研讨会回顾|Atlassian Cloud + Rovo AI 实战指南:Jira + Confluence + Bitbucket集成演示、龙智云迁移服务

研讨会回顾

近日,由Atlassian全球白金合作伙伴------龙智主办的《AI 驱动的 DevOps 云端转型------Atlassian Cloud + AI 实战指南》网络研讨会圆满落幕。

研讨会上,龙智Atlassian资深技术顾问齐鸣带来主题演讲,围绕传统开发痛点、Atlassian Cloud产品价值、AI(Rovo)赋能工具 链以及龙智云迁移策略 展开探讨,并通过现场演示,展示了如何使用Atlassian Cloud产品实现从需求到反馈的完整闭环,为希望提升研发效能、迈向智能协作的企业提供了清晰的路线图。

以下为本次分享的精华内容回顾。

挑战与变革:传统开发 Vs DevOps 敏捷开发

齐鸣首先指出传统开发模式中普遍存在的四大痛点:

  • **信息孤岛:**需求、设计、代码、测试等信息分散在不同工具中,团队需要耗费大量时间进行"考古式"追溯。

  • **交付周期长:**瀑布式开发导致从需求到上线常需数月,难以应对快速变化的市场需求。

  • **项目不透明:**管理人员难以获取真实进度,风险往往在后期集中暴露。

  • **协作效率低:**团队依赖零散沟通与"扔过墙"式的交接,容易滋生误解,责任界定不清。

如何打破这一僵局?齐鸣指出,答案是转向DevOps------它不仅是工具链的整合,更是文化、实践与工具的系统性融合。其中,工具作为承载文化、落地实践的关键载体,覆盖从规划、开发、测试到部署、运维的全生命周期。

**而Atlassian Cloud正是这样一个高度集成的 DevOps 作业系统,通过打通关键环节,实现端到端的自动化与可追溯性。**其强大之处在于:它们不仅覆盖了大部分关键阶段,更通过深度集成,将这些离散的工具点连接成一条顺畅、自动化的价值流------这正是实现高效DevOps实践的基础。

Atlassian Cloud产品体系及核心价值

Atlassian Cloud系列产品是如何构筑这个DevOps作业系统的?对此,齐鸣详细介绍了 Atlassian Cloud的产品架构及价值。

Atlassian Cloud 平台由多个紧密集成的云产品构成,它就像一套精密的作业系统,完整覆盖了 DevOps 从规划到运营的每一个环节,让团队能够在一个统一的平台上无缝协作。

其中,三个核心产品构成了项目开发的基石:

  • **Jira Software:**敏捷规划与项目跟踪的核心,确保每一项任务都清晰可见、有序推进。

  • **Confluence:**作为团队的知识库与协作中心,让所有需求和决策都有据可查、凝聚共识。

  • **Bitbucket:**专业的代码管理与CI/CD平台,从代码到构建部署,实现自动化流水线。

而围绕这个坚实的核心,Atlassian生态中还有其他的强大工具提供专项支持:

  • Jira Service CollectionJira Product Discovery分别精准对接IT服务管理与前沿创意探索;

  • OpsgenieStatuspage协同负责事件响应与状态透明;

  • Compass专门优化微服务时代的内部开发者体验;

  • Trello为轻量级协作提供了极致灵活性。

齐鸣老师聚焦三个核心产品,进一步阐述了Atlassian工具如何通过深度集成,提升信息流转与团队协作效率,最终实现降本增效。

数据贯通:

产品经理在 Confluence 写需求时,只需选中一段文字,就能直接生成 Jira 任务,需求秒变工单。

上下文共享:

开发者在 Jira 任务面板上,能直接看到关联的 Confluence 需求文档和 Bitbucket 的代码提交记录;反过来,Bitbucket 的每次代码提交也能直接链回Jira任务,让每次变更都有据可查。

流程自动化:

