大家好！

顺便说一句，这篇文章也是在 Rovo Dev CLI 的 AI 助手功能帮助下写成的。很方便吧！

这次，我将为大家介绍由 Atlassian 开发的 AI 助手工具“Rovo Dev CLI”。

这是一款类似于热门工具“Claude Code”的工具。你可以在终端上与 AI 对话，让它帮助你编码、创建测试、进行重构等等，用途非常广泛。而且，目前它正处于 Beta 测试阶段，可以免费使用。

不过，在 Windows 的 PowerShell 中直接使用时，日文会出现乱码……

但别担心！ 本文将从基本用法讲起，介绍如何使用“WSL2”和“VSCode”完美解决乱码问题，甚至还会介绍如何利用“MCP 联动”功能让 AI 指挥 3D 建模，并附上具体的操作步骤。

Rovo Dev CLI 是什么？

Rovo Dev CLI 是由开发了 Jira 和 Confluence 的知名公司 Atlassian 开发的一款命令行 AI 助手。

我亲自问了 Rovo Dev 本人“你用的是哪个模型？”，它回答说用的是 Anthropic 公司的 Claude 系列模型。

Windows 用户请从这里开始！WSL2 的设置

如果你在 Windows 上使用 Rovo Dev CLI，我强烈推荐使用 WSL2 (Windows Subsystem for Linux 2)。 正如刚才所说，这是因为直接在 PowerShell 中使用时，日文会显示为乱码。

WSL2 的安装与配置

1. 安装 WSL2

打开“PowerShell”，执行以下命令。

1

wsl --install -d Ubuntu-24.04

在我的环境中，需要重启一次电脑才能让 WSL 正常启动。如果你的也无法运行，可以试试这个方法。

2. WSL2 的初始设置

安装完成后，Ubuntu 会启动，这时请设置你的用户名和密码。

3. 配置便捷的镜像网络模式

设置 WSL2 的新功能“镜像模式”后，Windows 和 WSL2 之间将共享网络，无论在哪一边都可以通过“localhost”访问。 这对于后面要介绍的 MCP 联动功能来说非常方便。

在你的 Windows 用户文件夹（C:\Users\你的用户名）中创建一个名为 .wslconfig 的文件，并写入以下内容。

1
2

[wsl2]
networkingMode=mirrored

你也可以通过菜单中的“WSL Settings”完成同样的操作。

4. 重启 WSL2

为了让设置生效，请在 PowerShell 中执行此命令。

1

wsl --shutdown

之后，请再次启动 WSL2（Ubuntu）。

这样，WSL2 的环境就准备好了。 下一步，我们将从 VSCode 连接到这个 WSL2 环境，以便更舒适地进行操作。

从 VSCode 连接到 WSL2

接下来的所有操作，我们都将通过 VSCode 的 WSL 扩展来完成。

VSCode WSL 扩展的安装与连接步骤

1. 安装 VSCode

如果你还没有安装，请从官方网站下载并安装。

2. 安装 WSL 扩展

启动 VSCode，在左侧的扩展标签页（Ctrl+Shift+X）中搜索“WSL”并安装。

3. 连接到 WSL2

点击 VSCode 窗口左下角的绿色图标，选择“连接到 WSL…”。

4. 选择 Ubuntu-24.04

选择刚才安装的 Ubuntu-24.04。

5. 打开终端

从 VSCode 菜单中选择“终端”→“新建终端”，或者使用快捷键 Ctrl+` 来打开终端。 像图中那样打开也可以。

现在，从 VSCode 访问 WSL2 的 Ubuntu 的准备工作就完成了！ 接下来的操作，我们都在这个 VSCode 内的终端里进行。 编辑和创建文件也可以使用 VSCode 的编辑器，非常方便。

安装与初始设置

1. 安装 ACLI (Atlassian CLI)

Rovo Dev 是通过一个名为 ACLI 的 Atlassian 通用工具来使用的。首先，我们把它安装到 WSL2 的 Ubuntu 中。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

