Close

Atlassian Intelligence 专为提高透明度而设计

我们本着绝无戏言的精神,致力于开放式沟通、问责制,并帮助团队以负责任的方式使用人工智能。

Atlassian Intelligence 旨在加速推进协作并使团队能够加快工作速度。就像了解如何与团队展开最好的合作一样,了解 Atlassian Intelligence 的工作方式将帮助团队更有效地使用它。在此页面中,我们将介绍我们 AI 驱动的产品和功能是如何工作的,包括它们可以做什么和不能做什么,以及它们如何影响您体验我们产品的方式。我们相信,为您提供此页面上的信息将帮助您充分利用我们的产品以及您的团队合作。要详细了解我们对负责任构建技术的承诺,请访问我们的负责任技术原则

警报分组

警报分组如何使用 Atlassian Intelligence Copy link to heading Copied! 显示
  

由 OpenAI 开发的大型语言模型及其他机器学习模型为采用 Atlassian Intelligence 的警报分组提供支持。这些模型包括此处介绍的 OpenAI 模型。

Atlassian Intelligence 使用这些机器学习模型来分析和生成警报群组,并根据警报内容或所用标记的相似性在我们的产品中提供相关建议(过去的警报群组和过去的警报响应者)。然后,Atlassian Intelligence 使用大型语言模型来分析和生成我们的产品中这些群组的自然语言描述和内容。

这些大型语言模型根据您的输入生成回复,并且具有概率性。这意味着它们的回复是根据训练时所基于的数据预测最有可能出现的下一个单词或文本而生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

警报分组的用例 Copy link to heading Copied! 显示
  

警报分组使用 Atlassian Intelligence 来识别相似警报并将其分组。它还会根据警报内容或所用标记的语义相似性,识别并推荐过去的相似警报群组和过去的警报响应者(或响应者团队),从而为您提供帮助。

当您想要将警报群组升级为事件时,警报分组还将预先填充所有上下文信息,供您在事件创建过程中查看。

我们认为,在以下情况下,警报分组最有效:

  • 贵组织经常遇到相似或重复警报大量出现的情况,无论是在短时间内还是在更长的时间内经历过。
  • 贵组织始终使用标记对警报进行分类。
  • 您的团队经常发现相似或重复警报应升级为事件。
使用警报分组时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,考虑到用于支持警报分组的模型的工作方式,这些模型有时会表现得不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。就您看到的警报群组而言,它们可能无法准确反映其标记的语义相似性。

我们发现,在以下情况下,警报分组的作用不大:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 您需要警报分组以获取不容易得到的信息,以便对警报进行正确分组。警报分组在团队配置的角色和权限范围内工作,因此您只能访问有权限查看的警报群组和洞察信息。
  • 您团队使用的警报标记不一致或未得到妥善维护。由于警报分组是根据警报标题和标记的语义相似性对警报进行分组的,因此其生成的警报群组的质量取决于您的团队和组织所使用的警报标记的一致性和卫生性。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需要考虑确保您和您的团队在使用警报标记时遵循一致的做法。

您的数据和警报分组 Copy link to heading Copied! 显示
  

我们了解您可能对警报分组如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,例如您的警报数据(警报标题、警报标记、优先级、响应者团队、描述)。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

我们会处理您的警报数据来训练某个版本的机器学习模型,以识别特定于您警报的模式。该版本仅用于为您的体验服务:

  • 我们会存储识别出的模式,以便为您提供洞察信息。
  • 我们不会使用您的警报数据来训练任何 LLM。

当涉及到您的数据时,警报分组会采用以下措施:

  • 您的输入和输出:
    • 不会提供给其他客户
    • OpenAI 不会对其进行存储。
    • 不会用于改进 OpenAI 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理程序,位于我们的辅助处理程序列表中。除了处理您的请求外,它们不会将您的输入和输出用于任何其他目的。
  • 此功能遵循您站点的权限。例如,如果 Atlassian Intelligence 根据标记和语义相似性对 50 个警报进行分组,而您只有查看其中 30 个警报的权限,那么您只能在群组详情视图中看到这 30 个警报。如果您不想让站点中的其他用户在回复中看到您的警报,请与您的组织/站点管理员合作,以确保您的权限设置得当。

Jira Service Management 中的 Atlassian Intelligence 回答功能

Jira Service Management 中 Atlassian Intelligence 应答功能的工作原理 Copy link to heading Copied! 显示
  

Atlassian Intelligence 的回答功能由 OpenAI 开发的大型语言模型提供支持。这些模型包括此处介绍的 OpenAI 模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

Jira Service Management 中 Atlassian Intelligence 应答功能的用例 Copy link to heading Copied! 显示
  

Atlassian Intelligence 的回答功能会连接到 Jira Service Management 中的虚拟服务支持人员。它使用生成式人工智能在关联的知识库空间中进行搜索,并回答客户的问题。

我们认为,Atlassian Intelligence 的回答功能在以下情况下效果最佳:

  • 您有一个全面的、最新的关联知识库,而虚拟服务支持人员可访问该知识库以使用 Atlassian Intelligence 的回答功能为客户问题提供解答。
  • Atlassian Intelligence 的回答功能用于回复以下客户问题:
    • 可以通过提供信息或说明来解决的问题。
    • 包含在(或可以添加到)您现有知识库文章中的问题。
    • 通常不需要上报给您的某一支持人员的问题。
使用 Jira Service Management 中的 Atlassian Intelligence 回答功能时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,考虑到这些模型过去推动 Atlassian Intelligence 回答功能工作的方式,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,Atlassian Intelligence 的回答功能在以下情况下用处不大:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 您需要 Atlassian Intelligence 的回答功能来访问您不容易获得的信息(例如,在关联的知识库中),以便正确回答您的请求。
  • 您的知识库已过时或不完整,因此搜索可能无济于事。
  • 您的知识库中的文章不包含相关或高质量的信息,因此,Atlassian Intelligence 的回答可能会根据这些文章向客户提供不太相关的信息。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需考虑:

  • 主动审查和更新您的关联知识库(以及其中包含的现有文章),以确保其保持完整和最新。
  • 主动审查适用于您的关联知识库空间的权限和限制,以确保 Atlassian Intelligence 的回答功能能够获得有用的正确信息。
Jira Service Management 中的您的数据及 Atlassian Intelligence 的回答功能 Copy link to heading Copied! 显示
  

我们了解您可能对 Jira Service Management 中的 Atlassian Intelligence 回答功能如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 与提示相关的实例中的上下文,例如链接的知识库空间。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。
  • 当涉及到您的数据时,Jira Service Management 中的 Atlassian Intelligence 回答功能会应用以下措施:
  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • OpenAI 不会对其进行存储。
    • 不会用于改进 OpenAI 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理商列表中的辅助处理商。除了处理您的请求外,他们不会将您的输入和输出用于任何其他目的。
  • 此功能遵循适用于您的链接知识库空间的权限和限制。这意味着,您的 Jira Service Management 门户网站上向客户提供的所有页面都将通过 Atlassian Intelligence 的回答功能提供。例如,如果某一 Confluence 页面的访问受到限制,并且该页面通常无法通过 Jira Service Management 直接访问,则 Atlassian Intelligence 回答功能将不会在回复中建议该页面上的内容。如果您不希望您实例中的其他用户在回复中看到您自己的内容,请与您的组织管理员合作,确保妥善设置您的权限。

Automation using Atlassian Intelligence

采用 Atlassian Intelligence 的自动化的用例 Copy link to heading Copied! 显示
  

由 OpenAI 开发的 GPT 模型为 Automation using Atlassian Intelligence 提供支持。这些模型包括此处介绍的 OpenAI 模型。

Atlassian Intelligence 使用这些模型来分析自然语言输入,并在 Jira 和 Confluence 中为您生成自动化规则。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着,它们的回复是通过根据它们训练所用的数据预测最有可能的下个单词或文本来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

采用 Atlassian Intelligence 的自动化的用例 Copy link to heading Copied! 显示
  

创建自动化规则是日常自动化体验的核心,我们希望通过将 Atlassian Intelligence 添加到 Jira 和 Confluence 的自动化规则构建器中来简化这一过程。现在,您只需输入并描述想要实现自动化的方面,即可轻松创建自动化规则,同时可让 Atlassian Intelligence 为您处理创建规则涉及的所有繁重工作。详细了解适用于 Jira适用于 Confluence 的 Automation using Atlassian Intelligence。

我们认为,当您不确定如何开始或希望加快规则创建流程时,适用于 Jira 和适用于 Confluence 的 Automation using Atlassian Intelligence 的使用效果最佳。

不确定如何更好地创建自动化规则?

自动化规则由不同类型组件的组合创建而成:触发器、操作、条件和分支。可以将组件视为规则的基石。要使用 Atlassian Intelligence 成功创建规则,您的规则必须至少包含一个触发器和一项操作。例如:

在 Jira 中:

每周一,查找到期时间在未来 7 天的所有任务,并向经办人发送提醒邮件。

当请求单转移到测试时,将请求单分配给 John Smith。

在 Confluence 中:

  • 每周一,查找到期时间在未来 7 天的所有任务,并向经办人发送提醒邮件。
  • 每 6 个月,将在这段时间内未更新的所有页面归档。归档后,向页面作者发送电子邮件,告知他们。
  • 发布标题中含有产品规格的页面时,创建 Jira 工作单以审查带有该页面链接的页面。

此外,要成功创建规则,其组件必须受采用 Atlassian Intelligence 的自动化的支持。这意味着规则中的任何触发器、操作、条件或分支均须与 Jira 和/或 Confluence 中的自动化兼容。

Automation using Atlassian Intelligence 的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于模型通过特定方式来推动采用 Atlassian Intelligence 的自动化发挥作用,这些模型有时会表现得不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,采用 Atlassian Intelligence 的自动化不太有用:

  • 您需要让采用 Atlassian Intelligence 的自动化访问您无法轻易获取的信息(例如,受限页面或项目),以正确回应您的请求。
  • 您需要执行一次性任务。
  • 您需要从知识库中查询信息。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

Automation using Atlassian Intelligence 只能与 JiraConfluence 中的一组现有可用自动化组件配合使用。

如上所述,您可能还需要尽可能具体地考虑要求 Atlassian Intelligence 做的事情。

您的数据和 Automation using Atlassian Intelligence Copy link to heading Copied! 显示
  

我们了解您可能对利用 Atlassian Intelligence 的自动化功能如何使用您的数据有疑问。此部分将补充我们在 Trust Center 中提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 与您的提示相关的实例上下文,如 Jira 项目或 Confluence 页面。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

当涉及到您的数据时,使用 Atlassian Intelligence for Confluence automation 自动化功能时会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会由 OpenAI 存储。
    • 不会用于改进 OpenAI 模型。
    • 仅用于提升您的体验。

OpenAI 是我们的辅助处理商列表中的辅助处理商。除了处理您的请求外,他们不会将您的输入和输出用于任何其他目的。

此功能遵循您实例中的权限。例如,如果您没有访问特定项目或页面的权限,则您收到的回复中将不会建议来自这些资产的内容。如果您不想让实例中的其他用户在回复中看到您的内容,请与您的组织管理员合作,确保您的权限设置得当。

Chart Insights

Chart Insights 如何使用 Atlassian Intelligence Copy link to heading Copied! 显示
  

Chart Insights 是由 OpenAI 开发的大型语言模型提供支持。这些模型包括此处介绍的 OpenAI 模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着,它们的回复是根据训练过的数据预测最有可能出现的下一个单词或文本而生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

Chart Insights 的用例 Copy link to heading Copied! 显示
  

Chart Insights 使用 Atlassian Intelligence 来帮助您加快对 Atlassian Analytics 中任何图表中数据的理解。为此,它使用仪表板标题、图表标题和图表数据(包括列标题和行值)来生成该图表及其数据的自然语言摘要。它还会识别任何趋势或异常,为您提供有关该图表的某些洞察信息。

我们认为,Chart Insights 在以下情况下效果最佳:

  • 图表有许多行数据。
  • 图表有仪表板标题。
  • 图表有列标题。
  • 图表的所有行和列都有值。

条形图、折线图和条形折线图最适合使用此功能,因为它们通常具有趋势、日期和许多行数据。

使用 Chart Insights 时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,考虑到模型用于推动 Chart Insights 工作的方式,这些模型有时会表现得不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,Chart Insights 不太有用:

  • 您的图表包含一行或只有几行数据。
  • 您的图表属于单值类型。
  • 您的图表缺少标题、轴标签和列标题。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需考虑:

  • 与其他可能对图表中显示的特定数据有更多了解的用户反复核对洞察信息的准确性。
  • 考虑到 Atlassian Intelligence 在提供回复时只使用单个图表的上下文,而不是整个仪表板。
您的数据和 Chart Insights Copy link to heading Copied! 显示
  

我们了解,您可能对 Chart Insights 如何使用您的数据存有疑问。此部分是对本页信息的补充

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 与您的提示相关的实例上下文,例如图表中的数据。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

当涉及到您的数据时,Chart Insights 会采取以下措施。

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会被 OpenAI 存储
    • 不会用于改进 OpenAI 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理商列表中的辅助处理商。除了处理您的请求外,他们不会将您的输入和输出用于任何其他目的。
  • 此功能仅使用您可以访问并已请求洞察信息的仪表板中的信息。

Confluence 快速摘要

Atlassian Intelligence 如何为 Confluence 中的页面和博文生成摘要 Copy link to heading Copied! 显示
  

使用 Atlassian Intelligence 为页面和博文生成摘要的功能由 OpenAI 开发的 LLM 模型提供支持。这些模型包括此处介绍的 OpenAI 模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

Confluence 快速摘要的用例 Copy link to heading Copied! 显示
  

使用 Atlassian Intelligence 为 Confluence 页面或博文生成快速摘要,从而节省时间并获取所需细节,更快地完成工作。详细了解如何在 Confluence 中使用 Atlassian Intelligence

我们认为,在以下情况下,使用 Atlassian Intelligence 为页面和博文生成摘要效果最佳:

  • 有一个文本密集的页面,阅读时间达 5 分钟甚至更长。
  • 书面内容很多,视觉效果和/或其他格式设置(例如页面上的扩展部分)有限。
使用 Atlassian Intelligence 为页面和博文生成摘要时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 助力为页面和博文生成摘要,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

尽管我们会继续为宏、表格和摘要中的扩展提供更好的支持,但我们发现,在以下情况下,使用 Atlassian Intelligence 为页面和博文生成摘要的用处相对较小:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 您需要为一个内容不足的 Confluence 简短页面生成摘要。
  • 您需要一个 Confluence 页面的摘要,页面中大部分内容都位于表格或扩展中。
  • 您需要一个 Confluence 页面的摘要,页面中大部分内容都包含在宏中。

我们建议您在使用 Atlassian Intelligence 时要考虑所处的情况,并在与他人共享之前审查所收到的回复的质量。

您可能还需考虑:

  • 让 Atlassian Intelligence 为您所知的文本密集页面生成摘要。
您的数据及使用 Atlassian Intelligence 为页面和博文生成摘要 Copy link to heading Copied! 显示
  

我们了解您可能对在使用 Atlassian Intelligence for Confluence 自动化功能时会如何使用您的数据有疑问。本节补充了我们在 Trust Center 中提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)。

  • 您的实例中与提示相关的上下文,例如您要为其生成摘要的 Confluence 页面中的内容。

  • 有关您如何与我们的功能交互的数据,例如点击流数据以及与您合作的人员

  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

当涉及到您的数据时,使用 Atlassian Intelligence 为页面面和博文生成摘要时会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • OpenAI 不会对其进行存储。
    • 不会用于改进 OpenAI 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理商列表中的辅助处理商。除了处理您的请求外,他们不会将您的输入和输出用于任何其他目的。
  • 此功能会遵循您实例中的权限。例如,如果您无权访问 Confluence 页面,则您将无法看到此功能,也无法使用 Atlassian Intelligence 为页面生成摘要。如果您不希望您实例中的其他用户看到您自己的内容,请与您的组织管理员合作,确保妥善设置您的权限。

