Atlassian Intelligence 专为提高透明度而设计

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 的研究论文了解有关此方法的更多信息。

Atlassian Intelligence 的回答功能连接到 Jira Service Management 中的虚拟支持人员。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，虚拟支持人员可以访问该知识库，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。

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、地点和事实的最新且准确的信息。
• 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 时要考虑所处的情况，并在与他人共享之前查看所收到的回复的质量。

您可能还需要考虑：

• 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。

我们理解，您可能会对 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）和您得到的回复（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。
• 关于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所有提示或回复。
• 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）和您得到的回复（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。
  • 仅用于为您的体验服务。
• 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。

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。

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 和适用于 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。

请务必记住，由于模型通过特定方式来推动 Automation using Atlassian Intelligence 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，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），以正确回答您的请求。
• 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。

Automation using Atlassian Intelligence 只能与 Jira 和 Confluence 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。

我们了解您可能对 Automation using Atlassian Intelligence 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）和您得到的回复（输出）。
• 与您的提示相关的实例上下文，如 Jira 项目或 Confluence 页面。
• 关于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所有提示或回复。

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）和您得到的回复（输出）：
  • 不会提供给其他客户。
  • 不会发送给除 OpenAI 之外的任何第三方 AI 提供商。
  • 不会由 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 is powered by large language models developed by OpenAI. These models include the OpenAI models described here.

Atlassian Intelligence uses these models to analyze and generate natural language within our products.

These models generate responses based on your inputs and are probabilistic in nature. This means that their responses are generated by predicting the most probable next word or text based on the data that they have been trained on.

Read more about the capabilities of OpenAI’s models, or about this approach in OpenAI’s research papers.

Chart insights uses Atlassian Intelligence to help speed up your understanding of data in any chart in Atlassian Analytics. It does so by using the dashboard title, chart title, and chart data (including column headers and row values) to generate a natural language summary of that chart and its data. It will also aim to identify any trends or anomalies to provide you with certain insights into that chart.

We believe that Chart insights work best in scenarios where:

• Charts have many rows of data.
• Charts have a dashboard title.
• Charts have column headers.
• Charts have values in all of the rows and columns.

Bar charts, line charts, and bar-line charts work best with this feature since they typically have trends, dates, and many rows of data.

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

For example, the responses that you receive might not accurately reflect the content that they are based on, or include content that sounds reasonable but is false or incomplete.

We’ve found that Chart insights is less useful in scenarios where:

• You have charts with one or just a few rows of data.
• You have charts that are of the single value type.
• You have charts missing titles, axis-labels, and column headers.

For this reason, we encourage you to think about the situations when you use Atlassian Intelligence and review the quality of the responses you receive before sharing them with others.

You might also want to think about:

• Double checking the accuracy of the insights with other users who may have more context on the specific data displayed in the chart.
• Taking into account that Atlassian Intelligence is only using the context of a single chart and not the entire dashboard when providing a response.

We understand you may have questions about how Chart insights uses your data. This section supplements the information available on this page

We process:

• Your prompts (inputs) and responses (outputs).
• Context from your instance relevant to your prompt, such as the data in your chart.
• Data about how you interact with our features, such as clickstream data and the people you work with.
• Feedback you choose to provide about this feature, including any prompts or responses you choose to share as part of your feedback.

When it comes to your data, Chart insights applies the following measures.

• Your prompts (inputs) and responses (outputs):
  • Are not available to other customers.
  • Are not sent to any third party LLM provider other than OpenAI.
  • Are not stored by OpenAI
  • Are not used to improve OpenAI models.
  • Are used only to serve your experience.
• OpenAI is a subprocessor on our List of Subprocessors. They do not use your inputs and outputs for any purpose besides processing your request.
• This feature only uses information from the dashboard you have access to and have requested insights for.

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。

Save time and get the details you need to do your work faster by generating a quick summary of a Confluence page or blog with Atlassian Intelligence. Find out more about using Atlassian Intelligence in Confluence.

We believe that summarizing pages and blogs using Atlassian Intelligence works best in scenarios when:

• There is a text-heavy page that takes a 5 minutes or more to read.
• There is a lot of written content, with limited visuals and/or other formatting like expands on a page.

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、地点和事实的最新且准确的信息。
• 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。

我们理解，您可能会对使用 Atlassian Intelligence for Confluence 自动化功能时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）和您得到的回复（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所有提示或回复。

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）和您得到的回复（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。
  • 仅用于为您的体验服务。
• 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 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。

在 Confluence 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。这些模型包括此处描述的多种 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。

在 Confluence 中使用内容最令人兴奋的事情之一可能就是会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花很长时间搜索所需的信息。

使用 Atlassian Intelligence 定义术语将为 Confluence 页面上的公司特定术语、首字母缩略词、项目名称或状态提供定义。这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。

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。

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）。
• 您尝试定义多个术语，而不是一次定义一个单独的术语。

我们理解，您可能会对在 Confluence 中使用 Atlassian Intelligence 定义术语如何使用您的数据怀有疑问。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）和您得到的回复（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。
• 关于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所有提示或回复。

