所需上下文、穿梭于多个协作工具以及协调团队对齐上。
他指出，要提高开发者生产力，关键在于并非单纯地生成更多代码，而是消除阻碍工作的瓶颈。并解释道，像代码审查、信息搜索、需求澄清、防止重复工作等过程，在实际工作场景中才是更大的生产力问题。
成为AI开发竞争核心的"上下文工程"
早期的AI投资潮集中于代码自动生成，但最近，试图用AI连接开发全过程的尝试正在增加。Atlassian的"Rovo Dev"是一个将Jira、Confluence、Bitbucket连接成一个统一的上下文层，从而在整个开发生命周期中应用AI的平台。
Ming Wu指出，其中最重要的因素是"上下文工程"。这意味着并非简单地拼接工具，而是首先要将分散在多个系统中的信息和关系整理成AI能够理解的形式。他解释道，如果没有适当的上下文，无论是人还是AI都难以做出正确的判断。
这一点也为最近的AI引入竞争提供了重要启示。因为随着生成式AI性能的平均化，差异化关键点很可能更多地取决于"如何准确连接上下文"而非模型本身。这也是Atlassian在企业软件市场中试图将协作数据与开发数据捆绑在一起的原因。
开发者角色也在变化……职业边界日益模糊
AI的扩散不仅影响着开发者体验，也影响着组织结构。传统上，通常是产品经理(PM)整理需求交给工程师，再由工程师负责实现的分工体系。但分析认为，随着AI工具压缩了中间环节，这种边界也正在逐渐淡化。
Ming Wu表示，开发人员与其他职能之间的界限正变得越来越模糊。各个角色会更深入地理解对方的领域，并以更"跨学科"的方式工作。这表明AI在减少简单重复性工作的同时，反而提升了协作与决策的重要性。
最终，在本次AI周期中，开发者体验的胜负手并不仅仅是"更快的编码"。能否及时连接所需信息、协调团队间的上下文、以及减少重复性摩擦的体系正变得更为重要。Atlassian的战略可以被视为AI时代软件竞争正从代码生成转向"工作流优化"的一个例证。
TP AI注意事项 本文基于TokenPost.ai语言模型进行摘要。正文主要内容可能有所遗漏或与事实不符。