使用 Atlassian Intelligence 定义术语

Atlassian Intelligence 如何定义术语 Copy link to heading Copied! 显示
  

在 Confluence 和 Jira 中使用 Atlassian Intelligence 定义术语的功能由 OpenAI 开发的大型语言模型提供支持。这些模型包括此处介绍的 OpenAI 模型。

Atlassian Intelligence 使用这些模型来分析和生成 Confluence 中的自然语言回答。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

使用 Atlassian Intelligence 定义术语的用例 Copy link to heading Copied! 显示
  

关于在 Confluence 和 Jira 中使用内容,最具挑战的事情之一可能就是获取了解所读内容所需的背景信息。缩略语、首字母缩略词、不熟悉的术语以及团队或项目特定的名称可能会导致您在搜索所需信息时花费大量时间。

使用 Atlassian Intelligence 定义术语将为 Confluence 页面或 Jira 事务描述中的公司特定术语(例如首字母缩略词、项目、系统或团队名称)提供定义。这样可为用户在需要时提供他们需要的信息,同时还能帮助团队更好地合作。

Atlassian Intelligence 可以为您定义这些内容,从而节省您的时间,而不会让您偏离正在阅读的内容。

遇到您认为不准确的定义时,您可以对其进行编辑或添加新定义,然后设置可见性,使其针对特定页面或事务、整个空间或项目,或您所在的整个组织显示。

我们认为,在以下情况下,在 Confluence 中使用 Atlassian Intelligence 定义术语效果最佳:

  • 一家公司在其 Confluence 实例中会有多个页面提及、描述或解释可供 Atlassian Intelligence 引用的特定术语。
使用 Atlassian Intelligence 定义术语时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于这些模型通过特定方式在 Confluence 中使用 Atlassian Intelligence 定义术语,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,在 Confluence 中使用 Atlassian Intelligence 定义术语的用处不大:

  • 您需要有关人员、地点和事实的最新且准确的信息。
  • 您对该 Confluence 实例中的术语没有足够的背景信息(例如,如果没有提及特定术语的页面,则无法准确生成该术语的定义)。
  • 定义需要访问您无权查看的 Confluence 内容
  • 您尝试定义多个术语,而不是一次定义一个单独的术语。

此外,在 Jira 中,我们还发现,由于使用 Atlassian Intelligence 定义术语依赖于 Confluence 中的搜索功能,因此只有当您有权在您 Jira 实例所在的站点上查看 Confluence 实例时,该功能才能在 Jira 中运行。

您还可能会发现,在使用多种语言编写内容的 Confluence 空间或 Jira 实例中,使用 Atlassian Intelligence 定义术语的效果不如预期。

使用 Atlassian Intelligence 定义术语时如何处理您的数据 Copy link to heading Copied! 显示
  

我们了解您可能对在使用 Atlassian Intelligence 定义术语时会如何使用您的数据有疑问。本部分补充了我们 Trust Center 提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,例如您要定义的术语。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

就您的数据而言,使用 Atlassian Intelligence 定义术语时会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户
    • OpenAI 不会对其进行存储。
    • 不会用于改进 OpenAI 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理商列表中的辅助处理商。除了处理您的请求外,他们不会将您的输入和输出用于任何其他目的。
  • 此功能遵循现有的用户访问权限,因此不会向用户显示他们无权访问的内容中的定义。相反,该功能仅会从用户有权在实例中查看的页面和项目中提取内容和定义。如果您不想让实例中的其他用户在回复中看到您的内容,请与您的组织管理员合作,确保您的权限设置得当。
  • 如果用户手动编辑或更新定义,则该定义将存储并保留 1 年。

使用 Atlassian Intelligence 生成拉取请求描述

Bitbucket Cloud 如何使用 Atlassian Intelligence 生成拉取请求描述 Copy link to heading Copied! 显示
  

使用 Atlassian Intelligence 生成拉取请求描述由 OpenAI 开发的大型语言模型 (LLM) 提供支持。这些模型包括此处描述的 OpenAI 模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言和代码。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着,它们的回复是通过根据它们训练所用的数据预测最有可能的下个单词或文本来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文了解有关此方法的更多信息。

使用 Atlassian Intelligence 生成拉取请求描述的用例 Copy link to heading Copied! 显示
  

当您在 Bitbucket Cloud 代码审查体验中编写拉取请求描述或评论时,Atlassian Intelligence 可以帮助您生成、转换和汇总内容。具体包括:

  • 根据拉取请求中包含的代码更改生成拉取请求描述。
  • 总结、改进或更改拉取请求描述的语气。
  • 总结、改进或更改拉取请求评论的语气。

我们认为,在以下情况下,使用 Atlassian Intelligence 生成 Bitbucket Cloud 拉取请求描述效果最佳:

  • 作为代码作者,您希望 Atlassian Intelligence 协助您编写或改进拉取请求描述。对于能够审查并确认 Atlassian Intelligence 生成的内容适合描述拉取请求的团队来说,这种方法最有效。
  • 作为代码审查员,您希望 Atlassian Intelligence 协助您改进所起草的拉取请求评论的语气或内容。
使用 Atlassian Intelligence 生成拉取请求描述时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,考虑到这些模型用于推动此功能工作的方式,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,使用 Atlassian Intelligence 生成 Bitbucket Cloud 拉取请求描述不太有用:

  • 您需要在拉取请求描述中引用代码更改中尚未出现的信息(例如,包含在存储库其他地方的源代码)。
  • 您无法审查和确认 Atlassian Intelligence 生成的内容是否准确反映了拉取请求。
  • 您需要有关人员、地点和事实的最新、准确信息。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需考虑:

  • 尽可能具体地说明您要求 Atlassian Intelligence 完成的事项。
  • 校对、审查和编辑 AI 写作助手生成的输出,以确保准确和清晰。
  • 与他人合作收集反馈并提高输出质量。
您的数据以及使用 Atlassian Intelligence 生成拉取请求描述 Copy link to heading Copied! 显示
  

我们了解您可能对在 Confluence 中使用 Atlassian Intelligence 定义术语时会如何使用您的数据有疑问。本节补充了我们在 Trust Center 中提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)
  • 您的实例中与您的提示相关的上下文,例如:
    • 您的拉取请求中的代码更改和提交消息
    • 您的拉取请求描述的内容
    • 您的拉取请求评论的内容
  • 有关您如何与我们的功能交互的数据,例如点击流数据以及与您合作的人员
  • 您选择提供的有关此功能的反馈

当涉及到您的数据时,使用 Atlassian Intelligence 生成拉取请求描述会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户
    • 不会被 OpenAI 存储
    • 不会用于改进 OpenAI 模型
    • 仅用于为您的体验服务
  • OpenAI 是我们的辅助处理商列表中的辅助处理商。除了处理您的请求外,它们不会将您的数据用于任何其他目的。

在 Atlassian Analytics 中生成 SQL 查询

Atlassian Intelligence 如何在 Atlassian Analytics 中生成 SQL 查询 Copy link to heading Copied! 显示
  

由 OpenAI 开发的大型语言模型对在 Atlassian Analytics 中使用 Atlassian Intelligence 生成 SQL 查询这一功能提供支持。这些模型包括此处描述的 OpenAI 模型。

Atlassian Intelligence 使用这些模型来分析和理解自然语言,然后在 Atlassian Analytics 中将其转换为结构化查询语言 (SQL)。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

使用 Atlassian Intelligence 生成 SQL 查询的用例 Copy link to heading Copied! 显示
  

用自然语言向 Atlassian Intelligence 提问,然后将其转换为 SQL,而不是从头开始自己编写 SQL 查询。提出问题后,Atlassian Intelligence 会使用所选数据源的 Atlassian Data Lake 架构生成 SQL 查询,该查询可用于在您的 Atlassian Analytics 仪表板上构建图表,还可以帮助您了解 Data Lake 中的架构。

我们认为,在以下情况下,使用 Atlassian Intelligence 生成 SQL 查询效果最佳:

  • 您想要从先从生成的 SQL 开始根据需要优化查询,然后构建自定义图表。
  • 自然语言问题中包含 Atlassian Data Lake 架构中引用的单词和概念,在这种情况下,您要指定的尽可能具体。
  • 您想探索和了解 Atlassian Data Lake 架构。

不确定要问什么问题?

以下是一些建议:

  • 按未解决的 Jira 事务数量统计,前 5 个标签是什么?
  • 上个月 x 项目中完成了多少 Jira 事务?
  • 对于排名前 5 的状态,状态中的平均时间是多少?
  • 上个月最受欢迎的 5 个 Confluence 页面是什么?
  • 在过去 5 天内,在我们的 x Jira Service Management 项目中提出了多少请求?
使用 Atlassian Intelligence 生成 SQL 查询时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 生成 SQL 查询,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,使用 Atlassian Intelligence 生成 SQL 查询的用处不大:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 您需要此功能来访问在 Atlassian Data Lake 架构中不容易获得的信息(例如,高级规划的数据),以便正确回答问题。
  • 问题包含对自定义字段的引用。
  • 问题是以英语以外的语言提出的。
  • 您对 SQL 的熟悉程度不足以验证 Atlassian Intelligence 返回的 SQL。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需考虑:

  • 尽可能具体地说明您要求 Atlassian Intelligence 完成的事项。
  • 确保您使用的 Atlassian Data Lake 数据源涵盖回答问题所需的数据。
使用 Atlassian Intelligence 生成 SQL 查询时如何处理您的数据 Copy link to heading Copied! 显示
  

我们了解您可能对在使用 Atlassian Intelligence 生成 SQL 查询时会如何使用您的数据有疑问。本节补充了我们在 Trust Center 中提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,包括适用于您的实例的公开发布的 Atlassian Data Lake 架构
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

就您的数据而言,使用 Atlassian Intelligence 生成 SQL 查询时会应用以下措施。

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会由 OpenAI 存储。
    • 不会用于改进 OpenAI 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理商列表中的辅助处理商。除了处理您的请求外,他们不会将您的输入和输出用于任何其他目的。
  • 此功能遵循您的 Atlassian Data Lake 连接中的权限。例如,如果您无权访问 Atlassian Data Lake 连接,则将无法构建 SQL 来进行查询。

编辑器中的生成式 AI

编辑体验下的 Atlassian Intelligence 是如何运作的 Copy link to heading Copied! 显示
  

由 OpenAI 开发的大型语言模型对编辑体验下的 Atlassian Intelligence 提供支持。这些模型包括此处描述的 OpenAI 模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

编辑器中生成式人工智能的用例 Copy link to heading Copied! 显示
  

Atlassian Intelligence 有助于推动组织中的所有团队之间进行有效沟通,从而提高效率、加速决策和改善流程。

我们认为,在以下情况下,使用编辑体验下的 Atlassian Intelligence 效果最佳:

  • 改造现有内容以适合不同的受众。Atlassian Intelligence 可帮助改变语气、改进写作方式并使技术信息更易于其他团队理解。这种方法最适合想要让自己的写作更加专业和简洁的团队。
  • 总结现有内容。借助 Atlassian Intelligence,您可以将粗略的笔记转化为有用的策略文档、知识库文章、营销活动计划等。您也可以使用它来分析现有信息,以定义行动计划和项目。这种方法最适合需要从中提取大量上下文的文本密集型页面。
  • 生成新内容。Atlassian Intelligence 可帮助您起草新内容,例如策略页面、项目概述、发行说明或用户故事。当团队使用清晰、具体的提示并考虑到特定目标时,这种方法效果最好。
使用编辑体验下的 Atlassian Intelligence 时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于这些模型通过特定方式为编辑体验下的 Atlassian Intelligence 提供支持,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,使用编辑体验下的 Atlassian Intelligence 的用处不大:

  • 您需要有关人员、地点和事实的最新且准确的信息。
  • 您需要有权访问您不容易获得的信息(例如,在您的实例中),以正确回答您的请求。
  • 您需要使用标准 Markdown 以外的格式生成内容(例如,从头开始生成信息面板)。
  • 您需要引用正在编辑的文档中尚不存在的信息(例如,其他文档或其他产品中的内容)。
  • 您需要使用英语以外的语言生成和转换内容。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需考虑:

  • 尽可能具体地说明您要求 Atlassian Intelligence 完成的事项。
  • 将复杂的请求分解为更小、更易于管理的任务。
  • 整合相关关键字以提高所生成内容的准确性。
  • 在输入文本中使用正确的语法和标点符号。
  • 校对、审查和编辑 AI 写作助手生成的输出,以确保准确和清晰。
  • 尝试对您的输入文本采用不同的提示或变换一种说法,以探索不同的想法。
  • 与他人合作收集反馈并提高输出质量。
编辑体验下的 Atlassian Intelligence 如何处理您的数据 Copy link to heading Copied! 显示
  

我们了解您可能对编辑体验下的 Atlassian Intelligence 如何使用您的数据有疑问。此部分将补充我们在 Trust Center 中提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,例如您从其触发 Atlassian Intelligence 的产品。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

当涉及到您的数据时,编辑体验中的 Atlassian Intelligence 会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • OpenAI 不会对其进行存储。
    • 不会用于改进 OpenAI 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理商列表中的辅助处理商。除了处理您的请求外,他们不会将您的输入和输出用于任何其他目的。
  • 此功能遵循您实例中的权限。例如,如果您无权访问某一特定 Confluence 页面,则此功能不会在您收到的回复中建议该页面的内容。如果您不希望自己的内容在对您实例中的其他用户的回复中使用,请与您的组织管理员合作,确保妥善设置您的权限。

在 Confluence 中搜索答案

Atlassian Intelligence 如何在 Confluence 中搜索答案 Copy link to heading Copied! 显示
  

使用 Atlassian Intelligence 在 Confluence 中搜索答案的功能由 OpenAI 开发的 LLM 模型提供支持。这些模型包括此处描述的多种 OpenAI 模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

在 Confluence 中搜索回答的用例 Copy link to heading Copied! 显示
  

知识库扩充速度过快,用户无法跟上这样的速度。使用 Atlassian Intelligence 在 Confluence 中搜索答案的功能可以帮助客户更快地获取推进工作所需的关键信息。此功能可帮您轻松找到所需信息。它了解您会向团队成员提出哪些类型的问题,并立即回答。详细了解如何使用 Atlassian Intelligence 在 Confluence 中搜索答案

我们认为,当您的 Confluence 网站上包含详细、完整、最新的内容时,使用 Atlassian Intelligence 在 Confluence 中搜索答案效果最佳。

此功能不会生成新内容,而会在遵循限制的前提下搜索 Confluence 页面和博文,以找到问题的答案。Atlassian Intelligence 仅根据您 Confluence 中的内容以及您有权访问的具体内容来生成答案。

不确定要问什么问题?

