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

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。

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。

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。

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 模型和 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 系列和 Phi 系列的相关信息。

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。

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。

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 模型和 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 系列和 Phi 系列的相关信息。

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。

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。

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。

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 模型和 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 系列和 Phi 系列的相关信息。

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。

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。

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。

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 中使用 Atlassian Intelligence 搜索工作项由 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）与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、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 模型和 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 系列和 Phi 系列的相关信息。

现在，您可以使用日常语言向 Atlassian Intelligence 提出您的需求，而不必再进行复杂的查询。通过使用 Atlassian Intelligence 搜索工作项，您的提示会被转化为 JQL 查询，从而快速帮助您搜索特定的工作项。

我们认为，使用 Atlassian Intelligence 搜索工作项在以下情况下效果最佳：

• 您正在使用 Jira 项目中提供的工作项字段查询 Jira 工作项。
• 该查询具有特定的字段和值，有助于缩小工作项搜索范围。
• 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。

请务必记住，鉴于用于使用 Atlassian Intelligence 搜索工作项的模型的工作方式，这些模型有时可能表现得不准确、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 搜索工作项的用处不大：

• 您需要有关人员、地点和事实的最新、准确信息。
• 您要搜索的对象并非工作项，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工作项，以便创建图表、摘要或其他数据表示形式。
• 搜索需要 JQL 中目前不提供的函数（例如，“查找我评论过的工作项”，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。

我们了解您可能对使用 Atlassian Intelligence 搜索工作项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 搜索工作项会应用以下措施：

• 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。
• 您的搜索响应将基于您有权访问的工作项和字段（例如，如果您无权访问某一特定 Jira 项目，则不会收到该项目中工作项和字段的搜索结果）。

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。

人工智能工作分解会根据您创建的 Jira 工作项建议子工作项，从而轻松地将大块工作分解成小块工作。您的工作项将作为上下文，为子工作项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工作项开始，包括任何限制、说明和已完成的定义。
• 起始工作项没有现有的子工作项。

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。
• 您没有从详细的工作项摘要和描述开始（例如，如果您试图根据一个描述非常简短和宽泛的工作项生成子工作项建议）。

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。
• 在起始工作项摘要和描述中提供尽可能多的信息。

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，包括工作项数据（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（即您必须拥有访问工作项的权限才能生成子工作项建议）。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。

了解有关使用 Atlassian Intelligence 的更多信息

知识库中的建议主题由 OpenAI 和 Anthropic 开发的大型语言模型以及基于开源转换器的语言模型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。开源编码器模型可将文本输入转换为数字形式（嵌入），用于从输入中识别和形成主题。

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。

了解有关 OpenAI 模型和 Anthropic 模型功能的更多信息。有关开源语言模型的更多信息，请参阅有关 Multi-QA-miniLM 和 E5-Multilingual 的信息。

该功能可通过分析项目中收到的服务请求，帮助管理员和支持人员了解其知识库中存在的差距。该功能可清晰地突出显示求助者正在提起请求（基于过去 30 天的数据）但却没有现成知识的主题。通过建议主题，我们希望让项目管理员和支持人员了解有多少请求可以通过知识转移或至少解决。

我们相信，知识文章数量的增加将影响 Jira Service Management 中其他功能（如虚拟服务支持人员的人工智能问题回答）的性能。当管理员或支持人员就建议主题创建文章时，也有助于提高使用人工智能问题回答解决的请求的解决率。

我们认为建议主题在以下情况下最有效：

• 在 30 天内提起至少 40 至 100 个请求。
• 请求中的内容（如摘要、描述、字段值等）主要为英文。对于其他语言，建议主题的质量可能会有所不同。

请务必记住，鉴于用于支持知识库中建议主题的模型的工作方式，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，或是包含看似合理但实则有误或不完整的内容。

我们发现知识库中的建议主题在以下情况下不太有用：

• 您需要为一个月内收到少于 40 个请求的项目创建主题。
• 您的项目从警报自动创建请求，因为这些请求可能不需要知识库文章。
• 您需要为摘要、描述、字段值等使用英语以外语言的请求创建主题。

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：

• 要求团队成员在创建文章之前查看建议主题。
• 要求项目管理员确定其团队中的专家，以创建高质量的知识库文章。

我们了解您可能对建议主题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：

• 您的实例中与功能相关的上下文，例如请求中的数据（如字段值、摘要和描述），用于识别主题。
• 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。

