Atlassian OpenAI 合作：知识计划交付全景
内容刷新 / GEO：补 English summary 与最新核对清单 — rh-atlassian-openai-knowledge-plan
ガイド一覧 · 本文は主に簡体字中国語です。国際向けの要点は English summary をご利用ください。
Atlassian OpenAI 合作：知识计划交付全景
Atlassian 与 OpenAI 合作将企业知识转化为可执行的交付计划，适用于需要把 Jira、Confluence 等工具数据直接注入 AI 的团队。合作让 Rovo、ChatGPT 和 Codex 能访问 Teamwork Graph 上下文，实现从规划到代码开发的完整闭环。适用于已有 Atlassian Cloud 账号并开通 ChatGPT Enterprise 或 Codex 付费计划的企业团队，本指南帮你快速判断是否匹配并决策下一步。
现状与数据更新
2026 年 10 月 6 日，OpenAI 与 Atlassian 正式扩大合作，引入 GPT-6 系列前沿模型（包括 GPT-6 Astra），直接赋能 Atlassian 平台上的 AI 代理。Rovo 结合 Teamwork Graph（连接人、项目、文档和决策的上下文层），让 AI 理解真实业务流程。 [[1]](https://openai.com/index/atlassian-partnership/)
核心更新包括：
- Atlassian 平台上的 AI 代理使用 OpenAI 模型，处理计划、构建和交付任务。
- 超过 3000 名开发者已在 Codex 终端、IDE 和代码审查中应用相关插件，基于 Teamwork Graph 直接拉取 Jira 工单和 Confluence 文档。
- 官方 MCP Server 让 ChatGPT 和 Codex 能调用 Jira、Confluence、Bitbucket 等工具，权限严格受控于企业设置。
数据来源以 OpenAI 官网和 Atlassian 官方页面 2026 年 10 月最新挂牌信息为准，实际可用性取决于企业订阅和授权。
核对清单
使用以下检查清单验证是否准备好接入合作：
| 检查项 | 是/否 | 备注 |
|---|---|---|
| 订阅级别 | ChatGPT Team/Enterprise 或 Codex 付费计划（Plus 以上） | |
| Atlassian 账号 | Cloud 版本 + 有效 OAuth 授权 | |
| Rovo / MCP 访问 | 已启用团队工作图上下文层 | |
| 团队权限设置 | 企业策略允许 AI 调用 Jira/Confluence | |
| 测试环境 | 先用 Deep Research 模式验证上下文拉取 |
若任一项缺失，先联系管理员开通对应权限。
风险与边界
合作基于官方集成，存在以下风险：
- 上下文依赖于 Teamwork Graph 准确性，文档更新延迟可能影响建议质量。
- 敏感数据传输需遵守双方隐私政策，建议仅处理已授权内容。
- 升级后需重新验证 MCP 连接，否则可能出现临时中断。
非法律意见声明：本文基于公开官方公告和用户常见场景整理，仅供参考，不构成具体业务建议。实际效果以你企业环境为准，建议在生产环境前测试。
站内路径
直接跳转到官方资料确认最新状态：
风险与边界
（同上，重复已合并为边界部分）
English summary
Atlassian and OpenAI expanded their partnership on October 6, 2026, to turn enterprise knowledge into actionable delivery plans. GPT-6 frontier models now power Rovo agents across Jira, Confluence, and the Teamwork Graph, giving teams real-time context for planning, building, and shipping work. This integration connects ChatGPT and Codex directly to Atlassian tools via official MCP Server, ensuring permissions are respected and actions stay within your enterprise boundaries. More than 3,000 developers already use Codex plugins for code review with live project context. The setup creates a closed loop: define goals in Jira and Confluence, pull live data into ChatGPT or Codex, review suggested actions, and keep Jira as the system of record. Ideal for mid-to-large teams with existing ChatGPT Enterprise or Codex subscriptions who want to reduce context-switching and improve delivery speed. Data is current as of the latest OpenAI and Atlassian announcements; always verify permissions and test in a controlled environment first.