下面提供了一些建议

  • 下一个营销团队于何时异地处理工作?
  • 居家办公的政策什么?
  • Sunrise 项目是什么?
  • 我们的下次营销活动是什么时候?
  • SpaceLaunch 最新产品的发布说明位于何处?
  • 如何提交待报销费用?
使用 Atlassian Intelligence 在 Confluence 中搜索答案时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 在 Confluence 中搜索答案,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,使用 Atlassian Intelligence 在 Confluence 中搜索答案的用处相对较小:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 您需要有关倾向于频繁更改的信息(例如,每月更新的路线图)的最新准确信息。
  • 您需要有关特定人员及其在组织中担任的角色的最新准确信息。
  • 您需要访问您不容易获得的信息(例如,您 Confluence 实例中的受限制页面),以便此功能正确回应您的请求。
  • 答案包含一系列不同的值或类别(例如,每周更新的指标)。
  • 您需要的答案要有细微差别、复杂性或达到堪比人类的推理水平。

您还有可能发现,在使用多种语言编写文档的 Confluence 空间中,使用 Atlassian Intelligence 在 Confluence 中搜索答案的效果不如预期。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需考虑:

  • 尽可能具体地说明您要求 Atlassian Intelligence 完成的事项。
  • 就您确知在 Confluence 实例中记录的内容以及您可以访问的内容提问。
您的数据以及使用 Atlassian Intelligence 在 Confluence 中搜索答案 Copy link to heading Copied! 显示
  

我们了解您可能对在 Confluence 使用 Atlassian Intelligence 搜索回答时会如何使用您的数据有疑问。本节补充了我们在 Trust Center 中提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,例如 Confluence 搜索返回的前三页的内容。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

当涉及到您的数据时,使用 Atlassian Intelligence 在 Confluence 中搜索答案时会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不由任何 LLM 提供商存储。
    • 不用于改进 LLM 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理程序,位于我们的辅助处理程序列表中。除了处理您的请求外,它们不会将您的输入和输出用于任何其他目的。
  • 此功能遵循您实例中的权限。例如,如果您无权访问某个 Confluence 页面,则此功能不会在您看到的回复中使用该页面的内容。如果您不希望自己的内容在对您实例中的其他用户的回复中使用,请与您的组织管理员合作,确保您的权限设置得当。

在 Jira 中搜索事务

Atlassian Intelligence 如何在 Jira 中搜索事务 Copy link to heading Copied! 显示
  

使用 Atlassian Intelligence 搜索事务的功能由 OpenAI 开发的大语言模型提供支持。这些模型包括此处描述的多种 OpenAI 模型 - 已由 Atlassian 使用生成的合成数据进行微调。

Atlassian Intelligence 使用这些模型来分析和理解自然语言,然后将其转换为我们产品中的 Jira 查询语言 (JQL) 代码。

这些模型根据您的输入生成回复,本质上具有概率性。也就是说,它们会根据训练所用数据,预测接下来最有可能出现的单词或文本,以此生成回复。

详细了解 OpenAI 模型的功能OpenAI 微调。您还可以参阅 OpenAI 的研究论文,进一步了解此方法。

在 Jira 中搜索事务的用例 Copy link to heading Copied! 显示
  

现在,您可以用日常语言向 Atlassian Intelligence 询问所需内容,而不必使用复杂的查询。通过使用 Atlassian Intelligence 搜索事务,您的提示将转换为 JQL 查询,这能快速帮助您搜索特定事务。

我们认为,在以下情况下,使用 Atlassian Intelligence 搜索事务效果最佳:

  • 您正在使用 Jira 项目中的事务字段查询 Jira 事务。
  • 该查询具有特定的字段和值,有助于缩小事务搜索范围。
  • 您要搜索的字段和值存在于 Jira 项目中。
  • 您的查询使用的是英文。
  • 该查询可转换为 JQL。由于 Atlassian Intelligence 会将提示转换为 JQL 代码,因此在输入中包含可转换为 JQL 的关键字可以获得更好的结果。
使用 Atlassian Intelligence 搜索事务时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 搜索事务,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上错误或不完整的内容。

我们发现,在以下情况下,使用 Atlassian Intelligence 搜索事务的用处相对较小:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 您搜索的对象并非事务,而是项目、面板或用户之类的 Jira 实体。
  • 您搜索时所用的是英文以外的语言。
  • 您需要通过搜索来分析事务,以便创建图表、摘要或其他数据表示形式。
  • 搜索需要 JQL 中当前不可用的函数(例如,“查找我评论过的事务”这样的问题无法转换为 JQL 函数)。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需要尽可能具体地考虑要求 Atlassian Intelligence 做的事情。务必包含要查找的确切字段和值。

您的数据以及使用 Atlassian Intelligence 搜索事务 Copy link to heading Copied! 显示
  

我们了解您可能对在使用 Atlassian Intelligence 搜索事务时会如何使用您的数据有疑问。本节补充了我们在 Trust Center 中提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,例如您当前所在的项目。
  • 有关您如何与我们的功能交互的数据,例如点击流数据以及与您合作的人员
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

当涉及到您的数据时,使用 Atlassian Intelligence 搜索事务时会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不由任何 LLM 提供商存储。
    • 不用于改进 LLM 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理商列表中的辅助处理商。除了处理您的请求外,他们不会将您的输入和输出用于任何其他目的。
  • 您的搜索回复将基于您有权访问的事务和字段(例如,如果您无权访问某一特定 Jira 项目,则不会收到有关该项目中事务和字段的搜索结果)。

在 Jira Service Management 中建议请求类型

Atlassian Intelligence 如何在 Jira Service Management 中提供请求类型建议 Copy link to heading Copied! 显示
  

使用 Atlassian Intelligence 提供请求类型建议的功能由 OpenAI 开发的大语言模型提供支持。这些模型包括此处描述的多种 OpenAI 模型。

Atlassian Intelligence 使用这些模型来分析自然语言输入,以及在 Jira Service Management 中为您生成有关请求类型名称和描述的建议。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

在 Jira Service Management 中建议请求类型的用例 Copy link to heading Copied! 显示
  

在判断要为项目创建何种请求类型方面节省时间,直接从 Atlassian Intelligence 获取建议。您只需描述自己的工作和团队通常管理的内容,即可查看您可以创建哪些类型的请求。从 Atlassian Intelligence 生成的建议中选择一项,以创建请求类型。详细了解如何使用 Atlassian Intelligence 来提供请求类型建议

我们认为,在以下情况下,使用 Atlassian Intelligence 提供请求类型建议的效果最佳:

  • 您有非常独特的用例,而现有请求类型模板无法满足这些用例的需求。
  • 您有非常笼统的要求,并且在寻找一些想法。
  • 您在使用一种广泛使用的语言(例如英语或西班牙语)。
使用 Atlassian Intelligence 建议请求类型时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 提供请求类型建议,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,使用 Atlassian Intelligence 提供请求类型建议的用处相对较小:

  • 您需要有关人员、地点和事实的最新且准确的信息。
  • 您需要此功能来访问您不容易获得的信息(例如,位于您实例中的信息),以便其正确回应您的请求。
  • 您提供的提示过于模糊,或者与服务管理无关。
  • 您使用的并不是广泛使用的语言

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需考虑:

  • 尽可能具体地说明您要求 Atlassian Intelligence 完成的事项。
您的数据及使用 Atlassian Intelligence 提供请求类型建议 Copy link to heading Copied! 显示
  

我们了解您可能对在使用 Atlassian Intelligence 提供请求类型建议时会如何使用您的数据有疑问。本节补充了我们在 Trust Center 中提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

当涉及到您的数据时,使用 Atlassian Intelligence 提供请求类型建议会应用以下措施。

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会由 OpenAI 存储。
    • 不会用于改进 OpenAI 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理商列表中的辅助处理商。除了处理您的请求外,他们不会将您的输入和输出用于任何其他目的。
  • 此功能仅使用您的提示中的信息,因此会遵循所有 Jira 权限。

在 Jira Service Management 中总结事务详情

Atlassian Intelligence 如何在 Jira Service Management 中总结事务详情 Copy link to heading Copied! 显示
  

由 OpenAI 开发的大型语言模型对使用 Atlassian Intelligence 总结事务详情这一功能提供支持。这些模型包括此处描述的 OpenAI 模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

在 Jira Service Management 中汇总事务详细信息的用例 Copy link to heading Copied! 显示
  

您可以使用 Atlassian Intelligence 来快速总结这些信息,而不必通读有关 Jira Service Management 事务的长篇描述和大量评论。这有助于支持人员快速了解事务的背景以及所取得的任何进展,使他们能够迅速采取行动并提供及时的帮助。

我们认为,使用 Atlassian Intelligence 总结事务详情最适合以下事务:

  • 以英文撰写描述和评论的事务。
  • 包含大量评论和/或长篇评论和描述的事务。
使用 Atlassian Intelligence 总结事务详情时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,考虑到这些模型过去推动使用 Atlassian Intelligence 总结事务详情功能工作的方式,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,使用 Atlassian Intelligence 总结事务详情的用处不大:

  • 您使用的是英语以外的语言
  • 该事务没有历史记录或详情

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

在使用 Atlassian Intelligence 总结事务详情时如何使用您的数据 Copy link to heading Copied! 显示
  

我们了解您可能对在使用 Atlassian Intelligence 为事务详情生成摘要时会如何使用您的数据有疑问。本节补充了我们在 Trust Center 中提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文包括有关 Jira 服务的详情。管理事务,例如事务描述、评论和请求单中涉及的用户。
  • 有关您如何与我们的功能交互的数据,例如点击流数据以及与您合作的人员
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

就您的数据而言,使用 Atlassian Intelligence 总结事务详情时会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给 OpenAI 以外的任何第三方 LLM 提供商。
    • OpenAI 不会对其进行存储。
    • 不会用于改进 OpenAI 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理商列表中的辅助处理商。除了处理您的请求外,他们不会将您的输入和输出用于任何其他目的。
  • 此功能遵循您实例中的权限。仅支持人员和项目管理员可以看到“总结”按钮。

使用 Atlassian Intelligence 编写自定义公式

Atlassian Intelligence 如何在 Atlassian Analytics 中编写自定义公式 Copy link to heading Copied! 显示
  

使用 Atlassian Intelligence 编写自定义公式这一功能由 OpenAI 开发的大型语言模型提供支持。这些模型包括此处介绍的 OpenAI 模型。

Atlassian Intelligence 使用这些模型来分析自然语言,然后在 Atlassian Analytics 中将其转换为 SQLite。

这些模型会根据您的输入生成回复,且本质上具有概率性。这意味着它们的回复是通过它们训练所用的数据预测最有可能出现的下一单词或文字来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

使用 Atlassian Intelligence 编写自定义公式的用例 Copy link to heading Copied! 显示
  

向 Atlassian Intelligence 询问或描述您想要如何转换结果表中的数据,它会将其转换为用于自定义公式的 SQLite 表达式,而不是从头开始编写您自己的 SQLite 表达式。在您提出问题后,Atlassian Intelligence 将使用之前“可视化 SQL”步骤的结果表中的数据来生成一个 SQLite 表达式,以便将计算或运算应用于您图表中的该数据。此功能也可帮助您了解 SQLite 函数及其语法。

使用 Atlassian Intelligence 编写自定义公式在以下情况下效果最佳:

  • 您想对所查询数据中的单列应用更改。
  • 您想从生成的 SQLite 表达式入手,并在需要时对其进行完善。
  • 自然语言问题包含列标题或行数据中引用的词语和概念。
  • 您想了解有关 SQLite 的更多信息,并发现可用的 SQLite 函数。
使用 Atlassian Intelligence 编写自定义公式时的注意事项 Copy link to heading Copied! 显示
  

使用自定义公式时,请记住,Atlassian Intelligence 中所用模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但却是错误或不完整的内容。

我们发现,使用 Atlassian Intelligence 编写自定义公式在以下情况下不太有用:

  • 您想对单个自定义公式中的多列应用更改。
  • 您需要此功能才能访问在结果表的数据中不易获得的信息。
  • 提示是用英语以外的语言询问的。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需考虑:

  • 尽可能具体地说明您要求 Atlassian Intelligence 完成的事项。
  • 确保您查询的数据涵盖回答您的问题所需的数据
您的数据以及使用 Atlassian Intelligence 编写自定义公式 Copy link to heading Copied! 显示
  

我们了解,您可能对使用 Atlassain Intelligence 编写自定义公式时如何使用您的数据存有疑问。本节补充了我们在 Trust Center 中提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 来自您的实例的上下文,而这些上下文与您的提示相关,例如包括来自之前“可视化 SQL”步骤中的结果集的数据。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。
  • 有关您如何与我们的功能交互的数据,例如点击流数据

就您的数据而言,使用 Atlassian Intelligence 编写自定义公式时会应用以下措施。

您的提示(输入)和回复(输出):

  • 不会提供给其他客户。
  • 不会由 OpenAI 存储。
  • 不会用于改进 OpenAI 模型。
  • 仅用于提升您的体验。

OpenAI 是我们辅助处理商列表中的辅助处理商。除处理您的请求外,它们不会将您的输入和输出用于任何其他目的。

Atlassian 人工智能徽标。

Atlassian Intelligence 和 Rovo 专为提高透明度而设计

我们本着绝无戏言的精神,致力于开放式沟通、问责制,并帮助团队以负责任的方式使用人工智能。

Rovo

在下面选择一项 Rovo 功能,用例和数据使用情况一目了然。

Automation using Atlassian Intelligence

用于事件管理的人工智能 ChatOps 如何使用 Atlassian Intelligence Copy link to heading Copied! 显示
  

用于事件管理的人工智能 ChatOps 功能由 OpenAI 开发的大型语言模型以及开源大型语言模型(包括 Llama 系列和 Phi 系列)和其他机器学习模型组合提供支持。这些大型语言模型包括 OpenAI 的 GPT 系列模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些大型语言模型会根据您的输入生成回复,且本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

用于事件管理的人工智能 ChatOps 用例 Copy link to heading Copied! 显示
  

用于事件管理的人工智能 ChatOps 可在将新用户添加到与 Jira Service Management 中的事件事务相关联的 Slack 通道时,向其提供相关事件的摘要和迄今为止有关该事件的所有对话,从而帮助用户加快事件解决流程。此外,用于事件管理的人工智能 ChatOps 还能将 Slack 中出现的对话记录到 Jira Service Management 中,以作为时间线供将来参考。

我们认为,用于事件管理的人工智能 ChatOps 在以下情况下效果最佳:

  • 您的组织将 Slack 用作事件分类和解决事件的主要协作工具。
  • 您的组织遵循在 Jira Service Management 的事件事务中记录事件相关对话的协议。

使用用于事件管理的人工智能 ChatOps 时的注意事项 Copy link to heading Copied! 显示
  

请记住,鉴于用于支持用于事件管理的人工智能 ChatOps 的模型的工作方式,这些模型有时会出现不准确、不完整或不可靠。例如,您收到的回复可能无法准确反映其所依据的内容,或是包含看似合理但实则有误或不完整的内容。

我们发现,用于事件管理的人工智能 ChatOps 在以下情况下不太有用:

  • 您需要有关人员、地点和事实的最新且准确的信息。

  • 您没有将 Slack 用作组织进行事件分类和解决事件的主要协作工具。

  • 您的团队无法访问 Jira Service Management 中的事件事务或与正对其进行分类的事件事务相关联的 Slack 通道。

因此,我们建议您考虑在哪些情况下使用用于事件管理的人工智能 ChatOps,并在与他人共享之前对收到的回复质量进行审查。

您可能还需要考虑审查权限,以确保用户对相关事件事务和 Slack 通道有适当级别的访问权限。

您的数据和用于事件管理的人工智能 ChatOps Copy link to heading Copied! 显示
  

我们了解,您可能对用于事件管理的人工智能 ChatOps 如何使用您的数据存有疑问。本节是对我们常见问题解答页面所提供信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,例如已连接 Slack 通道中的事件数据和消息。