当代码在 Bitbucket 中通过评审合并后,可以自动触发测试,并实时将结果反馈回 Jira,自动更新任务状态。当生成的工件在 Bitbucket 完成部署后,则可以通过 Jira 的自动化规则通知用户。这种"推送"而非"手动查询"的机制,极大地减少了琐碎的人工操作。

统一追溯性:

用户在 Jira 中提交的故障工单可以直接向上追溯到相关的 Confluence 需求或设计文档、实现该功能的开发任务,以及在 Bitbucket 拉取请求时的所有代码提交记录。当某个功能出现问题时,团队无需再召开紧急会议,或翻查无数个分散的文档和日志,就能快速追溯。

Rovo(Atlassian AI)如何赋能智能工作流

齐鸣特别强调,Atlassian 正通过其新一代 AI 平台 Rovo,推动工作方式的智能化升级,并为与会观众系统分享了这一新成员如何赋能我们的智能工作流。

Rovo关键价值体现在:

  • **知识整合:**Rovo作为团队的"超级大脑",能够跨 Jira、Confluence、Bitbucket等工具构建统一的知识图谱。用户只需用自然语言提问(如"为什么这个功能这样设计?"),即可获得完整的上下文答案;

  • **自动化提效:**Rovo可自动完成工单摘要生成、常见问题回复起草、会议整理等重复性任务,将团队从重复劳动中解脱出来,真正专注于有价值的任务;

  • **降低协作门槛与沟通成本:**新成员可通过Rovo快速了解项目全貌,团队协作中也可快速获取历史决策与代码意图,显著减少"找人问历史"的沟通成本。

Rovo以四种形态提供服务:

  • **Rovo Search:**企业级统一搜索引擎,支持跨Jira、Confluence、BitBucket甚至第三方系统权限,进行敏感信息检索。

  • **Rovo Chat:**对话式"AI伙伴",无论是在编辑器还是移动端,都如同和同事聊天一般,让Rovo协助进行内容撰写、修改与总结。

  • **Rovo Agents:**自动执行任务的"AI同事",可自动处理工单、生成事故报告、提供代码审查建议等,真正"动手"帮你干活。

  • **Rovo Studio:**低代码AI定制平台,支持根据企业的实际业务流程,构建专属的AI助手和自动化流程。

"Rovo带来的价值是立体的:它首先是一个知识的即时获取引擎,让我们告别前面提到的手动"考古"的过程。其次,它是一个工作流程的智能升级引擎,自动执行重复任务,提升质量和效率。最后,它还是一个强大的定制化平台,让AI的能力能贴合我们行业和公司的独特需求,真正为我们所用。

简单说,Rovo的目标是让Atlassian平台从一个优秀的"工作系统",进化成一个理解你、辅助你、甚至能主动为你工作的 '智能工作伙伴'。这,就是我们迎接智能未来的方式。"

齐鸣介绍道。

具体应用场景:

  • 在 Confluence 里,你只需提供一个核心想法,AI 就能快速生成一篇结构清晰的需求文档初稿,让创作事半功倍。

  • 在 Jira 中,AI 能够根据简短的描述,自动完善用户故事,并智能生成详细的验收标准,确保需求清晰无误。

  • 在 Bitbucket 的代码评审环节,AI 能自动总结复杂的代码变更,让评审人员快速抓住核心改动,甚至识别潜在的风险,让代码质量多一重智能保障。

这些AI功能共同构成了一个智能工作环境,让团队中的每个角色都能更专注、更高效。

现场演示:从需求到部署的DevOps全流程

分享中,齐鸣还通过一个"现代化网上银行门户网站开发"的虚拟项目,全面展示了 Atlassian Cloud 产品如何通过深度整合,无缝连接从需求到部署的完整 DevOps 工作流程,以及 Atlassian AI(Rovo)如何协助实现高效、高质量的交付。

完整回放视频

Atlassian云迁移:策略、步骤与风险应对

随着Atlassian将战略重心全面转向Cloud,Data Center产品将于2029年3月结束生命周期。未来所有创新功能(包括 Rovo)将仅在Cloud版本提供。

