Atlassian Rovo 使用指南：从企业搜索到智能体工作流

Atlassian Rovo 能帮团队找到 Jira 工作项背后的决策，把 Confluence 中的知识整理成有用的答案，并将重复性工作交给智能体。对于已经同时使用这两款应用的团队，最值得先试的是周期性交接：汇总依据、起草进展说明，再由负责人核查。

截至 2026 年 11 月，可以这样区分各部分的用途：Search 负责查找，Chat 负责解释，Agents 执行明确的任务，Studio 用来搭建智能体和工作流。Rovo AI 指的是整套体验，并不只是聊天面板。

Atlassian 对套餐包含范围的说明是：“Rovo 包含在部分 Enterprise、Premium 和 Standard Cloud 套餐以及 Teamwork Collection 中。”详见 Rovo 功能与可用范围。

Atlassian Rovo 的各个部分在 Jira 和 Confluence 中能做什么？

Rovo 把信息查找、对话和重复性任务带进团队日常使用的应用。可以把它想成一家企业图书馆：既有图书管理员，也有各司其职的助手，还有配置这些助手的工作间。

Search、Chat 和 Agents 使用的是组织已连接、且当前用户有权访问的信息。它们不会让所有员工看到同一份企业知识。参见 Rovo 产品概览。

Chat 也能执行操作，包括创建 Jira 工作项或发布 Confluence 页面。智能体的作用，是让特定角色及其指令可以反复使用；执行操作并非智能体独有的能力。参见 Chat 操作与确认机制。

Studio 现已成为独立的搭建应用。 当前工作区涵盖智能体、自动化流程和无代码应用，可以从应用切换器打开。Atlassian 将这些体验背后的上下文网络称为 Teamwork Graph，它连接人员、工作和内容。就像图书馆目录中的交叉索引，把一项决策与所属项目、参与人员联系起来。参见 Studio 当前支持的功能。

处理日常工作时，先提出一个具体问题。在 Jira 工作项中，可以试着问：“解释这个工作项的目标，并指出尚未解答的问题。”在 Confluence 提案中，可以问：“按照链接中的决策标准审阅此页面，指出哪些地方缺少依据。”同时附上相关链接和时间范围。Chat 能使用当前查看的内容，以及你明确添加的上下文。参见 Chat 上下文与提示词选项。

这对业务的实际意义，是缩短准备工作的链条。发布负责人通常要收集工作项、查找决策、核对两者，再撰写进展说明。有用的 Rovo 工作流应当生成一份带依据的初稿，供负责人核对。衡量效果时，要把检查和修改的时间也算进去；生成得快，本身不等于节省了时间。

连接外部应用前，先看数据如何进入 Rovo

连接了某款应用，并不代表 Rovo 已为整个工作区建立索引。Atlassian 现在将这些连接器称为 Teamwork Graph 连接器，它们有三种访问方式。

Synced 和 Direct 连接器需要管理员配置，Smart Link 连接器则不需要。部分受支持的同步连接器可以同步权限，无须每位用户分别登录；另一些则需要个人授权。参见 连接器类型及其要求。

有用的外部来源包括 Google Drive 或 Microsoft SharePoint 中的文档、Slack 中的讨论，以及 GitHub 仓库。Figma 设计和 FigJams 也列在 Smart Link 目录中。在承诺覆盖范围前，要逐一检查连接器支持哪些内容类型。

连接器目录还有一层区别：Included 连接器可以提供默认工具，用户完成授权后即可运行；Added 连接器则由管理员配置，用于更广泛的检索或索引。看到某个内置工具，并不能证明该应用的内容已全部可搜索。参见 支持的连接器与配置入口。

第一周，只连接保存着关键缺失材料的那个资料库。把所有可用连接器都加进来，会增加故障排查的难度。同样的试点原则，也适用于更大范围的 AI 企业搜索部署。

第一周，怎样搭建 Rovo 智能体？

可以先做一个 Release Brief 智能体：根据明确划定的 Jira 范围和相应的 Confluence 决策页面，起草内部发布简报。发布负责人很容易核查这种输出。

如果已有智能体适合这项任务，就先试现成的。打开 Chat 的智能体菜单或 Studio 智能体库，查看智能体详情，再开始对话。使用 Rovo 智能体，并不要求先自行搭建。参见 如何浏览可用智能体。

