Atlassian 发布 AMP：AI 写的代码，终于藏不住了

当代码不再知道是谁写的

先看一个 2026 年每个技术管理者都头疼的场景：周一早上 review 一个 PR，300 行 diff 里 200 行是 Claude Code 生成的、50 行是开发者从 ChatGPT 粘过来的、30 行是 Copilot 补全的、20 行是人手写的。CI 全绿，测试全过。请问：这 300 行代码，到底是谁写的？出了线上事故，找谁复盘？算人效的时候，这算谁的产出？

10 月 7 日，Atlassian 对这个问题给出了它的答案：Agentic Multiplayer Protocol（AMP，智能体多人协作协议）。官方把它定义为"人类与 agent 在 Atlassian 平台协作的基础"——agent 以身份（identity）、受限权限（scoped authority）、共享上下文、任务、可审查的结果参与多人协作。简单说：AI agent 不再是某个人账号背后匿名的"枪手"，而是协作空间里有身份、有权限边界、有行为记录的一等公民。

AMP 里装了什么：三件套

第一件：Teamwork Graph（团队协作图谱）。这是 AMP 的技术底座：把源码索引到函数、符号、类的粒度，开发者可以直接跨 Bitbucket 和 GitHub 搜索代码，不用把仓库 clone 下来。更重要的是归因能力——版本历史会精确显示每一处改动是人写的还是 agent 做的，覆盖 Claude、Codex、Figma 和 Rovo。Atlassian AI 产品负责人 Jamil Valliani 在采访里把话说得很重："大多数企业缺乏对代码来源的有意义可见性，这正是阻碍它们进一步采用 AI 的原因。"

第二件：Rovo Work。Rovo Chat 的新模式，专门处理复杂的多步任务：在人工监督和审批下，横跨 Jira、Confluence 和已连接的工具执行，可以在安全沙箱里连续运行数小时，直到完成用户批准的目标。这是对"agent 只能做 5 分钟小任务"的正面回应——长任务 agent 需要的不是更强的模型，而是"可被监督的长时间运行环境"。

第三件：EU AI Inference（欧盟 AI 推理）。地理围栏功能：LLM 推理只走欧盟境内托管的模型。对受 GDPR 和数据主权约束的欧洲企业，这是"能不能用"的准入门票，而不是"好不好用"的加分项。

Atlassian 表示上述能力即刻可用。另有一批"非人类身份"（NHI, non-human identity）管控能力——控制 AI 能看到什么、限制 agent 账号的授权范围——目前标注为"即将推出"（soon）。懂行的人都看得出来，这批"soon"的东西，可能比已经上线的更有价值。

分析师的冷水：归因最难的在中间地带

这场发布最有信息量的部分不是 Atlassian 说了什么，而是分析师们泼的冷水，句句值得 vibe coder 细品。

IDC 研究经理 Adam Resnick 指出："真正的价值不在于知道哪一行是谁敲的。企业想知道的是：在关键决策上——比如选哪个数据存储、怎么做认证——到底是人还是 agent 行使了判断力。最有用的 provenance（来源记录）应该证明'有意义的人工复核发生过'，而不是记录'某人点了批准'。"他的建议是风险分级 review：一个范围很小的 agent 改动，值得的审查力度可能还不如一次人类对支付系统的改动——来源只是输入之一，自治程度、改动后果、人工监督证据同样重要。

Aikido Security 的企业 CISO Mike Wilkes 从工程现实开刀："Git 能告诉你谁提交了改动，但越来越不等于谁（或什么）真正写了代码。开发者可能接受了 Copilot 建议、从 ChatGPT 粘了代码、把任务派给 Claude Code，或者让自治 agent 直接开了 PR。等代码到达仓库，大部分来源信息已经被压平成一个人类身份和一条 commit。"他算了一笔 CIO 的账：可靠的归因能让 CIO 第一次真正度量 agent 开发，而不是数 AI 许可证和 token 消耗——对比"人 vs agent 辅助改动"的周期时长、review 成本、返工、缺陷、回滚，最终算出"每个被接受改动的成本"。他说："可能发现 agent 贡献了 40% 的改动，但只创造了 10% 的工程价值——或者完全相反。这一刻，AI 归因就从版本控制的小功能，变成了回答'几百万美元 AI 投入到底有没有提升真实研发效能'的遥测层。"

咨询公司 Acceligence 的 CEO Justin Greis 则给了实用主义视角："想知道 AI 有没有让开发者更高效，我不需要逐行检查代码的 AI 血统。看周期时长、缺陷率、返工、吞吐、安全发现就行——看一个人用工具前后的产出质量和经济性。"