  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。

  • 您对此功能提供的任何反馈,包括您选择作为反馈的一部分来共享的任何提示或回复。

涉及到您的数据时,用于事件管理的人工智能 ChatOps 会采取以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给 OpenAI 以外的任何第三方 LLM 提供商。
    • 不会由 OpenAI 存储。
    • 不会用于改进 OpenAI 或任何其他第三方 LLM 提供商。
    • 仅用于为您的体验服务。
  • OpenAI 是我们辅助处理商页面中的辅助处理商之一。除了处理您的请求外,它们不会将您的输入和输出用于任何目的。
  • 此功能遵循您产品的权限。例如,如果您无法访问某个事件事务,则在生成用于事件管理的人工智能 ChatOps 时将无法找到足够的上下文。如果您不希望您的内容出现在对产品其他用户的回复中,则请与您的组织管理员合作以确保团队的访问权限配置得当。
人工智能相关资源如何使用 Atlassian Intelligence Copy link to heading Copied! 显示
  

人工智能相关资源由 OpenAI 开发的大型语言模型以及开源大型语言模型(包括 Llama 系列和 Phi 系列)和其他机器学习模型组合提供支持。这些大型语言模型包括 OpenAI 的 GPT 系列模型。

Atlassian Intelligence 使用这些模型在我们的产品中分析和生成自然语言,并从 Atlassian 和已连接的第三方产品提供相关回复。

这些大型语言模型会根据您的输入生成回复,且本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

人工智能相关资源的用例 Copy link to heading Copied! 显示
  

Atlassian Intelligence 通过向用户推荐他们可以参考的资源列表,包括链接的知识库空间和文章、Jira 事务以及(如果您是 Rovo 客户)您通过 Rovo 集成的任何第三方产品中的资源,从而帮助用户加快解决事件的流程。阅读有关 Rovo 和第三方工具的更多信息。

我们认为,人工智能相关资源在以下情况下效果最佳:

  • 您的组织在链接的知识库空间和已连接的第三方工具中拥有大量文档,而这些文档与您的组织中发生的事件相关并有助于解决这些事件。

  • 您的团队在进行事件分类时需要快速访问可能与事件相关的资源。

使用人工智能相关资源时的注意事项 Copy link to heading Copied! 显示
  

请记住,鉴于用于支持人工智能相关资源的模型的工作方式,这些模型有时会出现不准确、不完整或不可靠。例如,您收到的回复可能无法准确反映其所依据的内容,或者包含看似合理但实则有误或不完整的内容。

我们发现,人工智能相关资源在以下情况下不太有用:

  • 您需要有关人员、地点和事实的最新且准确的信息。

  • 您需要人工智能相关资源来访问您无法轻易获取的信息,如受限的 Confluence 文档(例如,访问受限的 Confluence 页面),以便正确响应您的请求。

  • 在您的设置中,Atlassian Intelligence 可用于推荐相关资源的可用文档极少。

因此,我们建议您考虑在哪些情况下使用 Atlassian Intelligence,并在与他人共享之前对收到的回复质量进行审查。

您可能还需要考虑以下几点:

  • 审查权限,以确保用户对相关文档和第三方工具(如 Slack 通道)中的资源拥有适当的访问权限。

  • 审查并确认组织的文档是完整、最新和准确的。

您的数据和人工智能相关资源 Copy link to heading Copied! 显示
  

我们了解,您可能对人工智能相关资源如何使用您的数据存有疑问。本节是对我们常见问题解答页面所提供信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,例如事件数据、警报数据、Atlassian 产品中的文档以及 Google Docs 等已连接的第三方产品。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您对此功能提供的任何反馈,包括您选择作为反馈的一部分来共享的任何提示或回复。

当涉及到您的数据时,人工智能相关资源会采取以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给 OpenAI 以外的任何第三方 LLM 提供商。
    • 不会由 OpenAI 或任何其他第三方 LLM 提供商进行存储。
    • 不会用于改进 OpenAI 或任何其他第三方 LLM 提供商。
    • 仅用于提升您的体验。
  • OpenAI 是我们辅助处理商页面中的辅助处理商之一。除了处理您的请求外,它们不会将您的输入和输出用于任何目的。
  • 此功能遵循您产品的权限。例如,如果您没有访问特定 Confluence 页面的权限,则无法在相关资源列表中找到该页面。如果您不希望您的内容出现在对产品其他用户的回复中,则请与您的组织管理员合作以确保团队的访问权限配置得当。
Jira Service Management 中的人工智能建议如何使用 Atlassian Intelligence Copy link to heading Copied! 显示
  

Jira Service Management 中的人工智能建议由 OpenAI 开发的大型语言模型和其他机器学习模型提供支持。这些大型语言模型包括 OpenAI 的 GPT 系列模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些大型语言模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

了解有关 OpenAI 模型功能的更多信息。

Jira Service Management 中人工智能建议的用例 Copy link to heading Copied! 显示
  

借助 Jira Service Management 中的人工智能建议,您的团队可以一目了然地收集有关服务请求和事件的重要上下文,从而快速上手。Atlassian Intelligence 可以帮助您的团队:

  • 对于服务请求,了解事务的简短摘要、事务报告人的详细信息以及可帮助支持人员解决事务的建议步骤列表。Atlassian Intelligence 还会根据此上下文建议您的团队更新服务请求可以采用的方法,例如更改其优先级或添加经办人。
  • 对于事件,了解事务的简短摘要和可能的根本原因的详细信息。Atlassian Intelligence 还会根据此上下文建议您的团队更新事件可以采用的方法,例如将事件识别为重大事件、添加响应者或受影响的服务、更改其严重性或优先级,或通过创建问题事务来调查问题。

当适用的 SLA 即将被违反时,Jira Service Management 中的人工智能建议还可以建议支持人员上报请求或事件。就服务请求而言,如果用于支持这些建议的模型根据报告人的评论文本确定该请求的紧迫感或愤怒感,该功能还可以建议支持人员上报该请求。

我们认为,Jira Service Management 中的人工智能建议在以下情况下效果最佳:

  • 您的项目收到很多类似的请求或事件。
  • 您的组织已经在 Jira Service Management 中记录了服务请求和事件,并提供了完整、准确和最新的信息。
  • 您团队成员的用户个人资料中已填充了有关其角色、部门和地点的信息。
  • 您的客户和团队成员通过对事务添加评论来保留所有对话的书面记录。
  • 您的项目包括团队经常遇到的各种服务请求或事件。
使用 Jira Service Management 中的人工智能建议时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,鉴于用于支持 Jira Service Management 中的人工智能建议的模型的工作方式,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,Jira Service Management 中的人工智能建议在以下情况下不太有用:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 您需要针对某项服务请求或事件的建议,而您的项目中不包含任何类似的请求或事件可供借鉴。
  • 您需要的信息在项目中无法获取。
  • 您需要有关经办人的建议,但有关其角色、部门和地点的信息尚未添加到其个人资料。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需考虑:

  • 使用 Jira Service Management 中的人工智能建议之前,要求团队成员确保其个人资料详细信息(以及过去的事件/服务请求)已填充完整。
您的数据和 Jira Service Management 中的人工智能建议 Copy link to heading Copied! 显示
  

我们了解您可能对 Jira Service Management 中的人工智能建议如何使用您的数据有疑问。本节补充了我们在 Trust Center 中提供的信息。

我们会处理:

  • 提示(输入)和回复(输出)
  • 您的实例中与该功能相关的上下文,如类似请求或事件、经办人或团队伙伴列表、资产以及事务中的数据(如字段值、评论等)。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

当涉及到您的数据时,人工智能建议会应用以下措施。

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给 OpenAI 以外的任何第三方 LLM 提供商。
    • OpenAI 不会对其进行存储。
    • 不会用于改进 OpenAI 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理商列表中的辅助处理商。除了处理您的请求外,它们不会将您的输入和输出用于任何目的。
  • 此功能会遵循您实例中的权限。例如,如果您无法访问某个服务请求或事件,Atlassian Intelligence 在生成建议时将不会考虑这些请求或事件。如果您不希望您项目或站点中的其他用户看到您自己的内容,请与您的组织管理员合作,确保妥善设置您的权限。
自动化功能如何使用 Atlassian Intelligence Copy link to heading Copied! 显示
  

Automation using Atlassian Intelligence 由 OpenAI、Google 和 Anthropic 开发的大语言模型,以及开源大语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)与其他机器学习模型的组合提供支持。这些大型语言模型包括 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

Atlassian Intelligence 使用这些模型来分析自然语言输入,并在 Jira 和 Confluence 中为您生成自动化规则。

这些模型会根据您的输入生成回复,且本质上具有概率性。这意味着,它们的回复是通过根据它们训练所用的数据预测最有可能的下个单词或文本来生成的。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

Automation using Atlassian Intelligence 的用例 Copy link to heading Copied! 显示
  

创建自动化规则是日常自动化体验的核心,我们希望通过将 Atlassian Intelligence 添加到 Jira 和 Confluence 的自动化规则构建器中来简化此流程。现在,您只需输入并描述想要实现自动化的方面,即可轻松创建自动化规则,同时还可让 Atlassian Intelligence 为您处理创建规则涉及的所有繁重工作。详细了解适用于 JiraConfluence 的 Automation using Atlassian Intelligence。

我们认为,当您不确定如何开始或希望加快规则创建流程时,适用于 Jira 和 Confluence 的 Automation using Atlassian Intelligence 的使用效果最佳。

不确定如何更好地创建自动化规则?

自动化规则由不同类型组件的组合创建而成:触发器、操作、条件和分支。您可将组件视为规则的构造块。要使用 Atlassian Intelligence 成功创建规则,您的规则必须至少包含一个触发器和一项操作。例如:

在 Jira 中:

每周一,查找到期时间为未来 7 天的所有任务,并向经办人发送提醒电子邮件。

当工作单变为“测试”状态时,将其分配给 John Smith。

在 Confluence 中:

  • 每周一,查找到期时间为未来 7 天的所有任务,并向经办人发送提醒电子邮件。
  • 每 6 个月,将这段时间内未更新的所有页面归档。归档后,向页面作者发送电子邮件以告知此事。
  • 发布标题中含有产品规格的页面时,创建 Jira 工作单以审查带有该页面链接的页面。

此外,要成功创建规则,Automation using Atlassian Intelligence 必须支持其所有组件。这意味着规则中的任何触发器、操作、条件或分支都必须与 Jira 和/或 Confluence 中的自动化兼容。

Automation using Atlassian Intelligence 的注意事项 Copy link to heading Copied! 显示
  

请务必牢记,由于这些模型会通过特定方式来推动 Automation using Atlassian Intelligence 发挥作用,因此它们有时会出现不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或是包含看似合理但实则有误或不完整的内容。

我们发现,在以下情况下 Automation using Atlassian Intelligence 不太有用:

  • 您需要让 Automation using Atlassian Intelligence 访问您无法轻易获取的信息(例如,受限页面或项目),以正确解答您的请求。
  • 您需要执行一次性任务。
  • 您需在知识库中查询信息。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

Automation using Atlassian Intelligence 只能与 JiraConfluence 中的一组现有可用自动化组件配合使用。

如上所述,您可能还需要尽可能具体地考虑要求 Atlassian Intelligence 完成的事项。

您的数据和 Automation using Atlassian Intelligence Copy link to heading Copied! 显示
  

我们了解,您可能对 Automation using Atlassian Intelligence 如何使用您的数据存有疑问。本节是对我们常见问题解答页面所提供信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 与您的提示相关的实例上下文,如 Jira 项目或 Confluence 页面。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

涉及到您的数据时,使用 Atlassian Intelligence for Confluence 自动化功能时会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商
    • 不会由任何 LLM 提供商进行存储。
    • 不会用于改进 LLM 模型。
    • 仅用于提升您的体验。

所有第三方 LLM 提供商均为辅助处理商,并在我们的辅助处理商页面上以此身份列出。除了处理您的请求外,它们不会将您的输入和输出用于任何目的。

此功能遵循您实例中的权限。例如,如果您没有访问特定项目或页面的权限,您收到的回复中则不会推荐来自这些资产的内容。如果您不想让实例中的其他用户在回复中看到您的内容,则请与您的组织管理员合作以确保权限设置得当。

警报分组

警报分组如何使用 Atlassian Intelligence Copy link to heading Copied! 显示
  

采用 Atlassian Intelligence 的警报分组由 OpenAI、Google 和 Anthropic 开发的大语言模型,以及开源大语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)与其他机器学习模型的组合提供支持。这些模型包括旨在识别警报数据模式的算法,以及 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

Atlassian Intelligence 使用这些机器学习模型来分析和生成警报群组,并根据警报内容或所用标记的相似性在我们的产品中提供相关建议(过去的警报群组和过去的警报响应者)。然后,Atlassian Intelligence 使用大型语言模型来分析和生成我们的产品中这些群组的自然语言描述和内容。

这些大型语言模型根据您的输入生成回复,并且具有概率性。这意味着它们的回复是根据训练时所基于的数据预测最有可能出现的下一个单词或文本而生成的。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

警报分组的用例 Copy link to heading Copied! 显示
  

警报分组使用 Atlassian Intelligence 来识别相似警报并将其分组。它还会根据警报内容或所用标记的语义相似性,识别并推荐过去的相似警报群组和过去的警报响应者(或响应者团队),从而为您提供帮助。

当您想要将警报群组升级为事件时,警报分组还将预先填充所有上下文信息,供您在事件创建过程中查看。

我们认为,在以下情况下,警报分组最有效:

  • 贵组织经常遇到相似或重复警报大量出现的情况,无论是在短时间内还是在更长的时间内经历过。
  • 贵组织始终使用标记对警报进行分类。
  • 您的团队经常发现相似或重复警报应升级为事件。
使用警报分组时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,考虑到用于支持警报分组的模型的工作方式,这些模型有时会表现得不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。就您看到的警报群组而言,它们可能无法准确反映其标记的语义相似性。

我们发现,在以下情况下,警报分组的作用不大:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 您需要警报分组以获取不容易得到的信息,以便对警报进行正确分组。警报分组在团队配置的角色和权限范围内工作,因此您只能访问有权限查看的警报群组和洞察信息。
  • 您团队使用的警报标记不一致或未得到妥善维护。由于警报分组的工作原理是根据警报标题和标记的语义相似度对警报进行分组,因此其生成的警报群组的质量取决于您的团队和组织中使用的警报标记的一致性和健全性。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需要考虑确保您和您的团队在使用警报标记时遵循一致的做法。

您的数据和警报分组 Copy link to heading Copied! 显示
  

我们了解您可能对警报分组如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,例如您的警报数据(警报标题、警报标记、优先级、响应者团队、描述)。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分分享的任何提示或回复。

我们会处理您的警报数据来训练某个版本的机器学习模型,以识别特定于您警报的模式。该版本仅用于为您的体验服务:

  • 我们会存储识别出的模式,以便为您提供洞察信息。
  • 我们不会使用您的警报数据来训练任何 LLM。

当涉及到您的数据时,警报分组会采用以下措施:

  • 您的输入和输出:
    • 不会提供给其他客户。
    • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商

    • 不会由任何 LLM 提供商存储。

    • 不会用于改进 LLM 模型。

    • 仅用于为您的体验服务。

  • 所有第三方 LLM 提供商都是辅助处理商,并在我们的辅助处理商页面上按此列出。除了处理您的请求外,他们不会将您的输入和输出用于任何目的。
  • 此功能遵循您站点的权限。例如,如果 Atlassian Intelligence 根据标记和语义相似性对 50 个警报进行分组,而您只有查看其中 30 个警报的权限,那么您只能在群组详情视图中看到这 30 个警报。如果您不想让站点中的其他用户在回复中看到您的警报,请与您的组织/站点管理员合作,以确保您的权限设置得当。
Atlassian Intelligence 如何为 Confluence 中的页面和博文生成摘要 Copy link to heading Copied! 显示
  

使用 Atlassian Intelligence 为页面和博文生成摘要由 OpenAI、Google 和 Anthropic 开发的大语言模型,以及开源大语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)与其他机器学习模型的组合提供支持。这些大语言模型包括 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

