AI-движок Atlassian Code Context: как он ускоряет разработку

Atlassian представила новую технологию Code Context, которая встраивает понимание кодовой базы в Teamwork Graph. Это позволяет AI-ассистентам, таким как Rovo, работать с кодом точнее и эффективнее, сокращая количество токенов, необходимых для генерации ответов. Без правильного контекста каждый день для coding-агента — как первый: даже умные модели могут давать неверные или бесполезные рекомендации, если не понимают структуру проекта, зависимости и историю изменений.

Code Context — это ответ Atlassian на фундаментальную проблему: современные AI-агенты, обученные на огромных массивах кода, часто не имеют доступа к специфике конкретной кодовой базы. Они могут написать код, но не знают, какие библиотеки уже используются, какие архитектурные решения приняты и какие файлы связаны между собой. Это приводит к ошибкам, дублированию и трате времени разработчиков.

Что такое Code Context и как он работает

Code Context — это движок, который строит граф зависимостей и семантических связей между файлами, модулями и сервисами в репозиториях организации. Он анализирует не только текущее состояние кода, но и историю изменений, включая коммиты, pull request'ы и комментарии. Эта информация попадает в Teamwork Graph — общую модель данных Atlassian, которая связывает код с задачами, багами и документацией.

Когда разработчик или AI-агент запрашивает контекст, Code Context предоставляет релевантную информацию: какие файлы связаны с текущей задачей, какие API используются, какие тесты существуют и как изменения повлияют на соседние модули. Это позволяет агенту принимать более обоснованные решения и генерировать код, который согласуется с архитектурой проекта.

Один из ключевых аспектов — мультирепозиторная поддержка. В крупных компаниях код часто распределён по десяткам или сотням репозиториев. Code Context объединяет их в единую картину, что критически важно для монорепозиториев и микросервисных архитектур. Это особенно актуально для команд, которые работают над большими системами, где изменения в одном сервисе могут затрагивать другие.

Предыстория и контекст

Atlassian уже давно инвестирует в AI-инструменты для разработчиков. В 2023 году компания запустила Rovo — AI-ассистента, который помогает находить информацию в корпоративных инструментах, таких как Jira, Confluence и Bitbucket. Rovo использует Teamwork Graph для понимания связей между задачами, документами и кодом. Code Context расширяет эти возможности, добавляя глубокое понимание кода.

Эта инициатива вписывается в общий тренд: крупные технологические компании, такие как GitHub (Copilot), GitLab (Duo) и OpenAI (Codex), активно развивают AI-инструменты для разработчиков. Однако Atlassian делает ставку на интеграцию с рабочими процессами: контекст кода связывается с задачами и проектной документацией, что позволяет агентам учитывать не только технические детали, но и бизнес-требования.

Важно отметить, что Code Context — это не просто поиск по коду. Это семантический движок, который понимает, что означает код, а не только его синтаксис. Он использует машинное обучение для анализа зависимостей и поведения, что отличает его от традиционных инструментов статического анализа.

Как это отличается от предыдущих подходов?

Раньше разработчики и AI-агенты полагались на ручной поиск по репозиторию или на простые индексы, которые не учитывают семантику. Например, если вы ищете функцию, которая обрабатывает платежи, вы можете найти её по названию, но не узнать, какие другие модули она вызывает. Code Context строит граф вызовов и зависимостей, что позволяет агенту видеть полную картину.

Кроме того, Code Context учитывает историю изменений. Если в коде есть TODO или комментарии, связанные с конкретным багом, эта информация становится доступной агенту. Это помогает избежать повторения ошибок и ускоряет процесс онбординга новых разработчиков.

Технические детали и интеграция

Code Context работает на основе Teamwork Graph — графовой базы данных, которая хранит связи между объектами. Для кода это означает, что каждый файл, функция, класс и зависимость представлены как узел, а связи — как рёбра. Это позволяет выполнять сложные запросы, например, «найти все места, где используется эта функция» или «какие сервисы зависят от этого модуля».

Интеграция с Rovo происходит через API: ассистент может запрашивать контекст для конкретной задачи, и Code Context возвращает релевантные фрагменты кода и описания. Это снижает количество токенов, необходимых для генерации ответа, потому что агенту не нужно отправлять весь код в модель — только контекст.

Atlassian также заявляет о поддержке популярных языков программирования и фреймворков, включая Java, Python, JavaScript, TypeScript, Go и другие. Система автоматически определяет язык и строит соответствующий граф.

Кого затронет и как

Code Context ориентирован на команды разработчиков, использующие Atlassian-экосистему: Jira для управления задачами, Bitbucket для хостинга кода, Confluence для документации. Это особенно полезно для крупных организаций, где много репозиториев и большая кодовая база. Разработчики получат более точные рекомендации от AI-агентов, а тимлиды — лучшее понимание влияния изменений.

Для бизнеса это означает сокращение времени на разработку и уменьшение количества ошибок. AI-агенты смогут быстрее находить нужный код, предлагать рефакторинг и писать тесты, что повышает производительность команды. Однако стоит отметить, что Code Context требует, чтобы код хранился в Bitbucket — для компаний, использующих GitHub или GitLab, интеграция будет ограничена.

Российским и СНГ-командам стоит учитывать, что Atlassian ушла из России в 2022 году, и официальные продукты недоступны для новых клиентов из региона. Тем не менее, многие компании используют альтернативные решения, и эта новость может быть интересна как пример тренда в AI-разработке.

Что будет дальше

Atlassian планирует активно развивать Code Context, добавляя поддержку новых языков и интеграций. В ближайшие месяцы ожидается расширение возможностей Rovo: агенты смогут выполнять более сложные задачи, такие как автоматический рефакторинг и генерация документации. Также вероятна интеграция с другими инструментами Atlassian, например, с Jira Service Management.

В более широкой перспективе Code Context может стать основой для новых AI-функций, таких как автоматическое создание pull request'ов или предсказание конфликтов. Это укрепит позиции Atlassian на рынке AI-инструментов для разработчиков, где конкуренция растёт с каждым днём.

Итог

Code Context — это значимый шаг в развитии AI-инструментов для разработчиков. Он решает проблему контекста, которая мешает агентам работать эффективно, и делает Atlassian-экосистему более привлекательной для команд, стремящихся автоматизировать разработку. Хотя технология пока доступна в ограниченном виде, её потенциал огромен: от ускорения онбординга до снижения затрат на инфраструктуру. Следите за обновлениями Atlassian — в ближайшие месяцы мы увидим, как Code Context изменит работу с кодом.