最狠的一刀来自 Dickson Research 的首席分析师 Frank Dickson："光打标签是薄弱的差异化，标签之下的身份控制平面才是真价值——而 Atlassian 把那部分标成了'soon'。"他还揪住了一个表述："Atlassian 说能把每次改动追溯到 agent 和'搭建它的人'。但搭建 agent 的人，不一定是审批它工作的人，他们可能分属不同团队。是审批工作的人拥有这份工作——版本历史应该让这种归属可见，而不是模糊它。"他举的例子很扎心：用某人凭证运行的 agent，会被记录成那个人；接受 AI 建议并提交的开发者，是以自己的名义签的字；人改了 agent 代码里的三行，这处改动就同时属于两者。"归因在两端很容易，难的是中间地带——而现在大部分工作恰恰发生在中间地带。"

归因难在哪：Git 的"作者"字段正在失效

理解 AMP 的价值，先要理解它要替代什么。Git 记录的 author/committer，在 agent 时代正在系统性失效，三个原因：

第一，本地 agent 冒用开发者身份。你在本机跑 Claude Code，它改完代码 git commit，author 写的是你。commit message 里可能有一行"Co-authored-by: Claude"，但那是约定俗成的文本，可以删、可以改、rebase 的时候直接丢了。靠文本约定做归因，相当于靠自觉交税。

第二，人机混合编辑无法拆分。agent 生成 100 行，你改了其中 5 行——这 5 行算谁的？Git 的行级 blame 只能告诉你"最后一次碰这行的是谁"，给不出"这行思想是谁的"。Atlassian 的方案是记录到"改动"级别而非"行"级别：一次 agent 发起的改动，即使人修过，血缘关系还在。

第三，多 agent 并行时身份爆炸。一个开发者同时开 Claude Code、Codex、Rovo 三个 agent，它们都以他的身份提交。没有 agent 身份层，你连"哪个 agent 引入了这个 bug"都回答不了，更别提"哪个 agent 性价比最高"。AMP 的"agent 身份"就是来解决这个的：agent 不再是人的影子，而是有独立身份的行为体。

看懂这三层，就能理解为什么分析师说"打标签是薄的，身份控制平面才是厚的"——标签是给人看的，身份控制平面是给机器做决策用的：权限、审计、计费都挂在身份上。谁先把这套身份设施做成默认，谁就卡住了下一个十年的研发平台入口。

为什么 vibe coder 也该关心一次"企业级"发布

AMP 看起来是写给大企业的，但它标志的拐点和每个独立开发者都有关：vibe coding 正在从"个人玩具"变成"组织生产力"，而"谁写的代码"正在从面子问题变成合规与成本问题。

先看合规侧。当你的 vibe 项目开始接企业客户，对方的安全问卷迟早会问："你们代码里 AI 生成部分的比例？review 流程是什么？"今天你靠口头回答，明天可能要靠工具证明。AMP 这类基础设施一旦铺开，"AI 代码无归因"会从默认状态变成需要解释的例外。

再看成本侧。Wilkes 那句"每个被接受改动的成本"值得所有用 AI 写代码的人咂摸：当你同时开 5 个 agent 并行干活，你怎么知道哪个 agent 在创造价值、哪个在烧 token 返工？今天靠体感，明天靠遥测。个人开发者现在就可以开始做轻量版——给 agent 的 commit 加上规范的 message 标记（比如 Co-authored-by: claude-code），给不同 agent 的任务打标签统计返工率。习惯先行，工具随后。

还有一层是职业侧的：当"AI 参与度"可被度量，"会指挥 AI"就从玄学变成可证明的能力。HackerRank 已经把"AI fluency"做成招聘指标（我们昨天刚报道过），AMP 这类归因设施会让"候选人用 AI 交付过什么、质量如何"变得可查。早点在你的公开项目里留下干净的"人机协作记录"，是在给未来的自己攒信用分。

我们的判断：归因不是为了甩锅，是为了定价

很多人第一反应是：归因是不是为了出事后甩锅给 AI？恰恰相反。归因的真正用途是定价——给 AI 的投入定价，给人的判断定价，给风险定价。没有归因，企业对 AI 的投入就是一笔糊涂账： licenses 买了、token 烧了，效能提升全靠"感觉"。Resnick 说得对：风险分级的 review、成本归因到每个改动，这些才是 CIO 愿意继续掏钱的依据。

对 vibe coder 的行动清单很具体：第一，从今天起规范你的 agent commit 信息，写清哪个 agent 做了什么，这是零成本的归因习惯；第二，保留"人做了关键判断"的证据——PR 描述里写一句"人工复核了认证部分的边界条件"，比一百行 AI 生成的注释更有长期价值；第三，如果你在做 toB 产品，把"AI 代码来源可追溯"放进你的安全白皮书，这会成为你和竞争对手拉开差距的差异化。

Atlassian 的 AMP 会不会成为标准，现在还不好说——"soon"的身份控制平面没落地之前，它更像一个宣言。但方向已经不可逆：当写代码的人从"一个人"变成"一个人 + N 个 agent"，记录"谁干了什么"的基础设施，就和当年 Git 记录"谁提交了什么"一样，注定会成为标配。早适应的人，会在新规则里占先手。