自建试点可以按这份五天计划推进：

1. 周一：确定任务和负责人。 选定一次发布、对应的来源页面，以及负责审批简报的人。请管理员核查 Rovo 访问权限、企业域名验证要求，以及你是否有权在 Studio 中创建智能体。记录现有准备流程的耗时。
2. 周二：创建智能体。 在 Rovo agent 下，依次打开 App switcher → Studio → Agents → Create。描述角色，确定名称、指令和对话开场提示，然后选择 Next。检查知识、工具及推理设置。引导式流程最后选择 Create；手动配置最后选择 Activate。参见 智能体创建说明。
3. 周三：测试只生成草稿的任务。 提供 Jira 范围和 Confluence 参考资料，暂不配置写入工具。要求列出已完成工作、未解决的阻碍、决策及缺失的依据。分别测试正常发布、文档相互冲突，以及来源材料无法回答的问题。
4. 周四：测试访问权限与审阅流程。 让权限不同的目标用户试用智能体，核查每个来源链接。知识选择和提示词只是对任务的指导；真正的访问控制要靠账号权限与内容权限。
5. 周五：决定是否保留。 把准备加审阅的总耗时与基线比较。只有负责人能够核查简报、且总工作量下降，才保留这个方案。测试通过后，再添加一项确有必要的写入操作。

下面这段初始指令可以按需修改：

根据我提供的 Jira 范围和 Confluence 链接，起草一份内部发布简报。分别列出已完成工作、尚未解除的阻碍、决策及未解答的问题。为每项事实陈述附上来源链接。明确标注依据缺失或相互冲突的地方。不要因为某条评论语气乐观，就推断工作已经完成。返回草稿供人审阅；不要发布内容，也不要修改工作项。

这段指令是一种流程设计，并不保证模型会遵守每一条规则。移除不必要的写入工具，并检查输出，才能让试点产生价值。

要认真选择智能体使用的账号。 选择 User's account 时，交互式智能体沿用当前使用者的权限；选择 Agent's account 时，则使用分配给智能体自身身份的权限。在自动化场景中，用户账号选项使用的是自动化创建者的权限。Atlassian 建议大多数自动化任务采用智能体账号，以便缩小访问范围。参见 智能体身份与访问规则。

工具（tool） 是一项具体操作，例如创建页面。技能（skill） 则为多步骤任务提供可复用的指令。无论指令多巧妙、智能体名称多响亮，都不能据此决定它应该拥有哪些权限。

试点成功后，可以在 Studio 中通过 Triggers → Add automation trigger，或自动化流程的 Use agent 操作，将智能体接到某个事件上。当前的自定义智能体流程能够直接执行操作，无须每一步都确认。管理员或用户控制项可以阻止这些写入；之后的自动化操作便使用智能体返回的文本。在文档给出的流程示例中，内置智能体也需要后续操作。参见 当前智能体自动化行为。

六种值得尝试的工作流，按实用价值排序

最适合的任务都有重复出现的输入、明确可辨的输出，以及能够判断结果是否正确的人。下面是建议用途，并非已测得的节省效果。

我的首选是发布简报。它同时用到两款应用，重复频率高，产出的材料也有熟悉核查方法的负责人。相比之下，面向整个组织的知识清理，成功标准要苛刻得多。

扩大使用前，管理员应检查哪些数据与权限控制？

这些关键控制项分别管理不同问题：谁能使用 AI、谁能搭建、智能体能访问什么、数据存在哪里，以及贡献的数据会被如何使用。

AI 访问控制并不是数据排除清单。 在 Atlassian Administration 中，通过 AI and Rovo → Access 管理应用访问。阻止某款应用，会禁用它的 AI 体验；但只要站点内另一款应用仍启用 AI，Rovo 仍能使用整个站点中有权访问的数据。来源权限依然不可或缺。参见 Rovo 访问控制。

检查 Studio 创建权限。 Studio 应用管理员可以通过 Settings → Studio settings → Agents，允许所有用户、指定用户组，或仅 Studio 应用管理员创建智能体。指定用户组选项最多支持十个组。参见 Studio 创建权限。已迁移的组织还应检查从 Jira、Confluence 和 Jira Service Management 继承到 Studio 的角色：Studio 应用管理员拥有完整的创建权限。参见 Studio 成为独立应用后有哪些变化。

区分模型提供商训练与 Atlassian 数据贡献。 Atlassian 表示，其第三方模型提供商既不会保留客户输入和输出，也不会用这些数据训练服务。但默认处理方式仍可能将数据发送给这些提供商。符合条件的 Cloud Enterprise 组织可以申请仅使用由 Atlassian 托管的模型。关闭 AI 功能后，非 AI Search 仍可使用。参见 Atlassian AI Trust Center。

Rovo 自身会在对话历史中保存 Chat 提示词和回复，保留期为 30 天。参见 Chat 历史与保留规则。

Atlassian 另有自己的数据贡献政策。它可以使用去标识化、聚合后的元数据改善体验，包括从 Rovo 对话中提取的常见短语和主题；贡献的元数据也可用于在 Atlassian 内部微调开放模型。这项政策于 2026 年 8 月 17 日发生变更。参见 数据贡献常见问题。

