Jira
PulseAugur coverage of Jira — every cluster mentioning Jira across labs, papers, and developer communities, ranked by signal.
- developed by Atlassian 100%
- affiliated with Confluence 90%
- affiliated with Bitbucket 90%
- used by Confluence 70%
- used by Bitbucket 70%
- uses Bitbucket 70%
- used by Bifröst 70%
- instance of Jira Service Management 70%
- used by MCP Atlassian 70%
- partners with Amazon Quick 70%
- used by Amazon Quick 70%
- used by JSON-RPC 2.0 70%
- 2026-10-07 product_launch Jira's AI tool has launched a new feature to extend ticket length. 来源
- 2026-07-24 product_launch A new method has been introduced to automatically convert Jira tickets into draft pull requests. 来源
- 2026-07-22 product_launch Atlassian integrated AI features into Jira, enabling automated requirement generation and task assignment to AI tools. 来源
- 2026-07-15 product_launch Atlassian previewed its new AI-powered Jira Planner product. 来源
12 天有情绪数据
-
Jira AI 功能在不增加价值的情况下夸大文本
Jira 的 AI 功能在仅有少量上下文的情况下进行测试时，最初将一个两句话的工单扩展成了一个更长、重复的改写。后续使用该功能时，出现了在不增加实质性信息的情况下进一步夸大字数的情况。AI 的扩展能力似乎有限，在几次迭代后最终停止。
-
Atlassian 在 Team '26 Europe 上发布 AI 代理和 MCP Server
Atlassian 在其 Team '26 Europe 活动上宣布了多项新的 AI 驱动功能，包括 Agentic Multiplayer Protocol (AMP) 和 Atlassian MCP Server。AMP 旨在将 AI 代理与人类用户集成到 Atlassian 平台中，并显示在实时在线状态栏和光标中。现已普遍可用的 Atlassian MCP Server 提供了 200 多个用于管理 AI 集成的工具集，在许多配…
-
Jira AI 工具新增延长支持工单的功能
Jira 的 AI 工具推出了一项新功能，允许用户扩展其工单的长度。此功能旨在为支持工单提供更详细的信息。
-
新的AI运行时RIGHTCLICK使代理的软件功能正常化
RIGHTCLICK是一个新开源的AI运行时，旨在解决当前AI代理集成中的可扩展性问题。RIGHTCLICK不要求开发人员为GitHub或Slack等每个工具构建特定的连接器，而是旨在让AI能够动态地发现和利用任何软件或服务的功能。这种方法可以规范化功能，应用策略并验证执行，而无需新的AI集成或特定于提供商的工具。该运行时使用一个小型、一致的接口，使AI能够通过统一的机制与包括应用程序和API在内的各种服务进行交互。
-
Atlassian 警告数据中心产品存在严重文件访问漏洞
Atlassian 已发现一个影响其数据中心产品（包括 Jira、Confluence 和 Bitbucket）的严重安全漏洞。该漏洞（CVE-2024-1597）允许未经授权的文件访问。该公司已向用户发出警告，敦促他们立即采取行动以减轻风险，尽管公告指出由于该错误本身，创建 Jira 工单来解决此问题可能会很麻烦。
-
Claude Code：Agentic 编码工具集成开发工具，但指导并非强制执行
Claude Code 是一款 Agentic 编码工具，可以跨多个文件运行，并执行修复 bug、更新依赖项和管理 Git 操作等任务。它通过 MCP 与开发工具集成，使其能够与 Google Drive、Jira 和 Slack 等服务进行交互。然而，CLAUDE.md 文件中的指令被视为指导而非严格执行，这意味着需要绝对确定的操作，例如防止编辑敏感文件，必须通过权限规则或设置中的钩子进行配置。
-
MCP Atlassian 漏洞允许操作员凭据回退
在 MCP Atlassian 的 0.22.0 及更早版本中发现了一个安全漏洞。当通过 HTTP 发出未经验证身份的请求时，系统会默认使用操作员的 Jira 和 Confluence 凭据。这种回退机制允许未经授权的用户以操作员的权限访问这些工具。MCP 及其工具中的其他几个相关漏洞也已被报告，其中一些已被添加到已知漏洞利用目录中。
-
Databricks 发布 Genie Ontology，为企业 AI 提供上下文
Databricks 推出了 Genie Ontology 系统，旨在为 AI 代理提供分析业务数据的关键企业上下文。该本体集成了来自 Unity Catalog 等来源的精选信息，以及从文档、仪表板和应用程序中学习到的知识，并通过认证和使用情况等信号对上下文进行权威性排序。该系统旨在使 AI 代理能够准确回答业务特定问题，克服缺乏这种机构知识的通用 AI 模型的局限性。