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

• 您的提示（输入）和您得到的回复（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。
  • 仅用于为您的体验服务。
• 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 Confluence 页面中提取内容和定义。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。

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。

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、地点和事实的最新且准确的信息。

因此，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查看所收到的回复的质量。

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。

我们理解，您可能会对在 Confluence 中使用 Atlassian Intelligence 定义术语如何使用您的数据怀有疑问。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 OpenAI 以外的任何第三方人工智能提供商
  • 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。

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。

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、地点和事实的最新且准确的信息。
• 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：

• 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。

我们理解，您可能会对在使用 Atlassian Intelligence 生成 SQL 查询时会如何使用您的数据怀有疑问。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）和您得到的回复（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。
• 关于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所有提示或回复。

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）和您得到的回复（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 AI 提供商。
  • 不会由 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。

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。

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。

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：

• 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。

我们理解，您可能会对编辑体验下的 Atlassian Intelligence 如何使用您的数据怀有疑问。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）和您得到的回复（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。
• 关于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所有提示或回复。

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）和您得到的回复（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。
  • 仅用于为您的体验服务。
• 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。

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。

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、地点和事实的最新且准确的信息。
• 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：

• 尽可能具体地说明您希望 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。

我们理解，对于使用 Atlassian Intelligence 在 Confluence 中搜索答案时我们会如何使用您的数据，您可能有疑问。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）和您得到的回复（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。
• 关于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所有提示或回复。

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）和您得到的回复（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。
  • 仅用于为您的体验服务。
• 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。

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

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。

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、地点和事实的最新且准确的信息。
• 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。

我们理解，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）和您得到的回复（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所有提示或回复。

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）和您得到的回复（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。
  • 仅用于为您的体验服务。
• 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。
• 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）。

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。

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：

• 尽可能具体地说明您希望 Atlassian Intelligence 做的事情。

我们理解，您可能会对使用 Atlassian Intelligence 提供请求类型建议时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）和您得到的回复（输出）。
• 您的实例中与您的提示相关的上下文。
• 关于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所有提示或回复。

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）和您得到的回复（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。
  • 仅用于为您的体验服务。
• 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。
• 此功能仅使用您的提示中的信息，因此会遵循所有 Jira 权限。

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 的研究论文了解有关此方法的更多信息。

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。

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 时要考虑所处的情况，并在与他人共享之前查看所收到的回复的质量。

我们了解您可能对在使用 Atlassian Intelligence 总结事务详情时会如何使用您的数据怀有疑问。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 OpenAI 以外的任何第三方 LLM 提供商。
  • 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。

Summarize Smart Links with AI is powered by large language models developed by Open AI. These models include the OpenAI models described here.

Atlassian Intelligence uses these models to analyze and generate natural language within our products.

These models generate responses based on your inputs and are probabilistic in nature. This means that their responses are generated through predicting the most probable next word or text, based on the data that they have been trained on.

Read more about the capabilities of OpenAI’s models, or about this approach in OpenAI’s research papers.

After you hover over a Smart Link from Jira, Confluence, and Google Docs, Atlassian Intelligence can help you summarize the content, which allows you to determine the importance and value of the link and decide your next action. This reduces the need to leave the current page and switch contexts.

We believe that Summarize Smart Links with AI works best in scenarios where:

• You are viewing a page with one or more Smart Links.
• You are viewing a page with one or more Smart Links that contain a lot of information or dense content, which will take time and attention away from the page to read.

It’s important to remember that because of the way that the models used to power Summarize Smart Links with AI work, these models can sometimes behave in ways that are inaccurate, incomplete, or unreliable.

For example, the summaries you receive might not accurately reflect the content that they are based on, or include content that sounds reasonable but is false or incomplete.

We’ve found that Summarize Smart Links with AI is less useful in scenarios where:

• You need current and accurate information about people, places, and facts.
• You need to summarise content that is incredibly short.
• You need to summarise all the metadata and the content in a link. For example, if you wanted to understand all the field values in a Jira ticket as well as its description and comment content.

For this reason, we encourage you to think about the situations when you use Atlassian Intelligence and review the quality of the responses you receive before sharing them with others.

We understand you may have questions about how summarizing issue details using Atlassian Intelligence uses your data. This section supplements the information available on our Trust Center.

We process:

• Your prompts (inputs) and responses (outputs).
• Context from your instance relevant to your prompt, such as the content of the link you want to summarize.
• Data about how you interact with our features, such as clickstream data and the people you work with.
• Feedback you choose to provide about this feature, including any responses you choose to share as part of your feedback.

When it comes to your data, Summarize Smart Links with AI applies the following measures.

Your summaries:

• Are not available to other customers
• Are not sent to any third party LLM provider other than OpenAI.
• Are not stored by OpenAI.
• Are not used to improve OpenAI models.
• Are used only to serve your experience.
• OpenAI is a subprocessor on our List of Subprocessors. They do not use your inputs and outputs for any purpose besides processing your request.

• This feature follows the permissions in your instance. For example, if you do not have access to a page or ticket in Jira, Confluence, or Google, you will not be able to summarize content from that source. If you do not want your content to be available in responses to other users in your instance, please work with your org admin to ensure your permissions are set appropriately.