آموزش جستجوی Confluence & Chatbots

معرفی

Confluence یک ابزار همکاری است که توسط Atlassian توسعه یافته و برای کمک به تیم ها برای همکاری و به اشتراک گذاری دانش به طور موثر طراحی شده است. در فضای کاری مدرن، توانایی کار با یکدیگر به صورت دیجیتال بسیار ارزشمند است. Confluence با ارائه پلتفرمی که در آن تیم ها می توانند پروژه ها را در یک مکان ایجاد کنند، به اشتراک بگذارند و روی آنها همکاری کنند، این امر را تسهیل می کند. فراتر از همکاری صرف، Confluence با ویژگی هایی مانند ویرایش بلادرنگ، ادغام با سایر محصولات Atlassian و یک رابط کاربر پسند متمایز است که آن را به انتخابی ارجح برای بسیاری از سازمان ها تبدیل می کند.

آموزش استفاده از ویژگی جستجوی داخلی Confluence

در Confluence، جستجوی اطلاعات یا موارد خاص یک ویژگی ساده اما محدود است. در اینجا نحوه استفاده حداکثری از قابلیت های جستجوی Confluence آورده شده است:

1. جستجوی اساسی:

برای شروع یک جستجوی اساسی:

• روی نماد ذره بین موجود در هدر کلیک کنید یا به سادگی از میانبر استفاده کنید Shift + / برای تمرکز روی قسمت جستجو
• درخواست خود را در نوار جستجویی که در بالای صفحه ظاهر می شود تایپ کنید. همانطور که شما تایپ می کنید، Confluence نتایج جستجوی زنده را ارائه می دهد و پیشنهاداتی را بر اساس محتوای موجود در سایت شما ارائه می دهد.

2. جستجوی پیشرفته:

برای نتایج دقیق تر، جستجوی پیشرفته جایی است که باید به آن بروید:

• روی نماد ذره بین و سپس روی «جستجوی پیشرفته» در کنار نوار جستجو کلیک کنید یا از میانبر استفاده کنید. Shift + / و پس از آن a.
• در اینجا می‌توانید جستجوی خود را بر اساس معیارهای مختلفی مانند نوع محتوا (صفحه‌ها، وبلاگ‌ها، پیوست‌ها و غیره)، فاصله‌ها، مشارکت‌کنندگان و محدوده‌های تاریخ در میان موارد دیگر فیلتر کنید.

3. استفاده از نحو جستجو:

Confluence طیفی از نحو جستجو را برای کمک به محدود کردن جستجوی شما پشتیبانی می کند:

• علامت نقل قول: از علامت نقل قول برای جستجوی یک عبارت دقیق استفاده کنید. به عنوان مثال، "یادداشت های جلسه".
• حروف عام: از ستاره استفاده کنید * به عنوان یک علامت برای نمایش هر تعداد کاراکتر در یک کلمه.
• عملگرهای بولی: استفاده کنید AND, ORو NOT برای ترکیب یا حذف اصطلاحات
• جستجوهای مجاورت: از tilde استفاده کنید ~ به دنبال آن یک عدد برای جستجوی کلمات در فاصله معینی از یکدیگر قرار می گیرد. به عنوان مثال، "گزارش سالانه"~10.
• جستجوی فیلد: جستجو در فیلدهای خاص با استفاده از نحو مانند title:, text:, creator:و modifier: بین دیگران.

4. جستجوی پیوست ها:

وقتی نوبت به جستجوی پیوست‌های خاص می‌رسد:

• هدایت به Search > Advanced Search.
• در بخش "از نوع" "پیوست" را انتخاب کنید.
• از سینتکس جستجو استفاده کنید /.*<attachment type>.*/. به عنوان مثال، برای جستجوی فایل‌های PNG، باید از آن استفاده کنید /.*png.*/.