在涉及到您的数据时，知识库中的建议主题会应用以下措施。

知识库中您的建议主题：

• 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。
• 不用于改进任何第三方 LLM。
• 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。
• 我们只处理您站点的服务项目中每个人都可访问的请求。任何具有工作项级权限的请求都不会被考虑用于建议主题。
• 我们每 7 天刷新一次建议主题列表，以确保建议是最新的。

了解有关使用 Atlassian Intelligence 的更多信息

了解知识库中建议主题的更多信息

使用 Atlassian Intelligence 搜索 Confluence 内容由 OpenAI 和 Google 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 系列模型和 Google 的 Gemini 系列模型。

Atlassian Intelligence 使用这些模型来分析和生成自然语言，然后将其转换为我们产品中的 CQL（Confluence 查询语言）代码。

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。

了解有关 OpenAI 模型功能的更多信息。

现在，您可以使用日常语言向 Atlassian Intelligence 询问您想在 Confluence 中查找的内容，而无需提出复杂的查询。在 Atlassian Intelligence 的帮助下，您的提示会被转换为 CQL 查询，从而快速帮助您搜索特定内容。

我们认为，使用 Atlassian Intelligence 搜索 Confluence 内容在以下情况下效果最佳：

• 您要查询 Confluence 知识库中的 Confluence 内容。
• 您的查询具有特定的字段和值，有助于缩小内容搜索范围。
• 您的查询可以转换为 CQL。Atlassian Intelligence 会将您的自然语言提示转换为 CQL 查询。因此，包含可以转换为 CQL 的关键字的输入可以提供更好的结果。
• 您要搜索英文内容。

请务必记住，鉴于用于使用 Atlassian Intelligence 搜索 Confluence 内容的模型的工作方式，这些模型有时可能表现得不准确、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，使用 Atlassian Intelligence 搜索 Confluence 内容的用处不大：

• 您需要使用 CQL 目前不支持的筛选器来查找内容。
• 您需要有关人员、地点和事实的最新且准确的信息。
• 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内容，以便创建图表、摘要或其他数据表示形式。

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。

您可能还需要考虑在向 Atlassian Intelligence 提出请求时，尽可能具体明确地说明您的要求。确保包含您要查找的确切字段和值。

我们了解您可能对使用 Atlassian Intelligence 搜索 Confluence 内容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，例如根据用户权限筛选出搜索结果
• 有关您如何与我们的功能交互的数据，如点击流数据。
• 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。

当涉及到您的数据时，使用 Atlassian Intelligence 搜索 Confluence 内容会应用以下措施。

• 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 或 Google 以外的任何第三方 LLM 提供商。
  • 不会由任何 LLM 提供商存储
  • 不会用于改进任何 LLM 提供商。
  • 仅用于提升您的体验。
• OpenAI 和 Google Vertex 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。例如，如果您无权访问某个 Confluence 页面，则您收到的响应中将不会显示该页面的内容。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 建议请求类型由 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 模型功能的更多信息。

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）。

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。

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 OpenAI 以外的任何第三方 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。

重点领域执行摘要由 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

重点领域执行摘要使用 Atlassian Intelligence 提供重点领域的快速、可操作摘要，包括正在进行的工作、关联目标健康度、需关注环节建议以及补救任何工作项的建议。

重点领域执行摘要在以下情况下效果最佳：

• 您的重点领域和目标更新完整、准确、实时，包含充分详细的书面记录：成果、进展与风险。
• 您已将所有用于衡量成功的相关目标直接关联至重点领域。
• 重点领域连接到各子重点领域，各子重点领域均具备独立的相关更新与目标关联。

请务必记住，鉴于用来支持重点领域执行摘要的模型的工作方式，这些模型的行为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，或是包含看似合理但实则有误或不完整的内容。

我们发现，重点领域执行摘要在以下情况下作用较小：

• 您需要有关人员、地点和事实的最新且准确的信息。
• 您需要 Focus 更新来获取不容易获得的信息（例如，您实例中的信息）以便正确回答您的请求。
• 您的重点领域和目标更新不完整、缺失或不详细。如果没有更新、更新纯粹依赖于图片或更新的书面内容很差，Atlassian Intelligence 将无法获得正确的上下文来生成准确的摘要。

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。

我们了解，您可能对重点领域执行摘要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）。
• 您的实例中与您的提示相关的上下文，例如重点领域更新、目标更新以及关联的重点领域和目标。
• 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，重点领域执行摘要会应用以下措施。

• 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。
  • 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。例如，如果您无法访问与 Focus 中您的重点领域相关的目标，那么您收到的回复中就不会包含这些信息。