How Atlassian Williams F1 Team uses Assets to drive performance

A simpler way to run AI agents in Bitbucket Pipelines

Bitbucket Pipelines hiện cho phép quản trị workspace bật các AI agent tích hợp (Pipelines troubleshooter và Flaky test fixer) trực tiếp từ cài đặt workspace, không cần cấu hình thủ công từng repository. Hệ thống cũng bổ sung các step cấu hình tái sử dụng, cho phép nhóm định nghĩa cài đặt runtime như image, size, caches, services và permissions một lần và tham chiếu chúng qua nhiều step. Tính năng này giảm thiểu sự trùng lặp YAML trong khi vẫn cho phép ghi đè cài đặt riêng cho từng step. Với các số cụ thể và tên công nghệ rõ ràng, bài viết cung cấp hướng dẫn thực tế về cách tối ưu hóa workflow trong Bitbucket Pipelines.

Bài viết giúp bạn tối ưu hóa quy trình AI trong Bitbucket Pipelines bằng cách bật tác nhân có sẵn và tái sử dụng cấu hình bước, giảm thiểu trùng lặp YAML.

Put your conversations to work with the Teamwork Graph connector for Microsoft Teams

Trong Teams, các cuộc trò chuyện thường bị bỏ qua khiến công việc mất mát. Nguyên nhân kỹ thuật là Teams không có khả năng tìm kiếm, tóm tắt và thực hiện hành động trực tiếp trên dữ liệu trò chuyện, trừ khi tích hợp qua Teamwork Graph connector. Khi kết nối này được bật, người dùng có thể truy xuất, tóm tắt và thực hiện các hành động trên các cuộc trò chuyện trong Rovo, từ đó giảm thiểu việc mất công việc. Điều đáng học là sử dụng Graph connector để kết hợp dữ liệu từ nhiều nguồn (Teams, Rovo) tạo ra một lớp truy xuất thống nhất, nâng cao hiệu suất làm việc. Đối với lập trình viên cân nhắc đọc bài gốc, bài này cung cấp ví dụ cụ thể về cách triển khai connector và lợi ích thực tế mà nó mang lại.

Tìm hiểu cách chuyển đổi cuộc trò chuyện Teams thành tài liệu hữu ích với bộ kết nối Teamwork Graph.

Introducing Jira Planner

Jira Planner vừa ra mắt giai đoạn Early Access, giúp chuyển đổi ý tưởng thành các spec (PRD, tech specs, work breakdowns) có cấu trúc sẵn sàng cho tác nhân (agent) và cộng tác trước khi triển khai.

Lập trình viên nên đọc bài này để khám phá cách Jira Planner giúp tổ chức dự án từ ý tưởng đến triển khai bằng cách tự động hóa và chuẩn hóa các tài liệu kỹ thuật, yêu cầu và phân tích công việc trước khi code thực sự bắt đầu.

Building a real-time PWA on Atlassian’s own stack

Atlassian đã phát triển một PWA (Progressive Web App) thời gian thực cho sự kiện Unleash 2026 bằng cách tích hợp Jira và Rovo, cho phép hơn 500 người tham dự triển khai code trực tiếp lên môi trường sản xuất trong suốt sự kiện.

Là lập trình viên muốn triển khai ứng dụng PWA thực thời trên nền tảng Atlassian, bài này sẽ cung cấp kinh nghiệm cụ thể về cách xây dựng và triển khai hiệu quả trong môi trường có sự tham gia của hàng ngàn người đồng thời.

Find code faster: Introducing our new & improved search experience

Bitbucket Cloud has rolled out a new code search experience in open beta, rebuilt for speed and reliability with a dedicated full-page results view. Features include a global search entry point, syntax-highlighted results, keyboard navigation, and filters like repo:, lang:, and path: for narrowing queries. It targets common workflows such as onboarding, tracing errors across microservices, auditing API usage, and scoping refactors. The beta is rolling out progressively as workspaces get indexed, with future plans for natural-language search via Atlassian Rovo and semantic search that matches concepts rather than exact keywords.

Join our live webinars: Migrating from Atlassian to YouTrack

Atlassian is discontinuing sales and support for Data Center products. If you're exploring alternatives, join us for a live session on September 30 to see how Jira-to-YouTrack migration works, including a demo and real customer stories.

Atlassian Automates Root Cause Analysis by Correlating Metrics, Logs and Traces

Atlassian has outlined a new approach to automating root cause analysis for large-scale cloud-native incidents, using correlation across metrics, logs, distributed traces, and service topology to gene

Scaling localization at Atlassian: keeping translation at the pace of AI-era development

Khi phát triển ứng dụng với trợ lý AI, tốc độ ra mắt tính năng tăng gấp vài lần, khiến khối lượng văn bản cần dịch vượt quá khả năng xử lý của quy trình localization. Atlassian giải quyết bằng cách sử dụng AI để soạn thảo bản dịch sơ bộ và công cụ tự động sửa mã nguồn trước khi chuyển sang dịch.

Lập trình viên nên đọc bài này để hiểu cách Atlassian giải quyết vấn đề scaling nhanh hơn tốc độ dịch thuật khi phát triển ứng dụng với AI, từ đó tìm ra cách tối ưu hóa quy trình phát triển và dịch thuật để không bị kẹt trong quá trình phát triển ứng dụng.