5. جستجوی پایگاه داده (برای استقرار سرور و مرکز داده):

برای کسانی که به پایگاه داده Confluence دسترسی دارند، می توان از پرس و جوهای SQL خاص برای جستجوی انواع پیوست خاص استفاده کرد. به عنوان مثال، برای یافتن تمام پیوست های PNG، می توانید از پرس و جوی SQL زیر استفاده کنید:

select c.TITLE as Attachment_Name, s.spacename,
c2.TITLE as Page_Title, 'http://<confluence_base_url>/pages/viewpageattachments.action?pageId='||c.PAGEID as Location
from CONTENT c
join CONTENT c2 ON c.PAGEID = c2.CONTENTID
join SPACES s on c2.SPACEID = s.SPACEID
where c.CONTENTTYPE = 'ATTACHMENT' and c.title like '%.png%';

پرس و جوهای SQL را می توان بر اساس نوع پیوستی که در جستجوی آن هستید تنظیم کرد.

6. جستجوی پوشه پیوست (پلتفرم های خاص):

در پلتفرم‌های خاصی، نحو جستجوی یونیکس را می‌توان مستقیماً در پوشه پیوست Confluence برای یافتن انواع فایل خاص استفاده کرد:

find /<confluence_home>/attachments -type f | xargs file | grep PNG

این کار همه فایل‌های PNG را در فهرست پیوست‌های نمونه Confluence شما جستجو و فهرست می‌کند.

هر یک از این روش‌ها سطح متفاوتی از جزئیات و کنترل جستجوی شما را فراهم می‌کند و اطمینان می‌دهد که دقیقاً آنچه را که در Confluence نیاز دارید پیدا می‌کنید.

با خواندن این مقالات می توانید به جستجوی داخلی Confluence عمیق تر بپردازید -

کاستی های ویژگی جستجوی داخلی Confluence

پیچیدگی ذاتی در جستجوی Confluence در درجه اول ناشی از ناتوانی آن در استفاده از جوهر متنی عبارت های جستجو، بر خلاف موتورهای جستجو مانند گوگل است. در اینجا خلاصه ای از چالش ها آورده شده است:

• تکرار در پرس و جوهای جستجو: وقوع محدود عبارت‌های جستجوی یکسان در تاریخچه جستجو، به دلیل حداقل داده‌های متنی موجود از جستجوهای گذشته، اغلب مانع از دقت نتایج جستجو می‌شود. این امر به ویژه زمانی مشکل ساز می شود که کاربران در جستجوی اطلاعات به روز یا جدید هستند، که ممکن است در نتایج منسوخ یا کمتر مرتبط دفن شوند.
• درک معنایی: فقدان ظرفیت پلتفرم برای تشخیص مترادف ها یا نادیده گرفتن کلمات توقف اغلب منجر به پیشنهادات محتوای کمتر مرتبط می شود. به عنوان مثال، تمایز بین "IT" به عنوان مخفف فناوری اطلاعات و "آن" به عنوان ضمیر می تواند مشکل باشد. علاوه بر این، این عدم درک معنایی می تواند منجر به سردرگمی در هنگام استفاده از اصطلاحات رایج صنعتی یا کلمات اختصاری در عبارت های جستجو شود.
• معضل تطابق دقیق: هنگام تلاش برای حذف کلمات توقف، تلاقی گاهی اوقات جستجوی دقیق مطابقت را مختل می کند و کار را چالش برانگیزتر می کند. این به طور بالقوه می تواند منجر شود که کاربران سند یا اطلاعات دقیقی را که جستجو می کنند پیدا نکنند و در نتیجه مانع از بهره وری شود.
• معضل یک اندازه مناسب: تنوع در ساختارهای سازمانی، اطلاعات داخلی و مقاصد کاربر نیاز به یک سیستم جستجوی شخصی‌تر دارد. یک رویکرد ابتدایی یادگیری ماشینی (ML) به طور بالقوه می‌تواند تجربه جستجو را با استفاده از داده‌های تعامل کاربر برای اصلاح ارتباط جستجو در طول زمان افزایش دهد. با بحث در مورد ML، الگوریتم‌هایی مانند فیلتر مشارکتی یا یادگیری عمیق را می‌توان بررسی کرد تا جستجوی Confluence را بصری‌تر و کاربر محورتر کند.