-
四台 MCP 服务器存在未经身份验证的 CVE；mcp-atlassian 发现 29 个漏洞
本周，发现了四台不同的模型上下文协议 (MCP) 服务器存在关键的未经身份验证的漏洞，允许未经授权访问敏感数据和系统功能。这些问题，包括一台可以上传任何文件的 GitLab 服务器和一台存在逃逸漏洞的 IBM 沙箱，在 48 小时内由国家漏洞数据库 (NVD) 公布。此外，一个独立的 Python 包 mcp-atlassian 有 29 条 CVE 记录被公布，涉及类似的严重安全漏洞，包括反复出现的 DNS 重绑定漏洞，该漏洞允许访…
-
拥有Jira管理员访问权限的IDE代理存在安全风险，提示规则不足
授予IDE代理在Jira中不受限制的管理权限会带来重大的安全风险。文章认为，仅依靠基于提示的规则不足以防止潜在的事件。文章建议，需要一种更强大的方法来管理此类AI代理在开发工作流中的访问和功能。
-
通过字节限制的提示词注入，Jira 工作流规则获得持久化记忆
本文介绍了一种为 Jira 工作流规则添加持久化记忆的方法，使其能够在多次运行后依然保留信息，同时不超出提示词（prompt）的预算。该解决方案包含一个记忆存储库，用于累积关于特定 Jira 实例的经验教训，例如自定义字段的行为或 API 的限制。为了管理提示词预算，记忆的限制是基于 UTF-8 字节数而非字符数，这对于使用多字节字符的语言至关重要。该方法使用本地测试环境独立于 Jira 的 Forge 平台来测试记忆模块，确保在部署…
-
非政府组织项目经理使用Claude和MCP构建定制AI工具
一位项目经理详细介绍了如何使用Claude和模型上下文协议（MCP）为一家小型非政府组织构建定制AI工具来处理行政任务。定制解决方案解决了诸如电子邮件管理、文档组织和截止日期跟踪等挑战，这些挑战是昂贵或通用的现成软件无法充分满足的。该系统将AI与特定工具集成，用于处理电子邮件、转换文档、维护私人知识库以及自动化浏览器交互等任务，同时强调在发送电子邮件等关键操作中的人工监督。
-
模型上下文协议 (MCP) 成为 AI 的 USB-C 标准
模型上下文协议 (MCP) 正在成为 AI 代理与外部工具和数据集成的重要标准，这与 USB-C 的普及程度相似。该协议标准化了 AI 模型与各种系统交互的方式，通过减少每个框架对自定义包装器的需求，简化了开发和部署。MCP 使 AI 代理能够访问资源、执行工具和调用工作流，并由主机管理用户同意和日志记录。虽然 MCP 促进了连接，但确保 AI 代理理解并安全地与复杂系统交互仍然是一个重大挑战，需要强大的安全措施和仔细的系统设计。
-
AI编码瓶颈从编写代码转移到上下文管理
AI辅助编程的性质正从代码生成转向上下文管理。现代编码代理现在可以执行诸如仓库检查、命令执行和多文件修改等复杂任务。主要挑战已从“AI能写这段代码吗？”演变为确保AI拥有足够的上下文来编写*正确*的代码，将问题从简单的提示工程转变为驾驭工程。这包括为代理提供特定于仓库的指令，类似于人类工程师在开始任务前收集上下文以理解架构、约定和约束。
-
Amazon Quick 为 AI 构建的应用添加实时数据查询功能
Amazon Quick 推出了一项名为“应用内实时数据”的新功能，允许 AI 构建的应用实时查询受管的 Amazon Quick Sight 数据集。此前，应用只能显示创建时静态的数据。此次更新使用户能够访问最新的业务指标，并确保数据访问受到用户权限的管辖，从而增强了 AI 驱动的应用对各种组织角色的实用性。
-
AI生成的计划可能会模糊项目承诺中的关键变更
AI工具可以根据会议记录和数据生成完善的项目计划，但这可能会模糊承诺中的关键变更。AI可能会呈现一个修订后的时间表和风险评估，看似解决了差异，但它可能已经隐式地在范围或截止日期等冲突假设之间做出了选择。这可能导致团队在不知情的情况下遵循不同的一套承诺，因为AI连贯的输出可能会给一个未做出的决定赋予不当的权威，从而可能导致计划失败，不是因为不准确，而是因为缺乏关于改变的根本假设的清晰沟通。
-
新的LangChain代理可跨Slack、Jira自动化操作
一个新开发的、包含237行代码的LangChain代理，能够对新闻、日志和工单进行推理，然后在Slack和Jira等平台执行操作。该代理专为DevOps和自动化专业人士设计。
-
自动化修复循环使用编码代理关闭软件问题
本文详细介绍了如何使用编码代理和Jira集成来构建软件问题的自动化修复循环。该系统由Codacy开发，并被一家欧洲零售巨头使用，它自动化了识别、修复和关闭软件错误的流程。它包括一个脚本化工具、用于修复的编码代理以及用于合并的人工审批，旨在通过保持已知问题的解决来降低事件发生率。
-
开源模型被训练用于编写Atlassian Forge应用
一位开发者训练了一个拥有270亿参数的开源模型Qwen3.8-27B，使其能够生成Atlassian Forge应用程序。这个微调后的模型在其基础版本上表现出显著的改进，能够生成有效的Forge清单和可编译的应用程序，这是基础模型无法实现的壮举。开发者声称，这是第一个专门为编写Forge应用而训练的开源模型，其性能指标和训练细节已在Hugging Face和GitHub上公开。
-
在 Mac 上使用 LoRA 和 MLX 微调 Qwen LLM
本指南详细介绍了如何使用 LoRA 在配备 Apple Silicon 的 Mac 上微调 Qwen 模型，特别是 Qwen3.8-27B 和 Qwen3.5-9B。它提供了从环境设置到将训练好的适配器与基础模型合并的整个过程的七个脚本。教程强调了实际方面，如管理内存使用、优化训练轮次而非步数，以及适配器合并技术的重要性，以避免数据丢失。