# 安装必要的软件包
sudo apt-get install -y wget gnupg2

# 配置 APT 仓库
# 创建用于存放密钥的目录
sudo mkdir -p -m 755 /etc/apt/keyrings
# 下载公钥并转换为 GPG 格式
wget -nv -O- https://acli.atlassian.com/gpg/public-key.asc | sudo gpg --dearmor -o /etc/apt/keyrings/acli-archive-keyring.gpg
# 设置密钥文件的权限
sudo chmod go+r /etc/apt/keyrings/acli-archive-keyring.gpg
# 将仓库信息添加到 APT 配置中
echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/acli-archive-keyring.gpg] https://acli.atlassian.com/linux/deb stable main" | sudo tee /etc/apt/sources.list.d/acli.list > /dev/null

# 安装 ACLI
sudo apt update
sudo apt install -y acli

如果你使用其他操作系统，可以参考官网的Install and update页面上的步骤。

2. 获取 Atlassian API 令牌并进行认证

接下来，我们去获取用于登录 Atlassian 账户的 API 令牌。

1. 访问 Atlassian ID 个人资料。
2. 点击“Create API token”，为令牌起一个容易识别的名字（比如 rovo-dev-cli），然后创建令牌。

3. 生成的令牌只会显示一次，请务必复制并保存在某个地方！

令牌准备好后，在终端中执行此命令进行认证。

1

acli rovodev auth login

输入你的电子邮箱地址，然后粘贴刚才复制的 API 令牌，即可完成认证。

3. 启动！

好了，终于要启动 AI 助手了。

1

acli rovodev run

执行此命令后，终端将切换到与 AI 的对话模式。是不是很激动人心！

了解这些会更方便！基本用法

Rovo Dev CLI 提供了许多能让开发工作变得轻松愉快的功能。

自定义提示（自定义指令）

每次都重复提同样的要求，是不是有点麻烦？在这种时候，自定义提示功能就非常方便了。你可以预先告诉 AI一些背景知识。设置方式类似于 Claude 桌面版的 CLAUDE.md。

有三种设置方法：

1. 全局配置文件 在 ~/.rovodev/config.yml 中像这样写入。这是对整个电脑都有效的指令。

1
2
3
4

additionalSystemPrompt: |
  你是 Python 和 TypeScript 的专家。
  编写代码时，请务必包含测试。
  请用简洁的中文进行说明。

2. 全局 Agent 文件 在 ~/.rovodev/.agent.md 文件中，写入想让 AI 读取的指令。由于是 Markdown 格式，你可以写得更详细。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

# 开发者指南

## 编码风格
- 使用 2 个空格进行缩进
- 函数名使用 camelCase
- 类名使用 PascalCase

## 测试方针
- 单元测试是必须的
- 活用 mock 来加速测试

3. 项目特定指令 在你正在工作的仓库根目录下创建一个 .agent.md 文件。这对于编写团队共享的规则非常方便。个人设置可以写在 .agent.local.md 中，这样可以被 Git 忽略，我非常推荐。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14

# 项目特定指南

本项目是使用 Next.js 和 TypeScript 开发的 Web 应用。

## 架构
- pages/ - 用于路由的页面组件
- components/ - 可复用的 UI 组件
- lib/ - 工具函数和助手函数
- styles/ - CSS 模块和全局样式

## 开发规则
- 组件应使用函数式组件创建
- 状态管理使用 React Hooks
- API 请求使用 SWR

所有这些设置都可以组合使用，AI 会综合考虑所有指令来回答你。通过编写有效的自定义指令，你可以从 AI 那里获得更高质量的回答。

命令示例

在对话模式中，你可以这样提问。

• summarize this file ./path/to/file.js: 总结一下这个文件！
• add unit tests for UserService: 为 UserService 编写单元测试！
• Refactor this complex function to be more readable: 把这个复杂的函数重构得更容易阅读！