Confluence 快速摘要的用例 Copy link to heading Copied! 显示
  

使用 Atlassian Intelligence 为 Confluence 页面或博文生成快速摘要,从而节省时间并获取所需细节,更快地完成工作。详细了解如何在 Confluence 中使用 Atlassian Intelligence

我们认为,在以下情况下,使用 Atlassian Intelligence 为页面和博文生成摘要效果最佳:

  • 有一个文本密集的页面,阅读时间达 5 分钟甚至更长。
  • 书面内容很多,视觉效果和/或其他格式设置(例如页面上的扩展部分)有限。
使用 Atlassian Intelligence 为页面和博文生成摘要时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 助力为页面和博文生成摘要,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

尽管我们会继续为宏、表格和摘要中的扩展提供更好的支持,但我们发现,在以下情况下,使用 Atlassian Intelligence 为页面和博文生成摘要的用处相对较小:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 您需要为一个内容不足的 Confluence 简短页面生成摘要。
  • 您需要一个 Confluence 页面的摘要,页面中大部分内容都位于表格或扩展中。
  • 您需要一个 Confluence 页面的摘要,页面中大部分内容都包含在宏中。

我们建议您在使用 Atlassian Intelligence 时要考虑所处的情况,并在与他人共享之前审查所收到的回复的质量。

您可能还需要考虑:

  • 让 Atlassian Intelligence 为您所知的文本密集页面生成摘要。
您的数据及使用 Atlassian Intelligence 为页面和博文生成摘要 Copy link to heading Copied! 显示
  

我们了解您可能对在使用 Atlassian Intelligence for Confluence 自动化功能时会如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。

  • 您的实例中与提示相关的上下文,例如您要为其生成摘要的 Confluence 页面中的内容。

  • 有关您如何与我们的功能交互的数据,例如点击流数据以及与您合作的人员

  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分分享的任何提示或回复。

当涉及到您的数据时,使用 Atlassian Intelligence 为页面面和博文生成摘要时会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商。
    • 不会由任何 LLM 提供商存储。

    • 不会用于改进 LLM 模型。
    • 仅用于为您的体验服务。
  • 所有第三方 LLM 提供商都是辅助处理商,并在我们的辅助处理商页面上按此列出。除了处理您的请求外,他们不会将您的输入和输出用于任何目的。
  • 此功能会遵循您实例中的权限。例如,如果您无权访问 Confluence 页面,则您将无法看到此功能,也无法使用 Atlassian Intelligence 为页面生成摘要。如果您不希望您实例中的其他用户看到您自己的内容,请与您的组织管理员合作,确保妥善设置您的权限。

使用 Atlassian Intelligence 定义术语

Atlassian Intelligence 如何定义术语 Copy link to heading Copied! 显示
  

在 Confluence 和 Jira 中使用 Atlassian Intelligence 定义术语由 OpenAI、Google 和 Anthropic 开发的大语言模型,以及开源大语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)与其他机器学习模型的组合提供支持。这些大语言模型包括 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

Atlassian Intelligence 使用这些模型在 Confluence 和 Jira 中分析和生成自然语言回答。

这些模型可根据您的输入生成回复,且本质上具有概率性。这意味着它们生成回复的机制为:根据用于对其进行训练的数据来预测最有可能出现的下一字词或文本。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

使用 Atlassian Intelligence 定义术语的用例 Copy link to heading Copied! 显示
  

关于在 Confluence 和 Jira 中使用内容,最具挑战的事情之一可能就是获取了解所读内容所需的背景信息。缩略语、首字母缩略词、不熟悉的术语以及团队或项目特定的名称可能会导致您在搜索所需信息时花费大量时间。

使用 Atlassian Intelligence 定义术语将为 Confluence 页面或 Jira 事务描述中的公司特定术语(例如首字母缩略词、项目、系统或团队名称)提供定义。这样可为用户在需要时提供他们需要的信息,同时还能帮助团队更好地合作。

Atlassian Intelligence 可以为您定义这些内容,从而节省您的时间,而不会让您偏离正在阅读的内容。

遇到您认为不准确的定义时,您可以对其进行编辑或添加新定义,然后设置可见性,使其针对特定页面或事务、整个空间或项目,或您所在的整个组织显示。

我们认为,在 Confluence 和 Jira 中使用 Atlassian Intelligence 定义术语在以下情况下效果最佳:

  • 一家公司在其 Confluence 实例中会有多个页面提及、描述或解释可供 Atlassian Intelligence 引用的特定术语。
使用 Atlassian Intelligence 定义术语时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于这些模型通过特定方式在 Confluence 中使用 Atlassian Intelligence 定义术语,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,在 Confluence 中使用 Atlassian Intelligence 定义术语的用处不大:

  • 您需要有关人员、地点和事实的最新且准确的信息。
  • 您对该 Confluence 实例中的术语没有足够的背景信息(例如,如果没有提及特定术语的页面,则无法准确生成该术语的定义)。
  • 定义需要访问您无权查看的 Confluence 内容
  • 您尝试定义多个术语,而不是一次定义一个单独的术语。

此外,在 Jira 中,我们还发现,由于使用 Atlassian Intelligence 定义术语依赖于 Confluence 中的搜索功能,因此只有当您有权在您 Jira 实例所在的站点上查看 Confluence 实例时,该功能才能在 Jira 中运行。

您还可能会发现,在使用多种语言编写内容的 Confluence 空间或 Jira 实例中,使用 Atlassian Intelligence 定义术语的效果不如预期。

使用 Atlassian Intelligence 定义术语时如何处理您的数据 Copy link to heading Copied! 显示
  

我们了解您可能对在使用 Atlassian Intelligence 定义术语时会如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,例如您要定义的术语。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分分享的任何提示或回复。

就您的数据而言,使用 Atlassian Intelligence 定义术语时会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商

    • 不会由任何 LLM 提供商存储。
    • 不会用于改进 LLM 模型。
    • 仅用于为您的体验服务。
  • 所有第三方 LLM 提供商都是辅助处理商,并在我们的辅助处理商页面上按此列出。除了处理您的请求外,他们不会将您的输入和输出用于任何目的。
  • 此功能遵循现有的用户访问权限,因此不会向用户显示他们无权访问的内容中的定义。相反,该功能仅会从用户有权在实例中查看的页面和项目中提取内容和定义。如果您不想让实例中的其他用户在回复中看到您的内容,请与您的组织管理员合作,确保您的权限设置得当。
  • 如果用户手动编辑或更新定义,则该定义将存储并保留 1 年。

编辑器中的生成式 AI

编辑体验下的 Atlassian Intelligence 是如何运作的 Copy link to heading Copied! 显示
  

编辑体验下的 Atlassian Intelligence 由 OpenAI、Google 和 Anthropic 开发的大语言模型,以及开源大语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)与其他机器学习模型的组合提供支持。这些大语言模型包括 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型可根据您的输入生成回复,且本质上具有概率性。这意味着它们生成回复的机制为:根据用于对其进行训练的数据来预测最有可能出现的下一字词或文本。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

编辑器中生成式人工智能的用例 Copy link to heading Copied! 显示
  

Atlassian Intelligence 有助于推动组织中的所有团队之间进行有效沟通,从而提高效率、加速决策和改善流程。

我们认为,在以下情况下,使用编辑体验下的 Atlassian Intelligence 效果最佳:

  • 改造现有内容以适合不同的受众。Atlassian Intelligence 可帮助改变语气、改进写作方式并使技术信息更易于其他团队理解。这种方法最适合想要让自己的写作更加专业和简洁的团队。
  • 总结现有内容。借助 Atlassian Intelligence,您可以将粗略的笔记转化为有用的策略文档、知识库文章、营销活动计划等。您也可以使用它来分析现有信息,以定义行动计划和项目。这种方法最适合需要从中提取大量上下文的文本密集型页面。
  • 生成新内容。Atlassian Intelligence 可帮助您起草新内容,例如策略页面、项目概述、发行说明或用户故事。当团队使用清晰、具体的提示并考虑到特定目标时,这种方法效果最好。
使用编辑体验下的 Atlassian Intelligence 时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于这些模型通过特定方式为编辑体验下的 Atlassian Intelligence 提供支持,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,使用编辑体验下的 Atlassian Intelligence 的用处不大:

  • 您需要有关人员、地点和事实的最新且准确的信息。
  • 您需要有权访问您不容易获得的信息(例如,在您的实例中),以正确回答您的请求。
  • 您需要使用标准 Markdown 以外的格式生成内容(例如,从头开始生成信息面板)。
  • 您需要引用正在编辑的文档中尚不存在的信息(例如,其他文档或其他产品中的内容)。
  • 您需要使用英语以外的语言生成和转换内容。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需要考虑:

  • 尽可能具体地说明您要求 Atlassian Intelligence 做的事情。
  • 将复杂的请求分解为更小、更易于管理的任务。
  • 整合相关关键字以提高所生成内容的准确性。
  • 在输入文本中使用正确的语法和标点符号。
  • 校对、审查和编辑 AI 写作助手生成的输出,以确保准确和清晰。
  • 尝试对您的输入文本采用不同的提示或变换一种说法,以探索不同的想法。
  • 与他人合作收集反馈并提高输出质量。
编辑体验下的 Atlassian Intelligence 如何处理您的数据 Copy link to heading Copied! 显示
  

我们了解您可能对编辑体验下的 Atlassian Intelligence 如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,例如您从其触发 Atlassian Intelligence 的产品。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分分享的任何提示或回复。

当涉及到您的数据时,编辑体验中的 Atlassian Intelligence 会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商。

    • 不会由任何 LLM 提供商存储。
    • 不会用于改进 LLM 模型。
    • 仅用于为您的体验服务。
  • 所有第三方 LLM 提供商都是辅助处理商,并在我们的辅助处理商页面上按此列出。除了处理您的请求外,他们不会将您的输入和输出用于任何目的。
  • 此功能遵循您实例中的权限。例如,如果您无权访问某一特定 Confluence 页面,则此功能不会在您收到的回复中建议该页面的内容。如果您不希望自己的内容在对您实例中的其他用户的回复中使用,请与您的组织管理员合作,确保妥善设置您的权限。
事务改写器如何使用 Atlassian Intelligence Copy link to heading Copied! 显示
  

事务改写器由 OpenAI 开发的大型语言模型(包括 OpenAI 的 GPT 系列模型)提供支持。

Atlassian Intelligence 使用该模型来分析和生成 Jira 中的自然语言。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

了解有关 OpenAI 模型功能的更多信息。

事务改写器的用例 Copy link to heading Copied! 显示
  

事务改写器通过使用 Atlassian 开发的模板来改写 Jira 事务描述,从而帮助提高其清晰度。该模板涵盖了我们通常希望在 Jira 事务描述中看到的信息类型,如用户故事、工作背景和验收标准。

我们认为,在事务描述已包含有用信息(如验收标准或来源链接),但这些信息没有使用清晰或一致的结构进行格式化的情况下,事务改写器最有效。

使用事务改写器时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,鉴于用于支持事务改写器的模型的工作方式,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您改写的描述可能无法准确反映其所依据的内容,也可能包含听起来合理但却是错误或不完整的细节。

我们发现,事务改写器在以下情况下不太有用:

  • 您需要有关人员、地点和事实的最新且准确的信息。
  • 您的事务描述不包含太多信息,因为支持事务改写器的模型很有可能添加了原始描述中没有的信息。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前始终查看所收到回复的质量。在开始使用事务改写器来改写事务描述之前,您可能还需要考虑审查并确认事务描述是否包含所有相关信息。

您的数据和事务改写器 Copy link to heading Copied! 显示
  

我们了解您可能对事务改写器如何使用您的数据有疑问。本节补充了我们在 Trust Center 中提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,例如 Jira 事务描述和摘要。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

当涉及到您的数据时,事务改写器会采取以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户
    • 不会发送给 OpenAI 以外的任何第三方 LLM 提供商
    • OpenAI 不会对其进行存储。
    • 不会用于改进 OpenAI 的模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理程序,位于我们的辅助处理程序列表中。除了处理您的请求外,他们不会将您的输入和输出用于任何目的。
  • 此功能仅使用 Jira 事务中的可用信息,并从 Jira 事务中调用。因此,它只能由有权查看事务且无法访问任何其他信息的用户调用。

在 Jira Service Management 中总结事务详情

Atlassian Intelligence 如何在 Jira Service Management 中总结事务详情 Copy link to heading Copied! 显示
  

使用 Atlassian Intelligence 为事务详情生成摘要由 OpenAI、Google 和 Anthropic 开发的大语言模型,以及开源大语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)与其他机器学习模型的组合提供支持。这些大语言模型包括 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型可根据您的输入生成回复,且本质上具有概率性。这意味着它们生成回复的机制为:根据用于对其进行训练的数据来预测最有可能出现的下一字词或文本。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

在 Jira Service Management 中汇总事务详细信息的用例 Copy link to heading Copied! 显示
  

您可以使用 Atlassian Intelligence 来快速总结这些信息,而不必通读有关 Jira Service Management 事务的长篇描述和大量评论。这有助于支持人员快速了解事务的背景以及所取得的任何进展,使他们能够迅速采取行动并提供及时的帮助。

我们认为,使用 Atlassian Intelligence 总结事务详情最适合以下事务:

  • 以英文撰写描述和评论的事务。
  • 包含大量评论和/或长篇评论和描述的事务。
使用 Atlassian Intelligence 总结事务详情时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,考虑到这些模型过去推动使用 Atlassian Intelligence 总结事务详情功能工作的方式,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,使用 Atlassian Intelligence 总结事务详情的用处不大:

  • 您使用的是英语以外的语言
  • 该事务没有历史记录或详情

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

在使用 Atlassian Intelligence 总结事务详情时如何使用您的数据 Copy link to heading Copied! 显示
  

我们了解您可能对在使用 Atlassian Intelligence 为事务详情生成摘要时会如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文包括有关 Jira 服务的详情。管理事务,例如事务描述、评论和请求单中涉及的用户。
  • 有关您如何与我们的功能交互的数据,例如点击流数据以及与您合作的人员
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分分享的任何提示或回复。

就您的数据而言,使用 Atlassian Intelligence 总结事务详情时会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商。

    • 不会由任何 LLM 提供商存储。
    • 不会用于改进 LLM 模型。
    • 仅用于为您的体验服务。
  • 所有第三方 LLM 提供商都是辅助处理商,并在我们的辅助处理商页面上按此列出。除了处理您的请求外,他们不会将您的输入和输出用于任何目的。
  • 此功能遵循您实例中的权限。仅支持人员和项目管理员可以看到“总结”按钮。

编辑器中的生成式 AI

Atlassian Intelligence 如何为智能链接生成摘要 Copy link to heading Copied! 显示
  

使用 Atlassian Intelligence (AI) 为智能链接生成摘要由 OpenAI、Google 和 Anthropic 开发的大语言模型,以及开源大语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)与其他机器学习模型的组合提供支持。这些大语言模型包括 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型可根据您的输入生成回复,且本质上具有概率性。这意味着它们生成回复的机制为:根据用于对其进行训练的数据来预测最有可能出现的下一字词或文本。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

为智能链接生成摘要的用例 Copy link to heading Copied! 显示
  

将光标悬停在 Jira、Confluence 和 Google Docs 中的智能链接上后,Atlassian Intelligence 可帮助您生成内容摘要,从而确定该链接的重要性和价值,并决定后续操作。这样可减少离开当前页面和切换上下文的需要。

我们认为,在以下情况下使用 Atlassian Intelligence 来生成智能链接摘要的效果最佳:

  • 您正在查看的页面或事务包含一个或多个智能链接。
  • 您正在查看的页面或事务包含一个或多个智能链接,这些智能链接包含大量信息或密集内容,会占用您阅读主要内容的时间和注意力。
使用 Atlassian Intelligence 为智能链接生成摘要时的注意事项 Copy link to heading Copied! 显示
  

