Atlassian 为人类与 AI 智能体协同工作奠定基础

Atlassian Corp. 今天宣布了 Agentic Multiplayer Protocol，这是一项旨在改变人类与人工智能代理协作方式的平台更新，通过在同一个数字空间内使用共享上下文和任务来完成工作。

在 Team ‘26 Europe 的发布会上，Atlassian 表示，它希望 AI 代理能像员工一样发挥作用，并将所谓的“多人模式”引入到一个完全受控的工作系统中，使人类和代理能够在开放环境中并肩作战。

AMP 旨在为每个代理提供其所需的数据上下文以发挥效用，并设定限制以确保其在平台范围内安全运行——这包括由管理层分配的身份，涵盖权限和范围。

“这是一场多人游戏，”AI 产品负责人 Jamil Valliani 在接受 SiliconANGLE 采访时表示。“人类和代理在一个非常动态的空间里共同工作，而且有很多参与者。”

然而，代理不能肆意妄为。Valliani 补充说，Atlassian 有一句内部格言：“无头软件意味着无脑软件。”公司的角色不仅仅是为自主代理提供连接和运行的软件而无需人工干预；自主性固然有用，但如果没有团队协作，它就毫无用处。

Rovo 是该公司的 AI 助手，现已成为一个强大的自主工具，它可以消失数小时去执行任务，但用户会设定并指导目标、审查提议的计划、纠正方向，并最终审查结果。

为了解决这一问题，Atlassian 宣布了 Rovo Work，这是 Rovo Chat 的一种新模式，专门处理需要人类审查和批准的复杂的、多步骤任务。它专为长周期任务而设计。

“当你选择向 Rovo Work 发送查询时，你实际上是在给 Rovo 权限去真正地全面释放其能力，”Valliani 说。

事实上，Rovo 还可以更进一步，而不仅仅是完成简单的工作。例如，当 Work 被要求处理一项它不熟悉的任务，且其模型训练数据中没有它所需的内容时，它会尝试进行自我训练。

在一个案例中，一位产品经理向 Work 索要一段适用于 Instagram 的视频。Rovo 没有使用其基础模型中关联的任何现有内容，而是研究了正确的指令，学习了输出格式所需的内容，并获得了视频合成工具。

这与标准 AI 模型的方法有本质区别，它从“这在我的训练中已经存在了吗？”转变为“我该如何学习做这件事？”

Valliani 还确认，对于高级用户，Rovo 可以在工作过程中生成自定义技能。虽然这是一项独立支持的功能，而不是说每种学到的行为都会变成用户可以导出的技能。

“我们无法想象客户会要求它释放出怎样的创造力，”Valliani 说。“我们希望客户去挑战它，并告诉它他们真正想要什么。”

Loom：用“演示你的意思”取代提示工程

Atlassian 还为普通用户带来了一些开发者在代码代理中长期使用的功能：演示而非口述。

Loom 是 Atlassian 生产的一款产品，允许用户录制自己和电脑屏幕的视频并与他人分享以提供指令。它也可以用来指导代理。例如，Loom 可以用来在用户界面的某些部分画圈，演示按钮被点击以及信息被输入到字段中的过程。