AI 能够正确理解目录结构，所以只需传递文件路径，它就能理解上下文，这点非常聪明。

对话模式中的实用命令列表

对话模式中还有很多其他方便的命令。它们能让你与 AI 的交流更加顺畅。如果你想了解某个命令的详细用法，可以在对话模式中输入 /命令名 help。

会话管理 /sessions

管理会话的命令。使用它，你可以将对话历史和上下文分开保存，非常方便。

• 主要功能:
  • 会话管理：可以创建和切换多个对话会话。
  • 上下文保持：每个会话都会记住各自的对话历史。
  • 工作区分离：可以为每个项目分别创建会话。
  • 会话分支：还可以从当前对话中分支出一个新的会话。

重启 Rovo Dev CLI 时，加上 --restore 选项，它会自动恢复上一个会话。

清除会话 /clear

将当前会话的对话历史全部清除，恢复到初始状态。请注意，此操作无法撤销。如果想保留历史记录，可以使用 /sessions 命令创建一个新会话，或者使用接下来介绍的 /prune 命令。

优化会话 /prune

当对话变得越来越长时，可以使用这个命令。它是一个聪明的命令，能在保留重要内容的同时节省 Token。它会删除 AI 执行的工具（程序）的结果等，从而精简历史记录。

预定义指令模板 /instructions

对于像代码审查或文档编写这类常见任务，你可以执行预先准备好的指令模板。

• 内置指令模板:
  • 代码审查与分析
  • 文档生成与改进
  • 单元测试创建与覆盖率提升
  • 总结 Confluence 页面
  • 分析 Jira 问题

你也可以创建自己的自定义模板！

1. 在 .rovodev/instuctions.yml 中创建指令文件。
2. 在 .rovodev 文件夹中，创建一个 Markdown 文件，写入指令内容。

使用方法很简单，输入 /instructions 就会显示模板列表。

内存管理 /memory

这是一个让 Rovo Dev CLI 记住有关项目和设置的重要信息的功能。

• 内存类型:
  • 项目内存：保存在当前目录中。（.agent.md 和 .agent.local.md）
  • 用户内存：全局保存在主目录中。（~/.rovodev/agent.md）

内存文件是 Markdown 格式的，可以用来记录项目规则或编码规范等，非常方便。 像 # 想记录的事情 这样写，就可以快速添加笔记。

反馈 /feedback

用于发送关于 Rovo Dev CLI 的感想或 Bug 报告的命令。

使用情况 /usage

可以查看今天 LLM 的 Token 使用量。检查一下有没有用超！

退出 /exit

退出应用程序。使用 /quit 或 /q 效果相同。

【高级篇】WSL2 与 Windows 之间的联动

得益于 VSCode 的 WSL 扩展，WSL2 和 Windows 之间的文件共享与应用联动变得非常顺畅。

活用镜像网络模式

我们一开始设置的 WSL2 镜像网络模式，在这里将大显身手。

1. 端口共享：你可以直接从 Windows 的浏览器访问在 WSL2 中启动的服务器（例如 localhost:3000）。
2. 网络服务共享：Windows 和 WSL2 都可以使用同一网络上的服务。
3. 与 MCP 服务器的联动：这个功能在接下来要介绍的 MCP 联动中尤为重要。它使得 WSL2 的 Rovo Dev CLI 能够无缝连接到在 Windows 上运行的 Blender 的 MCP 服务器。

благодаря этой интеграции вы можете получить лучшее из обоих миров: удобный интерфейс Windows и мощную командную строку Linux. (Note: A Russian sentence was in the original thought process. Translating the intended meaning.) 得益于这种联动，你可以集 Windows 方便的图形界面和 Linux 强大的命令行于一身，取两家之长。

【应用篇】用 MCP 让 AI 操作 Blender！

终于到了最后一步！让我们使用 Rovo Dev 的强大功能——MCP (Model Context Protocol)，从 WSL2 控制 Windows 上的 Blender。这次，我们将使用一个名为 BlenderMCP 的便利开源工具。