请务必牢记,鉴于模型在支持使用 Atlassian Intelligence 为智能链接生成摘要时的工作方式,这些模型有时会出现不准确、不完整或不可靠等情况。

例如,您收到的摘要可能无法准确反映其所依据的内容,或者包含看似合理但实为谬误或不完整的内容。

我们发现,在以下情况下使用 Atlassian Intelligence 为智能链接生成摘要的效果不佳:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 您需要为极短的内容生成摘要。
  • 您需要为链接中的所有元数据和内容生成摘要。例如,您想了解 Jira 工作单中的所有字段值及其描述和评论内容。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您的数据以及使用 Atlassian Intelligence 为智能链接生成摘要 Copy link to heading Copied! 显示
  

我们了解您可能对在使用 Atlassian Intelligence 为事务详情生成摘要时会如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与提示相关的上下文;例如,您要为其生成摘要的链接的内容。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的所有回复。

当涉及到您的数据时,使用 Atlassian Intelligence 为智能链接生成摘要会采取以下措施。

  • 您的摘要:
    • 不会提供给其他客户。
    • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商。

    • 不会由任何 LLM 提供商存储。
    • 不会用于改进 LLM 模型。
    • 仅用于为您的体验服务。
  • 所有第三方 LLM 提供商都是辅助处理商,并在我们的辅助处理商页面上按此列出。除了处理您的请求外,他们不会将您的输入和输出用于任何目的。
  • 此功能会遵循您实例中的权限。例如,如果您无权访问 Jira、Confluence 或 Google 中的页面或工作单,则将无法为该来源的内容生成摘要。如果您不想让实例中的其他用户在回复中看到您的内容,则请与您的组织管理员合作,以确保您的权限设置得当。

Jira Service Management 中的 Atlassian Intelligence 回答功能

Jira Service Management 的虚拟服务支持人员如何使用 Atlassian Intelligence Copy link to heading Copied! 显示
  

Jira Service Management 的虚拟服务支持人员由 OpenAI、Google 和 Anthropic 开发的大型语言模型以及开源大型语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)和其他机器学习模型提供支持。

虚拟服务支持人员按如下方式使用这些模型:

  • 意图:每个意图均代表您的虚拟服务支持人员可以帮助客户解决的一个特定问题、疑问或请求。意图是使用为您的组织量身定制的机器学习模型并根据训练数据集(在下文“您的数据和虚拟服务支持人员”中将有更详细的介绍)进行训练的。该模型可用于理解客户在贵组织背景下提出的问题。阅读有关意图的更多信息
  • Atlassian Intelligence 问题回答使用生成式人工智能在您的链接 Confluence 知识库空间中进行搜索,然后总结这些信息以回复客户的问题。Atlassian Intelligence 问题回答由 OpenAI 开发的大型语言模型和其他机器学习模型提供支持。了解有关 Atlassian Intelligence 问题回答的更多信息
  • “根据您的数据”意图模板是使用您的项目事务生成的。我们使用机器学习将最常见的主题分组,为每个群组建议一个意图,然后为每个建议的意图生成标题、描述和训练短语。“根据您的数据”意图模板由机器学习模型(包括大型语言模型)组合提供支持。了解有关意图模板的更多信息

大型语言模型的工作原理:大型语言模型根据您的输入生成回复,具有概率性质。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

用于支持虚拟服务支持人员的大型语言模型包括 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

Jira Service Management 的虚拟服务支持人员用例 Copy link to heading Copied! 显示
  

虚拟服务支持人员由一个对话式 Atlassian Intelligence 引擎提供支持,该引擎可以分析和理解意图、上下文和权限来实现个性化互动,从而帮助团队自动进行一级支持互动。

利用 Atlassian Intelligence,虚拟服务支持人员可帮助团队扩展服务台,并通过以下三个关键功能让客户满意:

  • 意图,由项目管理员创建,代表虚拟服务支持人员可以帮助客户解决的具体问题、疑问或请求。
  • Atlassian Intelligence 问题回答,它使用生成式人工智能在链接的知识库空间中进行搜索,并针对客户的问题总结回答。
  • “根据您的数据”意图模板,这是通过对项目的 Jira Service Management 事务进行分组而生成的个性化意图模板建议,可使项目管理员更快地创建意图。

虚拟服务支持人员可通过多种渠道使用,包括 Slack、Microsoft Teams、Jira Service Management 门户等。了解有关哪些渠道可供虚拟服务支持人员使用的更多信息

我们认为虚拟服务支持人员在以下情况下效果最佳:

  • 您的服务团队收到大量一级问题。
  • 您的支持人员发现自己在反复回答同样的问题。
  • 您拥有一个完整的、最新的链接知识库,虚拟服务支持人员可以使用该知识库针对客户问题提供回答。
  • 您的服务团队通常会收到具有多种可能解决结果的请求,这些请求适合使用项目级虚拟服务支持人员的两种关键功能—意图和 Atlassian Intelligence 问题回答:
    • 当需要采取行动来解决客户请求时(例如,创建一个事务让支持人员来解决),或者当需要来回对话来收集客户信息时,意图功能的效果最佳。对于需要为特定请求提供一个固定的确定性结果的情况,意图也是理想的选择,因为意图可以更好地控制与客户共享哪些信息。
    • 当客户的请求可以通过提供信息和说明来解决,而无需任何支持人员的干预时,Atlassian Intelligence 问题回答功能的效果最佳。
  • 对于“根据您的数据”模板
    • 您的项目已收到至少 50 个事务,这样意图模板建议就能获得足够的信息来提供帮助。
    • 由于“根据您的数据”意图模板将识别最近的常见客户查询并将其分组,因此您最近经历了客户行为的变化,例如即将举行的活动,甚至是技术中断。
使用 Jira Service Management 中的 Atlassian Intelligence 回答功能时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,鉴于用于支持虚拟服务支持人员的模型的工作方式,这些模型有时会表现得不准确、不完整或不可靠。

例如,回复可能无法准确反映其所依据的内容,或者可能包含听起来合理但却是错误或不完整的内容。

我们发现,在以下情况下,虚拟服务支持人员不太有用:

  • 您收到客户的一级请求数量较少。
  • 您尚未使用虚拟服务支持人员的所有功能,例如创建意图(或使用“根据您的数据”意图模板),或启用 Atlassian Intelligence 问题回答。
  • 对于意图
    • 您添加的培训短语含义过于宽泛或过于多样。当意图具体时,意图匹配效果最好。
    • 您添加的训练短语不能准确反映客户通常的提问方式。匹配是语义性的,会在训练短语和客户所提问题之间寻找相似的含义。
    • 您创建的多个意图过于相似。意图之间重叠的主题会让虚拟服务支持人员感到困惑,并导致建议错误的意图。
  • 对于 Atlassian Intelligence 问题回答
    • 客户需要有关人员、地点和事实的最新准确信息。
    • 客户需要 Atlassian Intelligence 问题回答来访问他们无法随时获得的信息(例如,在他们无法访问的链接知识库中)以回答问题。
    • 您的知识库已经过时或不完整,或者其文章不够详细,无法正确回答问题。
  • 对于“根据您的数据”意图模板,您的 Jira Service Management 项目事务中的可用数据质量很差(或者您的事务少于 50 个),因此无法找到有意义的群组。

我们建议您考虑在哪些情况下使用 Atlassian Intelligence,并在为客户启用虚拟服务支持人员之前对其性能进行审查。了解有关提高虚拟服务支持人员性能的更多信息

您可能还需要考虑:

您的数据和虚拟服务支持人员 Copy link to heading Copied! 显示
  

我们了解您可能对 Jira Service Management 的虚拟服务支持人员如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 从您的实例中获取与您的提示相关的上下文,例如将您的链接知识库中的 Confluence 文章汇总为 Atlassian Intelligence 问题回答,或将您的历史 Jira 请求单生成建议意图。

  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。

  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分分享的任何提示或回复。

当涉及到您的数据时,虚拟服务支持人员会采取以下措施:

  • 对于 Jira Service Management 项目渠道中的意图匹配
    • 意图(包括“根据您的数据”意图模板)是根据您提供的训练数据集,通过为您的组织量身定制的机器学习模型进行训练的。这包括您的项目管理员创建的意图和训练短语,或我们在标准意图模板或“根据您的数据”意图模板中提出的建议。
    • 为您的组织开发的训练数据和训练过的机器学习模型不会与其他 Atlassian 客户共享。
    • 训练仅在项目级别完成,这意味着意图是根据管理员在意图创建过程中提供的训练短语进行训练的,管理员对训练数据拥有完全控制权。数据不会在单个站点的多个项目中使用。
    • 这些模型将被存储起来以备 Jira Service Management 站点使用,并在您删除站点时删除。
  • 对于 Jira Service Management 帮助中心中的意图匹配
    • 我们会创建并存储载体,以符合数据驻留的要求。
    • 这些模型将被存储起来以备 Jira Service Management 站点使用,并在您删除站点时删除。
  • 对于 Atlassian Intelligence 问题回答
    • 您的提示(输入)和回复(输出):
      • 不会提供给其他客户。
      • 除 AWS Bedrock 上的 OpenAI、Google 或 Anthropic 之外,任何第三方 LLM 提供商都无法使用。
      • 不会由任何 LLM 提供商存储。
      • 不会用于改进任何大型语言模型。
      • 仅用于为您的体验服务。
    • 此功能遵循应用于您的链接知识库空间的权限和限制。这意味着,在您的 Jira Service Management 门户上客户可使用的所有页面都将可供 Atlassian Intelligence 问题回答在回复客户时使用。例如,如果对某个 Confluence 页面的访问受到限制,通常就不能通过 Jira Service Management 进行访问,那么 Atlassian Intelligence 问题回答将不会使用该页面的内容。如果您不希望您的内容出现在实例中其他用户的回答中,请与您的组织管理员合作,确保您的权限设置适当。
  • 对于“根据您的数据”意图模板
    • 您的 Jira Service Management 请求单数据(输入)和根据该数据创建的建议意图模板(输出):
      • 不会提供给其他客户。
      • 除 AWS Bedrock 上的 OpenAI、Google 或 Anthropic 之外,任何第三方 LLM 提供商都无法使用。
      • 不会由任何 LLM 提供商存储。
      • 不会用于改进大型语言模型。
      • 仅用于为您的体验服务。
    • 对客户在连接的 Jira Service Management 项目中提交的 Jira Service Management 事务和聊天记录的分析仅是为了改善您的体验。

  • OpenAI 是我们的辅助处理商页面中的辅助处理商。除了处理您的请求外,他们不会将您的输入和输出用于任何目的。

使用 Atlassian Intelligence 总结事务详情

Atlassian Intelligence 如何在 Jira 中总结事务详情 Copy link to heading Copied! 显示
  

Jira 中的人工智能摘要由 OpenAI 开发的大型语言模型提供支持。这些模型包括此处介绍的 OpenAI 模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型会根据您的输入生成回复,且本质上具有概率性。这意味着,它们的回复是根据训练过的数据预测最有可能出现的下一个单词或文本而生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

关于使用 Atlassian Intelligence 总结事务详情 Copy link to heading Copied! 显示
  

您可以使用 Atlassian Intelligence 来快速总结这些信息,而不必通读有关 Jira 事务的长篇描述和大量评论。这有助于支持人员快速了解事务的背景和取得的任何进展,使他们能够迅速采取行动并及时提供援助。

我们认为,使用 Atlassian Intelligence 总结事务详情最适合有大量评论和/或冗长评论和描述的事务。

使用 Atlassian Intelligence 总结事务详情时的限制和注意事项 Copy link to heading Copied! 显示
  

请务必记住,鉴于用于支持 Jira 中的人工智能摘要的模型的工作方式,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含看似合理但实则有误或不完整的内容。

我们发现,在以下情况下,使用 Atlassian Intelligence 总结事务详情的用处不大:

  • 该事务没有历史记录或详情
  • 该事务有 100 多条评论(我们将只总结最后 100 条评论)

因此,我们建议您考虑在哪些情况下使用 Atlassian Intelligence,并在与他人共享之前对收到的回复质量进行审查。

在使用 Atlassian Intelligence 总结事务详情时如何使用您的数据 Copy link to heading Copied! 显示
  

我们了解您可能对在使用 Atlassian Intelligence 为事务详情生成摘要时会如何使用您的数据有疑问。本节补充了我们在 Trust Center 中提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,包括有关 Jira 事务的详情,如事务描述、评论和请求单中涉及的用户。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

就您的数据而言,使用 Atlassian Intelligence 总结事务详情时会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给 OpenAI 以外的任何第三方 LLM 提供商。
    • 不会由 OpenAI 存储。
    • 不会用于改进 OpenAI 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理者列表中的辅助处理者。除了处理您的请求外,它们不会将您的输入和输出用于任何目的。
  • 此功能会遵循您实例中的权限。此功能仅使用 Jira 事务中的可用信息,并从 Jira 事务中调用。因此,它只能由有权查看事务且无法访问任何其他信息的用户调用。

人工智能工作分解

人工智能工作分解如何使用 Atlassian Intelligence Copy link to heading Copied! 显示
  

人工智能工作分解由 OpenAI 开发的大型语言模型提供支持。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型会根据您的输入生成回复,且本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

关于人工智能工作分解 Copy link to heading Copied! 显示
  

人工智能工作分解会根据您创建的 Jira 事务建议子事务,从而轻松地将大块工作分解成小块工作。您的事务将作为上下文,为子事务摘要和描述生成建议。

我们认为人工智能工作分解在以下情况下效果最佳:

  • 您从一个有详细摘要和描述的事务开始,包括任何限制、说明和已完成的定义。
  • 起始事务没有现有的子事务。
使用人工智能工作分解时的限制和注意事项 Copy link to heading Copied! 显示
  

请务必记住,鉴于用于支持人工智能工作分解的模型的工作方式,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或是包含看似合理但实则有误或不完整的内容。

我们发现人工智能工作分解在以下情况下不太有用:

  • 您需要有关人员、地点和事实的最新且准确的信息。
  • 您没有从详细的事务摘要和描述开始(例如,如果您试图根据一个描述非常简短和宽泛的事务生成子事务建议)。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需考虑:

  • 尽可能具体地说明您要求 Atlassian Intelligence 完成的事项。
  • 在起始事务摘要和描述中提供尽可能多的信息。
您的数据和人工智能工作分解 Copy link to heading Copied! 显示
  

我们了解,您可能对人工智能工作分解如何使用您的数据有疑问。本节补充了我们在 Trust Center 中提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,包括事务数据(如摘要、描述和评论)。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

当涉及到您的数据时,人工智能工作分解会应用以下措施。

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户
    • 不会发送给 OpenAI 以外的任何第三方 LLM 提供商。
    • 不会由 OpenAI 存储。
    • 不会用于改进 OpenAI 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理者列表中的辅助处理者。除了处理您的请求外,它们不会将您的输入和输出用于任何目的。
  • 此功能遵循您实例中的权限(即您必须拥有访问事务的权限才能生成子事务建议)。如果您不希望其他用户生成的回复中有您的内容,请与您的组织管理员合作,确保您的权限设置得当。
创建事件如何使用 Atlassian Intelligence Copy link to heading Copied! 显示
  

通过 Atlassian Intelligence 利用人工智能创建事件由 OpenAI、Google 和 Anthropic 开发的大语言模型,以及开源大语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)与其他机器学习模型的组合提供支持。这些大语言模型包括 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着,它们的回复是根据训练过的数据预测最有可能出现的下一个单词或文本而生成的。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