为帮助企业平稳迁移,齐鸣系统介绍了龙智Atlassian团队所提供支持的从Data Center迁移至Cloud的六步法,以及重点关注的关键风险点。

迁移实施路径(六步法):

  1. **评估 (Assess):**盘点现状,识别自定义应用、数据规模及集成依赖。

  2. **规划 (Plan):**制定详细方案、时间表、回滚计划与团队分工。

  3. **准备 (Prep):**预配置Cloud环境,搭建测试实例。

  4. **测试 (Test):**演练迁移,验证功能与性能。

  5. **迁移 (Migrate):**执行最终切换,团队全程值守。

  6. **启动与优化 (Launch):**监控稳定性,收集反馈,持续优化。

关键风险与应对要点:

  • **应用生态:**许多本地插件在Cloud中不可用或功能有差异,需要提前评估并寻找替代方案。

  • **身份与权限:**用户目录迁移(如Crowd)、SSO切换(至Atlassian Access)及用户ID变更容易导致权限错乱,需要精细规划与测试。

  • **自动化与数据:**Cloud对自动化有执行限制,复杂脚本需要重写;大型实例(>500GB)或海量Issue可能导致迁移失败或耗时激增,需要事前清理与分批处理。

  • **链接与格式:**Confluence内部链接、Jira Issue链接可能失效,页面格式或宏可能丢失,需要用工具修复和验证。

  • **邮件与集成:**邮件规则和自定义SMTP配置需要重新适配,务必测试通知系统。

  • **Bitbucket 特定挑战:**PR历史迁移可能不完整,CI/CD流水线需要重新配置。

通过将清晰的迁移步骤与前瞻性的风险管控相结合,龙智Atlassian技术支持团队将帮忙您系统化地推进迁移,最大限度降低业务中断风险,确保团队顺利拥抱云原生未来。

龙智:您值得信赖的 Atlassian 云转型伙伴

作为 Atlassian 全球白金合作伙伴,龙智具备多项官方认证与实战经验:

  • 拥有 2 名 Atlassian 认证专家 及 21 位Atlassian认证个人;
  • 大中华区首家获得 Cloud Specialization Partner认证的合作伙伴;
  • 大中华区首家荣获Atlassian合作伙伴五星评级的服务商;
  • 提供开箱即用的专业配置、标准化与定制化培训;
  • 拥有强大的二次开发能力,提供定制化开发服务;
  • 已自主开发Atlassian插件20+,用户遍及22个国家和地区。

齐鸣在分享尾声表示:"选择正确的平台与合作伙伴,是数字化转型成功的关键。我们期待与更多企业携手,将效率与创新的构想变为现实。"

官网:www.shdsd.com

电话:400-666-7732

邮箱:marketing@shdsd.com

相关推荐
HyperAI超神经2 小时前
【vLLM 学习】Profiling
人工智能·深度学习·学习·cpu·gpu·编程语言·vllm
可触的未来,发芽的智生2 小时前
新奇特:象棋与麻将,解析生成大模型的两种哲学
javascript·人工智能·python·程序人生·自然语言处理
星源~2 小时前
TensorFlow 开发环境搭建指南:Anaconda 与 Miniconda 抉择及环境搭建步骤
人工智能·python·tensorflow·嵌入式·mcu+ai
DisonTangor2 小时前
Mac Studio配备1.5 TB显存——基于雷电5的远程直接内存访问技术
人工智能·macos·开源·aigc
李子琪。2 小时前
基于大语言模型的设计创新方法研究
人工智能·经验分享
未知原色2 小时前
3Blue1Brown《线性代数的本质》学习资料梳理
人工智能
未知原色2 小时前
数学基础:通过3Blue1Brown的线性代数、微积分系列视频直观理解核心概念 - 学习计划
人工智能
yuxb732 小时前
DevOps 从概念到 CI/CD 落地
笔记·devops
qq_430855882 小时前
线代第三章向量第三节:向量间的线性关系二
人工智能·算法·机器学习