BlenderMCP 是什么？

BlenderMCP 是一个连接 AI 和 Blender 的工具。使用它，AI 就能直接操作 Blender，完成 3D 建模、场景创建、物体操作等任务！

主要功能

• 双向通信：连接 AI 和 Blender
• 物体操作：可以创建、移动、删除物体
• 材质控制：可以上色、设置质感
• 场景检查：AI 可以确认当前 Blender 中的状态
• 代码执行：AI 可以向 Blender 发送并执行 Python 代码

设置步骤

BlenderMCP 由两个部分组成。

1. Windows 端：Blender 插件 (addon.py)：安装在 Windows 的 Blender 中
2. WSL2 端：MCP 服务器：安装在 WSL2 的 Ubuntu 中，供 Rovo Dev CLI 使用

那么，我们开始设置吧！

1. Windows 端：安装 Blender 插件

   • 从 BlenderMCP 的 GitHub 仓库 下载 addon.py 文件
   • 打开 Blender，进入“编辑”>“偏好设置”>“插件”
   • 点击“从磁盘安装…”，选择下载的 addon.py 文件
   • 勾选“Blender MCP”旁边的复选框，启用该插件

   

2. WSL2 端：安装 uv 包管理器

   • 在 WSL2 的 Ubuntu 终端中，执行此命令

   1 2	# 安装 uv 包管理器 curl -LsSf https://astral.sh/uv/install.sh | sh

3. WSL2 端：配置 Rovo Dev CLI

   • 使用 VSCode 编辑配置文件

   1 2	export EDITOR="code" acli rovodev mcp

   • 这时 VSCode 会打开配置文件，请添加以下内容。这个设置是为了让 Rovo Dev CLI 启动时自动运行 BlenderMCP。

   1 2 3 4 5 6 7 8

   { "mcpServers": { "blender": { "command": "uvx", "args": ["blender-mcp"] } } }

4. Windows 端：在 Blender 中进行连接设置

   • 在 Blender 界面中，打开 3D 视图的侧边栏（如果未显示，请按 N 键）
   • 找到名为“BlenderMCP”的标签页，点击“Connect to MCP server”

   

5. WSL2 端：用 Rovo Dev CLI 操作 Blender！

   • 在 WSL2 的 VSCode 集成终端中执行 acli rovodev run
   • 试着向 AI 这样提问：

   1	使用 Blender 创建一只猫。

   结果如何呢？来自 WSL2 的指令，应该会让正在 Windows 上运行的 Blender 画面中出现一个立方体，并向上移动。这就是我们最初设置的镜像网络模式的力量。WSL2 将在 Windows 上运行的 Blender 识别为“localhost 上的服务器”，从而实现了无缝联动。太棒了！

   

MCP 故障排除

如果无法正常工作，请检查以下几点：

1. 连接问题：Blender 插件是否已启用？是否在 Blender 的 MCP 标签页中点击了“Connect to MCP server”？
2. WSL2 镜像网络模式：请确认镜像模式是否已正确启用。
3. 尝试重启：如果连接错误持续出现，最简单的办法可能是重启 Rovo Dev CLI 和 Blender。
4. 命令执行方式：请不要直接执行 uvx blender-mcp 命令。Rovo Dev CLI 会根据配置文件自动执行它。

最重要的一点是，确保 WSL2 和 Windows 之间的网络连接已正确设置为镜像模式。

总结

本文从 Atlassian 的新款 AI 开发工具“Rovo Dev CLI”的基本用法，到 Windows 用户舒适使用它的 WSL2 活用技巧，再到使用 MCP 进行 Blender 联动，内容广泛地进行了介绍。

虽然一开始的设置可能有些繁琐，但一旦环境搭建完成，那种足不出终端就能获得 AI 强大支持的开发体验，我认为真的是革命性的。

Rovo Dev CLI 目前仍处于 Beta 版，我很期待它未来的发展和进化。 希望这篇文章能帮助大家找到新的开发方式。

请务必尝试一下这款未来的工具。Happy coding! 🎉