利用人工智能创建事件的用例 Copy link to heading Copied! 显示
  

在 Jira Service Management 中将一个或多个警报或警报组上报为事件时,利用人工智能创建事件会使用 Atlassian Intelligence 快速预填充所有上下文信息,供您在创建事件的过程中查看。这样,用户就可以快速了解从这些警报或警报组创建的事件的上下文,并在将警报或警报组上报为事件时审查和确认预填充的信息,包括警报的标题、描述和优先级。

我们认为,在以下情况下利用人工智能创建事件的效果最佳:

  • 要上报为事件的警报包含英文标题和描述。
  • 要上报为事件的警报有较长的描述。
  • 当您根据多个警报创建事件时。
通过利用人工智能创建事件时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,考虑到模型用于推动利用人工智能创建事件工作的方式,这些模型有时会表现得不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下利用人工智能创建事件的效果不佳:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 要上报为事件的警报包含英文以外语言的标题或描述(或两者)。
  • 要上报为事件的警报只包含有限的详情。

由于这些原因,我们建议您在使用 Atlassian Intelligence 时考虑各种情况,并在与他人共享之前审查所收到回复的质量。

为了获得最有用的结果,我们建议您尽可能具体地说明您要求 Atlassian Intelligence 做的事情。

您可能还需要尽可能具体地考虑要求 Atlassian Intelligence 做的事情。

您的数据与使用 Atlassian Intelligence 创建事件 Copy link to heading Copied! 显示
  

我们了解您可能对利用人工智能创建事件如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 与提示相关的实例上下文,如 Jira Service Management 警报的描述、标题和优先级。
  • 有关您如何与我们的功能交互的数据,例如点击流数据以及与您合作的人员
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分分享的任何提示或回复。

当涉及到您的数据时,利用人工智能创建事件会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商。

    • 不会由任何 LLM 提供商存储。
    • 不会用于改进 LLM 模型。
    • 仅用于为您的体验服务。
  • 所有第三方 LLM 提供商都是辅助处理商,并在我们的辅助处理商页面上按此列出。除了处理您的请求外,他们不会将您的输入和输出用于任何目的。
  • 此功能遵循您实例中的警报权限。只有有权查看警报并将其上报为事件的支持人员才能看到 Atlassian Intelligence 关于为要创建的事件填写详情的建议。

创建事后回顾

如何使用 Atlassian Intelligence 创建事后回顾 Copy link to heading Copied! 显示
  

通过 Atlassian Intelligence 创建的 PIR(事后回顾)由 OpenAI 开发的大型语言模型提供支持。这些大型语言模型包括 OpenAI 的 GPT 系列模型。Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型根据用户的输入生成回复,本质上具有概率性。这意味着,回复是通过根据它们训练所用的数据预测最有可能的下个单词或文本来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

利用人工智能创建事后回顾的用例 Copy link to heading Copied! 显示
  

PIR 是事件管理流程的核心部分,可帮助事件响应者和管理者从当前的事件中吸取经验教训,并传递洞察信息,以防止今后发生类似事件。Atlassian Intelligence 可根据 Jira Service Management 实例和 Slack 等聊天工具中的相关上下文信息建议 PIR 描述,供您查看,从而帮助加快通常耗时的 PIR 编制任务。

我们认为,在以下情况下使用人工智能创建 PIR 效果最佳:

  • 您的组织采用一贯的做法为事件编制 PIR 。

  • 您团队的事件详细信息分散在 Slack 和 Jira Service Management 等聊天工具中,这需要您花费更多时间根据这些来源编制 PIR。

  • 您的组织在 Jira Service Management 中使用完整的最新信息记录事件。

通过利用人工智能创建事后回顾时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,考虑到这些模型用于支持 PIR 创建工作的模型的方式,这些模型有时会表现得不准确、不完整或不可靠。例如,您收到的回复可能无法准确反映其所依据的内容,或者包含可能听起来合理但却是错误或不完整的内容。

我们发现,在以下情况下使用人工智能创建 PIR 的作用不大:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 您需要通过创建 PIR 来访问不容易获取的信息(例如,您无法访问的聊天频道),以便正确生成 PIR 描述。
  • 您的 Jira Service Management 实例中的数据不完整或不够详细,因此 PIR 创建可能无法生成准确的描述。

因此,我们建议您考虑在哪些情况下可以使用 Atlassian Intelligence,并在与他人共享之前对收到的回复质量进行审查。

您可能还需考虑:

  • 尽可能具体地说明您希望 Atlassian Intelligence 做什么。
  • 确保您和您的团队始终遵循事件管理实践。例如,在 Jira Service Management 实例中记录完整准确的事件详细信息,并将相关聊天频道与事件关联起来。
您的数据和利用人工智能创建事后回顾 Copy link to heading Copied! 显示
  

我们了解您可能对利用人工智能创建事后回顾如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,如事件数据(如摘要、标签、优先级、响应者团队和描述)、链接的警报和链接的 Slack 聊天频道。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

当涉及到您的数据时,利用人工智能创建 PIR 会应用以下措施。

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。

    • 不会发送给 OpenAI 以外的任何第三方 LLM 提供商。

    • 不会由 OpenAI 存储。

    • 不会用于改进 OpenAI 模型。

    • 仅用于提升您的体验。

  • 所有第三方 LLM 提供商都是辅助处理商,并在我们的辅助处理商页面上按此列出。

  • 此功能会遵循您实例中的权限。例如,如果您无法访问事件的链接警报或链接的 Slack 频道,那么在您收到的回复中将不会向您推荐这些来源中的内容。如果您不希望您的内容出现在实例中对其他用户的回复中,请与您的组织管理员合作,确保您的权限设置适当。

使用 Atlassian Intelligence 生成拉取请求描述

Bitbucket Cloud 如何使用 Atlassian Intelligence 生成拉取请求描述 Copy link to heading Copied! 显示
  

使用 Atlassian Intelligence 生成拉取请求描述由 OpenAI、Google 和 Anthropic 开发的大语言模型,以及开源大语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)与其他机器学习模型的组合提供支持。这些大语言模型包括 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言和代码。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过它们训练所用的数据预测最有可能的下个单词或文本来生成的。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

使用 Atlassian Intelligence 生成拉取请求描述的用例 Copy link to heading Copied! 显示
  

当您在 Bitbucket Cloud 代码审查体验中编写拉取请求描述或评论时,Atlassian Intelligence 可以帮助您生成、转换和汇总内容。具体包括:

  • 根据拉取请求中包含的代码更改生成拉取请求描述。
  • 总结、改进或更改拉取请求描述的语气。
  • 总结、改进或更改拉取请求评论的语气。

我们认为,在以下情况下,使用 Atlassian Intelligence 生成 Bitbucket Cloud 拉取请求描述效果最佳:

  • 作为代码作者,您希望 Atlassian Intelligence 协助您编写或改进拉取请求描述。对于能够审查并确认 Atlassian Intelligence 生成的内容适合描述拉取请求的团队来说,这种方法最有效。
  • 作为代码审查员,您希望 Atlassian Intelligence 协助您改进所起草的拉取请求评论的语气或内容。
使用 Atlassian Intelligence 生成拉取请求描述时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,考虑到这些模型用于推动此功能工作的方式,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,使用 Atlassian Intelligence 生成 Bitbucket Cloud 拉取请求描述不太有用:

  • 您需要在拉取请求描述中引用代码更改中尚未出现的信息(例如,包含在存储库其他地方的源代码)。
  • 您无法审查和确认 Atlassian Intelligence 生成的内容是否准确反映了拉取请求。
  • 您需要有关人员、地点和事实的最新、准确信息。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需要考虑:

  • 尽可能具体地说明您要求 Atlassian Intelligence 做的事情。
  • 校对、审查和编辑 AI 写作助手生成的输出,以确保准确和清晰。
  • 与他人合作收集反馈并提高输出质量。
您的数据以及使用 Atlassian Intelligence 生成拉取请求描述 Copy link to heading Copied! 显示
  

我们了解您可能对在 Confluence 中使用 Atlassian Intelligence 定义术语时会如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)
  • 您的实例中与您的提示相关的上下文,例如:
    • 您的拉取请求中的代码更改和提交消息
    • 您的拉取请求描述的内容
    • 您的拉取请求评论的内容
  • 有关您如何与我们的功能交互的数据,例如点击流数据以及与您合作的人员
  • 您选择提供的有关此功能的反馈

当涉及到您的数据时,使用 Atlassian Intelligence 生成拉取请求描述会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商。

    • 不会由任何 LLM 提供商存储。
    • 不会用于改进 LLM 模型。
    • 仅用于提升您的体验。
  • 所有第三方 LLM 提供商都是辅助处理商,并在我们的辅助处理商页面上按此列出。

在 Atlassian Analytics 中生成 SQL 查询

Atlassian Intelligence 如何在 Atlassian Analytics 中生成 SQL 查询 Copy link to heading Copied! 显示
  

在 Atlassian Analytics 中使用 Atlassian Intelligence 生成 SQL 查询由 OpenAI、Google 和 Anthropic 开发的大语言模型,以及开源大语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)与其他机器学习模型的组合提供支持。这些大语言模型包括 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

Atlassian Intelligence 使用这些模型来分析和理解自然语言,然后在 Atlassian Analytics 中将其转换为结构化查询语言 (SQL)。

这些模型可根据您的输入生成回复,且本质上具有概率性。这意味着它们生成回复的机制为:根据用于对其进行训练的数据来预测最有可能出现的下一字词或文本。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

使用 Atlassian Intelligence 生成 SQL 查询的用例 Copy link to heading Copied! 显示
  

用自然语言向 Atlassian Intelligence 提问,然后将其转换为 SQL,而不是从头开始自己编写 SQL 查询。提出问题后,Atlassian Intelligence 会使用所选数据源的 Atlassian Data Lake 架构生成 SQL 查询,该查询可用于在您的 Atlassian Analytics 仪表板上构建图表,还可以帮助您了解 Data Lake 中的架构。

我们认为,在以下情况下,使用 Atlassian Intelligence 生成 SQL 查询效果最佳:

  • 您想要从先从生成的 SQL 开始根据需要优化查询,然后构建自定义图表。
  • 自然语言问题中包含 Atlassian Data Lake 架构中引用的单词和概念,在这种情况下,您要指定的尽可能具体。
  • 您想探索和了解 Atlassian Data Lake 架构。

不确定要问什么问题?

以下是一些建议:

  • 按未解决的 Jira 事务数量统计,前 5 个标签是什么?
  • 上个月 x 项目中完成了多少 Jira 事务?
  • 对于排名前 5 的状态,状态中的平均时间是多少?
  • 上个月最受欢迎的 5 个 Confluence 页面是什么?
  • 在过去 5 天内,在我们的 x Jira Service Management 项目中提出了多少请求?
使用 Atlassian Intelligence 生成 SQL 查询时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 生成 SQL 查询,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,使用 Atlassian Intelligence 生成 SQL 查询的用处不大:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 您需要此功能来访问在 Atlassian Data Lake 架构中不容易获得的信息(例如,高级规划的数据),以便正确回答问题。
  • 问题包含对自定义字段的引用。
  • 问题是以英语以外的语言提出的。
  • 您对 SQL 的熟悉程度不足以验证 Atlassian Intelligence 返回的 SQL。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需要考虑:

  • 尽可能具体地说明您要求 Atlassian Intelligence 做的事情。
  • 确保您使用的 Atlassian Data Lake 数据源涵盖回答问题所需的数据。
使用 Atlassian Intelligence 生成 SQL 查询时如何处理您的数据 Copy link to heading Copied! 显示
  

我们了解您可能对在使用 Atlassian Intelligence 生成 SQL 查询时会如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,包括适用于您的实例的公开发布的 Atlassian Data Lake 架构
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分分享的任何提示或回复。

就您的数据而言,使用 Atlassian Intelligence 生成 SQL 查询时会应用以下措施。

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商。

    • 不会由任何 LLM 提供商存储。
    • 不会用于改进 LLM 模型。
    • 仅用于为您的体验服务。
  • 所有第三方 LLM 提供商都在我们的辅助处理商页面上。除了处理您的请求外,他们不会将您的输入和输出用于任何目的。
  • 此功能遵循您的 Atlassian Data Lake 连接中的权限。例如,如果您无权访问 Atlassian Data Lake 连接,则将无法构建 SQL 来进行查询。

在 Confluence 中搜索答案

Atlassian Intelligence 如何在 Confluence 中搜索答案 Copy link to heading Copied! 显示
  

使用 Atlassian Intelligence 在 Confluence 中搜索答案由 OpenAI、Google 和 Anthropic 开发的大语言模型,以及开源大语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)与其他机器学习模型的组合提供支持。这些大语言模型包括 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型可根据您的输入生成回复,且本质上具有概率性。这意味着它们生成回复的机制为:根据用于对其进行训练的数据来预测最有可能出现的下一字词或文本。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

在 Confluence 中搜索回答的用例 Copy link to heading Copied! 显示
  

知识库扩充速度过快,用户无法跟上这样的速度。使用 Atlassian Intelligence 在 Confluence 中搜索答案的功能可以帮助客户更快地获取推进工作所需的关键信息。此功能可帮您轻松找到所需信息。它了解您会向团队成员提出哪些类型的问题,并立即回答。详细了解如何使用 Atlassian Intelligence 在 Confluence 中搜索答案

我们认为,当您的 Confluence 网站上包含详细、完整、最新的内容时,使用 Atlassian Intelligence 在 Confluence 中搜索答案效果最佳。

此功能不会生成新内容,而会在遵循限制的前提下搜索 Confluence 页面和博文,以找到问题的答案。Atlassian Intelligence 仅根据您 Confluence 中的内容以及您有权访问的具体内容来生成答案。

不确定要问什么问题?