检查 Administration → Security → Data contribution。组织内当前有效的最高级别套餐决定默认设置，试用套餐也算在内：

特定合规安排可能采用不同的默认值。应直接检查组织实际设置，不能认为“第三方不拿数据训练”就已经回答了所有问题。参见 数据贡献默认值与可用控制项。

数据驻留范围与处理地点要分开检查。 Rovo 支持在指定区域存储范围内的数据，包括聊天会话日志、智能体配置、书签和摄取的第三方内容。使用 Atlassian 应用开发平台 Forge 在 Studio 中搭建的应用，其源代码和配置不在这一范围内。指定存储地点，并不意味着每次 AI 请求都在那里处理。参见 Rovo 与 Studio 的数据驻留范围。

围绕 Rovo，可以做哪两类有价值的方案？

机会在于建立可靠的团队工作流，并持续维护来源和评估效果。以下是面向内部团队，或为 Atlassian 客户提供服务的专业人员可以尝试的实施方案。

发布简报实施：最值得优先考虑。 工程运营负责人可以为可复用的简报智能体、约定的输出模板、负责人审阅流程，以及修改记录投入预算。最小可用版本只覆盖一个发布流程，并且只输出草稿。DataForSEO 在 2026 年 11 月 5 日的查询估算显示，“jira automation”在美国 Google 的月搜索量为 1,300 次。这说明更广泛的任务需求受到关注，并不能证明用户会购买这个具体智能体。难点在于：Rovo 已经提供了搭建所需的组件。方案的价值必须来自贴合客户流程，并持续保证输出可靠。

持续维护的入职知识包。 IT 或员工赋能负责人可以为精选的 Confluence 来源、针对岗位的智能体，以及新员工实际会问的问题测试集投入预算。最小版本覆盖一个团队，并将未解答的问题转交给指定知识负责人。同一次 DataForSEO 查询估算，“knowledge management”在美国的月搜索量为 2,900 次，这只是宽泛品类的需求信号。难点在于，大部分工作其实是明确文档责任和持续维护。把智能体接在相互矛盾的页面上，只是给这些矛盾加了一个对话入口。

Rovo 常见问题

在 Jira 中怎样打开 Rovo？

点击头像附近的 Ask Rovo，或右下角的 Rovo 按钮。受支持的编辑界面还提供 /ai 或 /rovo。如果无法使用，请管理员检查访问权限。

Atlassian Rovo 就是 MCP 吗？

Rovo 指的是更广泛的 AI 体验。Atlassian MCP Server 则是一种连接接口，让外部 AI 客户端可以使用 Atlassian 数据。MCP 的全称是 Model Context Protocol，即模型上下文协议。在 Jira 或 Confluence 内使用 Rovo，无须配置这项连接。参见 Atlassian MCP Server 概览。

Rovo 能与 Jira 或 Confluence Data Center 配合使用吗？

有对应的 Data Center 连接器，但完整的 Rovo AI 体验需要符合条件的 Cloud 订阅。连接 Data Center 知识，并不会让 Rovo 变成本地托管服务。参见 Data Center 访问要求。

有哪些实用的 Rovo 智能体示例？

发布简报起草、待办事项审查和提案审阅，都是合理的起点。选择来源材料可访问、且有人能判断结果的任务。范围明确、反复发生的工作，比一个被期待什么都能回答的助手更容易评估。

Rovo 的实际边界，以及周一可以迈出的第一步

Rovo 无法消除文档矛盾，不能替企业决定该信任哪份来源，也不会让生成的陈述自动具有权威性。即使语气肯定，也要把输出当作草稿。受限于某位用户访问权限的答案，还可能遗漏另一位同事认为必不可少的信息。

操作也有具体限制。Atlassian 当前文档规定，每次 Jira 批量操作最多处理 20 个工作项；其 Edit page 工具会把内容追加到 Confluence 页面底部。不要假定它能精准改写任意章节。在交互式智能体聊天中，影响较大的工具会请求确认；自动化流程的执行方式则有所不同。参见 智能体工具、确认机制与限制。

包含 Rovo 的套餐仍有使用额度。在扩大成功试点前，要监控组织共享的 Rovo credits，以及连接器的索引容量。参见 Rovo credits 如何计算。连接器已存在，也不代表每个文件都能用于回答问题。

**周一就做这件事：**发布负责人与 Atlassian 管理员选定一次真实交接，核实来源和访问权限，再搭建一个只生成草稿的 Release Brief 智能体。只有经过核查的输出能减少总工作量，才保留它。如果没人负责来源质量，也没人能审阅结果，就先解决这件事。

如果你希望围绕团队实际流程搭建范围明确的 Rovo 工作流，可以寻求 AI 智能体开发支持。

关键词

Atlassian Rovo、Jira AI、Rovo 智能体、Rovo 使用指南。