下面提供了一些建议

  • 下一个营销团队于何时异地处理工作?
  • 居家办公的政策什么?
  • Sunrise 项目是什么?
  • 我们的下次营销活动是什么时候?
  • SpaceLaunch 最新产品的发布说明位于何处?
  • 如何提交待报销费用?
使用 Atlassian Intelligence 在 Confluence 中搜索答案时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 在 Confluence 中搜索答案,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,使用 Atlassian Intelligence 在 Confluence 中搜索答案的用处相对较小:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 您需要有关倾向于频繁更改的信息(例如,每月更新的路线图)的最新准确信息。
  • 您需要有关特定人员及其在组织中担任的角色的最新准确信息。
  • 您需要访问您不容易获得的信息(例如,您 Confluence 实例中的受限制页面),以便此功能正确回应您的请求。
  • 答案包含一系列不同的值或类别(例如,每周更新的指标)。
  • 您需要的答案要有细微差别、复杂性或达到堪比人类的推理水平。

您还有可能发现,在使用多种语言编写文档的 Confluence 空间中,使用 Atlassian Intelligence 在 Confluence 中搜索答案的效果不如预期。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需要考虑:

  • 尽可能具体地说明您要求 Atlassian Intelligence 做的事情。
  • 就您确知在 Confluence 实例中记录的内容以及您可以访问的内容提问。
您的数据以及使用 Atlassian Intelligence 在 Confluence 中搜索答案 Copy link to heading Copied! 显示
  

我们了解您可能对在 Confluence 使用 Atlassian Intelligence 搜索回答时会如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,例如 Confluence 搜索返回的前三页的内容。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分分享的任何提示或回复。

当涉及到您的数据时,使用 Atlassian Intelligence 在 Confluence 中搜索答案时会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商。

    • 不会由任何 LLM 提供商存储。
    • 不会用于改进 LLM 模型。
    • 仅用于为您的体验服务。
  • 所有第三方 LLM 提供商都是辅助处理商,并在我们的辅助处理商页面上按此列出。除了处理您的请求外,他们不会将您的输入和输出用于任何目的。
  • 此功能遵循您实例中的权限。例如,如果您无权访问某个 Confluence 页面,则此功能不会在您看到的回复中使用该页面的内容。如果您不希望自己的内容在对您实例中的其他用户的回复中使用,请与您的组织管理员合作,确保您的权限设置得当。

在 Jira 中搜索事务

Atlassian Intelligence 如何在 Jira 中搜索事务 Copy link to heading Copied! 显示
  

在 Jira 中使用 Atlassian Intelligence 搜索事务由 OpenAI、Google 和 Anthropic 开发的大语言模型,以及开源大语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)与其他机器学习模型的组合提供支持。这些大语言模型包括 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

Atlassian Intelligence 使用这些模型来分析和理解自然语言,然后将其转换为我们产品中的 Jira 查询语言 (JQL) 代码。

这些模型根据您的输入生成回复,本质上具有概率性。也就是说,它们会根据训练所用数据,预测接下来最有可能出现的单词或文本,以此生成回复。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

在 Jira 中搜索事务的用例 Copy link to heading Copied! 显示
  

现在,您可以用日常语言向 Atlassian Intelligence 询问所需内容,而不必使用复杂的查询。通过使用 Atlassian Intelligence 搜索事务,您的提示将转换为 JQL 查询,这能快速帮助您搜索特定事务。

我们认为,在以下情况下,使用 Atlassian Intelligence 搜索事务效果最佳:

  • 您正在使用 Jira 项目中的事务字段查询 Jira 事务。
  • 该查询具有特定的字段和值,有助于缩小事务搜索范围。
  • 您要搜索的字段和值存在于 Jira 项目中。
  • 您的查询使用的是英文。
  • 该查询可转换为 JQL。由于 Atlassian Intelligence 会将提示转换为 JQL 代码,因此在输入中包含可转换为 JQL 的关键字可以获得更好的结果。
使用 Atlassian Intelligence 搜索事务时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 搜索事务,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上错误或不完整的内容。

我们发现,在以下情况下,使用 Atlassian Intelligence 搜索事务的用处相对较小:

  • 您需要有关人员、地点和事实的最新、准确信息。
  • 您搜索的对象并非事务,而是项目、面板或用户之类的 Jira 实体。
  • 您搜索时所用的是英文以外的语言。
  • 您需要通过搜索来分析事务,以便创建图表、摘要或其他数据表示形式。
  • 搜索需要 JQL 中当前不可用的函数(例如,“查找我评论过的事务”这样的问题无法转换为 JQL 函数)。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需要尽可能具体地考虑要求 Atlassian Intelligence 做的事情。务必包含要查找的确切字段和值。

您的数据以及使用 Atlassian Intelligence 搜索事务 Copy link to heading Copied! 显示
  

我们了解您可能对在使用 Atlassian Intelligence 搜索事务时会如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,例如您当前所在的项目。
  • 有关您如何与我们的功能交互的数据,例如点击流数据以及与您合作的人员
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分分享的任何提示或回复。

当涉及到您的数据时,使用 Atlassian Intelligence 搜索事务时会应用以下措施:

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商。

    • 不会由任何 LLM 提供商存储。
    • 不会用于改进 LLM 模型。
    • 仅用于为您的体验服务。
    • 在我们的数据库中存储 90 天后,您的提示将作为搜索历史记录的一部分再呈现给您。

  • 所有第三方 LLM 提供商都是辅助处理商,并在我们的辅助处理商页面上按此列出。除了处理您的请求外,他们不会将您的输入和输出用于任何目的。
  • 您的搜索回复将基于您有权访问的事务和字段(例如,如果您无权访问某一特定 Jira 项目,则不会收到有关该项目中事务和字段的搜索结果)。

人工智能工作分解

人工智能工作分解如何使用 Atlassian Intelligence Copy link to heading Copied! 显示
  

人工智能工作分解由 OpenAI 开发的大型语言模型提供支持。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型会根据您的输入生成回复,且本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文以了解有关此方法的更多信息。

关于人工智能工作分解 Copy link to heading Copied! 显示
  

人工智能工作分解会根据您创建的 Jira 事务建议子事务,从而轻松地将大块工作分解成小块工作。您的事务将作为上下文,为子事务摘要和描述生成建议。

我们认为人工智能工作分解在以下情况下效果最佳:

  • 您从一个有详细摘要和描述的事务开始,包括任何限制、说明和已完成的定义。
  • 起始事务没有现有的子事务。
使用人工智能工作分解时的限制和注意事项 Copy link to heading Copied! 显示
  

请务必记住,鉴于用于支持人工智能工作分解的模型的工作方式,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或是包含看似合理但实则有误或不完整的内容。

我们发现人工智能工作分解在以下情况下不太有用:

  • 您需要有关人员、地点和事实的最新且准确的信息。
  • 您没有从详细的事务摘要和描述开始(例如,如果您试图根据一个描述非常简短和宽泛的事务生成子事务建议)。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需考虑:

  • 尽可能具体地说明您要求 Atlassian Intelligence 完成的事项。
  • 在起始事务摘要和描述中提供尽可能多的信息。
您的数据和人工智能工作分解 Copy link to heading Copied! 显示
  

我们了解,您可能对人工智能工作分解如何使用您的数据有疑问。本节补充了我们在 Trust Center 中提供的信息。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文,包括事务数据(如摘要、描述和评论)。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

当涉及到您的数据时,人工智能工作分解会应用以下措施。

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户
    • 不会发送给 OpenAI 以外的任何第三方 LLM 提供商。
    • 不会由 OpenAI 存储。
    • 不会用于改进 OpenAI 模型。
    • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理者列表中的辅助处理者。除了处理您的请求外,它们不会将您的输入和输出用于任何目的。
  • 此功能遵循您实例中的权限(即您必须拥有访问事务的权限才能生成子事务建议)。如果您不希望其他用户生成的回复中有您的内容,请与您的组织管理员合作,确保您的权限设置得当。
How suggested topics in knowledge base use Atlassian Intelligence Copy link to heading Copied! 显示
  

Suggested topics in knowledge base is powered by large language models developed by OpenAI and Anthropic, as well as a combination of open-source transformer-based language models and other machine learning models. These large language models include OpenAI’s GPT series of models and Anthropic’s Claude series of models.

Atlassian Intelligence uses these models to analyze and generate natural language within our products. The open-source encoder models convert your textual inputs into numerical forms (embeddings) which are used for identifying and forming topics from your inputs.

这些大型语言模型会根据您的输入生成回复,且本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。

Read more about the capabilities of OpenAI’s models and Anthropic’s models. For more information on open-source language models, see information on Multi-QA-miniLM and E5-Multilingual.

Use cases for suggested topics in knowledge base Copy link to heading Copied! 显示
  

This feature helps admins and agents understand the gaps in their knowledge base by analyzing the service requests received in a project. This feature clearly highlights the topics for which help seekers are raising requests (based on data in the last 30 days) but there’s no existing knowledge. By suggesting topics, we want to give project admins and agents visibility into how many requests can be deflected or at least resolved with knowledge.

We believe that increasing the number of knowledge articles will influence the performance of other features in Jira Service Management such as Virtual Service Agent’s AI answers. When admins or agents create articles on the suggested topics, it can also help improve the resolution rate of requests resolved using AI answers.

We believe that suggested topics work best in scenarios where:

  • There are at least 40-100 requests raised in a span of 30 days.
  • The content in requests, such as summary, description, field values, etc., is primarily in English. The quality of suggested topics may vary for other languages.
Considerations when using suggested topics in knowledge base Copy link to heading Copied! 显示
  

It’s important to remember that because of the way that the models used to power suggested topics in knowledge base work, these models can sometimes behave in ways that are inaccurate, incomplete or unreliable.

例如,您收到的回复可能无法准确反映其所依据的内容,或是包含看似合理但实则有误或不完整的内容。

We’ve found that suggested topics in knowledge base is less useful in scenarios where:

  • You need topics for a project that receives less than 40 requests in a month.
  • Your project creates requests automatically from alerts as these might not require a knowledge base article.
  • You need topics for requests where summary, description, field values, etc., are in languages other than English.

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需考虑:

  • Asking team members to review the suggested topics before creating articles.
  • Asking project admins to identify experts in their teams to create high quality knowledge base articles.
Your data and suggested topics in knowledge base Copy link to heading Copied! 显示
  

We understand you may have questions about how suggested topics uses your data. This section supplements the information available on our Trust Center.

我们会处理:

  • Context from your instance relevant to the feature, such as data in a request like field values, summary, and description to identify topics.
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分来分享的任意提示或回复。

When it comes to your data, suggested topics in knowledge base applies the following measures.

Your suggested topics in knowledge base:

  • 不会提供给其他客户
  • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商。
  • 不会由任何 LLM 提供商存储。
  • Are not used to improve any third-party LLMs.
  • 仅用于提升您的体验。
  • OpenAI 是我们的辅助处理商列表中的辅助处理商。除了处理您的请求外,它们不会将您的输入和输出用于任何目的。
  • We only process requests that are accessible to everyone in a service project for your site. Any requests with issue-level permissions are not considered to suggest topics.
  • We refresh the list of suggested topics every 7 days to ensure that the suggestions are up-to-date.

从数据中获取即时洞察信息

在下面选择一项 Atlassian Intelligence 功能,用例和数据使用情况一目了然。

Chart Insights

Chart Insights 如何使用 Atlassian Intelligence Copy link to heading Copied! 显示
  

Chart Insights 由 OpenAI、Google 和 Anthropic 开发的大语言模型,以及开源大语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)与其他机器学习模型的组合提供支持。这些大语言模型包括 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。

这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是根据训练过的数据预测最有可能出现的下一个单词或文本而生成的。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

Chart Insights 的用例 Copy link to heading Copied! 显示
  

Chart Insights 使用 Atlassian Intelligence 来帮助您加快对 Atlassian Analytics 中任何图表中数据的理解。为此,它使用仪表板标题、图表标题和图表数据(包括列标题和行值)来生成该图表及其数据的自然语言摘要。它还会识别任何趋势或异常,为您提供有关该图表的某些洞察信息。

我们认为,Chart Insights 在以下情况下效果最佳:

  • 图表有许多行数据。
  • 图表有仪表板标题。
  • 图表有列标题。
  • 图表的所有行和列都有值。

条形图、折线图和条形折线图最适合使用此功能,因为它们通常具有趋势、日期和许多行数据。

使用 Chart Insights 时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,考虑到模型用于推动 Chart Insights 工作的方式,这些模型有时会表现得不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,Chart Insights 不太有用:

  • 您的图表包含一行或只有几行数据。
  • 您的图表属于单值类型。
  • 您的图表缺少标题、轴标签和列标题。

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需要考虑:

  • 与其他可能对图表中显示的特定数据有更多了解的用户反复核对洞察信息的准确性。
  • 考虑到 Atlassian Intelligence 在提供回复时只使用单个图表的上下文,而不是整个仪表板。
您的数据和 Chart Insights Copy link to heading Copied! 显示
  

我们了解您可能对 Chart Insights 如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 与您的提示相关的实例上下文,例如图表中的数据。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分分享的任何提示或回复。

当涉及到您的数据时,Chart Insights 会采取以下措施。

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商。

    • 不会由任何 LLM 提供商存储。
    • 不会用于改进 LLM 模型。
    • 仅用于为您的体验服务。
  • 所有第三方 LLM 提供商都是辅助处理商,并在我们的辅助处理商页面上按此列出。除了处理您的请求外,他们不会将您的输入和输出用于任何目的。
  • 此功能仅使用您可以访问并已请求洞察信息的仪表板中的信息。

在 Jira Service Management 中建议请求类型

Atlassian Intelligence 如何在 Jira Service Management 中提供请求类型建议 Copy link to heading Copied! 显示
  

使用 Atlassian Intelligence 提供请求类型建议由 OpenAI、Google 和 Anthropic 开发的大语言模型,以及开源大语言模型(包括 Llama 系列、Phi 系列和 Mixtral 系列)与其他机器学习模型的组合提供支持。这些大语言模型包括 OpenAI 的 GPT 系列模型、Google 的 Gemini 系列模型和 Anthropic 的 Claude 系列模型。

Atlassian Intelligence 使用这些模型来分析自然语言输入,以及在 Jira Service Management 中为您生成有关请求类型名称和描述的建议。

这些模型可根据您的输入生成回复,且本质上具有概率性。这意味着它们生成回复的机制为:根据用于对其进行训练的数据来预测最有可能出现的下一字词或文本。

了解有关 OpenAI 模型Google 模型Anthropic 模型功能的更多信息。有关开源语言模型的更多信息,请参阅 Llama 系列Phi 系列的相关信息。

在 Jira Service Management 中建议请求类型的用例 Copy link to heading Copied! 显示
  

在判断要为项目创建何种请求类型方面节省时间,直接从 Atlassian Intelligence 获取建议。您只需描述自己的工作和团队通常管理的内容,即可查看您可以创建哪些类型的请求。从 Atlassian Intelligence 生成的建议中选择一项,以创建请求类型。详细了解如何使用 Atlassian Intelligence 来提供请求类型建议

我们认为,在以下情况下,使用 Atlassian Intelligence 提供请求类型建议的效果最佳:

  • 您有非常独特的用例,而现有请求类型模板无法满足这些用例的需求。
  • 您有非常笼统的要求,并且在寻找一些想法。
  • 您在使用一种广泛使用的语言(例如英语或西班牙语)。
使用 Atlassian Intelligence 建议请求类型时的注意事项 Copy link to heading Copied! 显示
  

请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 提供请求类型建议,这些模型的行为有时可能不准确、不完整或不可靠。

例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。

我们发现,在以下情况下,使用 Atlassian Intelligence 提供请求类型建议的用处相对较小:

  • 您需要有关人员、地点和事实的最新且准确的信息。
  • 您需要此功能来访问您不容易获得的信息(例如,位于您实例中的信息),以便其正确回应您的请求。
  • 您提供的提示过于模糊,或者与服务管理无关。
  • 您使用的并不是广泛使用的语言

因此,我们建议您在使用 Atlassian Intelligence 时考虑所处的情况,并在与他人共享之前查看所收到回复的质量。

您可能还需要考虑:

  • 尽可能具体地说明您要求 Atlassian Intelligence 做的事情。
您的数据及使用 Atlassian Intelligence 提供请求类型建议 Copy link to heading Copied! 显示
  

我们了解您可能对在使用 Atlassian Intelligence 提供请求类型建议时会如何使用您的数据有疑问。此部分是对我们的常见问题解答页面信息的补充。

我们会处理:

  • 您的提示(输入)和回复(输出)。
  • 您的实例中与您的提示相关的上下文。
  • 有关您如何与我们的功能进行交互的数据;例如,点击流数据以及与您合作的人员。
  • 您选择提供的有关此功能的反馈,包括您选择作为反馈的一部分分享的任何提示或回复。

当涉及到您的数据时,使用 Atlassian Intelligence 提供请求类型建议会应用以下措施。

  • 您的提示(输入)和回复(输出):
    • 不会提供给其他客户。
    • 不会发送给除 OpenAI、Google 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商。

    • 不会由任何 LLM 提供商存储。
    • 不会用于改进 LLM 模型。
    • 仅用于为您的体验服务。
  • 所有第三方 LLM 提供商都是辅助处理商,并在我们的辅助处理商页面上按此列出。除了处理您的请求外,他们不会将您的输入和输出用于任何目的。
  • 此功能仅使用您的提示中的信息,因此会遵循所有 Jira 权限。

引用

在我们专门的状态页面上获取有关 Atlassian 产品的实时状态更新。

了解有关 Atlassian Intelligence 的更多信息

了解 Atlassian 如何管理客户数据。

了解有关 Atlassian Rovo 的更多信息