به عبارت ساده، اگر آلیس امروز یک موضوع (مثلا X) را جستجو کند و یک سند (doc3) را مفید بیابد، وقتی باب فردا همان موضوع (X) را جستجو می‌کند، doc3 باید بالاتر در نتایج جستجو نشان داده شود، زیرا برای آلیس مفید است برای تحقق این امر، سیستم باید اسنادی را که افراد مفید می‌دانند پیگیری کند. با این حال، این ردیابی باید به گونه ای انجام شود که به حریم خصوصی احترام بگذارد، بنابراین فقط افرادی که قرار است اسناد خاصی را ببینند می توانند آنها را ببینند. همچنین، این فرآیند می‌تواند بسیاری از منابع رایانه مانند حافظه و ذخیره‌سازی را مصرف کند که می‌تواند نگران‌کننده باشد. برخی از سازمان‌ها ممکن است منابع یا کارکنان اضافی برای مدیریت این موضوع نداشته باشند، بنابراین سیستم ساده‌تری را ترجیح می‌دهند که ممکن است در طول زمان بهبود نیابد، اما نگهداری آن آسان است و باعث ایجاد دردسرهای اضافی مانند تمام شدن حافظه آنها نمی‌شود.

تلاقی جستجو با ربات Confluence Nanonets

Nanonets یک راه حل تحول آفرین برای چالش های فوق الذکر که در عملکردهای جستجوی Confluence با آن مواجه می شوند، معرفی می کند. استفاده از چت ربات سفارشی مبتنی بر LLM به عنوان دستیار می تواند به طور قابل توجهی شکاف ها را پر کند و تجربه جستجوی کاربر را اصلاح کند. در اینجا به این صورت است:

• درک متنی: برخلاف روش‌های جستجوی سنتی، ربات چت ما زمینه پرس و جوهای جستجو را درک می‌کند. به عنوان مثال، جستجوی "جاوا" نتایج مربوط به زبان برنامه نویسی را نشان می دهد، نه جزیره یا قهوه. فناوری LLM (مدل زبان) پشت ربات چت ما به‌ویژه برای درک بهتر تفاوت‌های ظریف و زمینه طراحی شده است، بنابراین نتایج جستجوی دقیق‌تر و مرتبط‌تری ارائه می‌دهد.
• یادگیری از تعامل با کاربر: ربات چت ما می تواند از نحوه تعامل کاربران با موتور جستجو یاد بگیرد. اگر سندی اغلب از طریق یک جستار خاص قابل دسترسی باشد، برای جستجوهای آینده مشابه رتبه بالاتری خواهد داشت، مانند سندی که با جستجوی «روش چابک» محبوب‌تر می‌شود. با گذشت زمان، این یادگیری می تواند برای پیش بینی بهتر نیازهای کاربر تکامل یابد و فرآیند جستجو را بسیار شهودی تر کند.
• روابط معنایی: چت بات مبتنی بر LLM می تواند مترادف ها و اصطلاحات مرتبط را تشخیص دهد و پیشنهادات جستجو را بهبود بخشد. به عنوان مثال، جستجوی "ردیابی اشکال" همچنین اسناد مربوط به "ردیابی مشکل" و "ردیابی خطا" را نشان می دهد.
• محتوای پیشنهادی کاربر: کاربران می‌توانند محتوایی را برای جست‌وجوهای خاص پیشنهاد کنند و پایگاه داده جستجو را در طول زمان تقویت کنند. این کار یافتن اسناد را آسان‌تر می‌کند، مانند قابل مشاهده‌تر کردن یک سند برای درخواست‌های مربوط به «اقدامات Scrum».
• مدیریت حقوق دسترسی: ما اطمینان می دهیم که فقط کاربران مجاز می توانند در طول جستجو به اسناد خاصی دسترسی داشته باشند. به عنوان مثال، اگر دو پروژه دارای اسناد محرمانه باشند، جستجو فقط اسناد پروژه خود جستجوگر را نشان می دهد و اسناد پروژه دیگر را محرمانه نگه می دارد.
• بهینه سازی منابع: راه حل های ما کارآمد عمل می کنند، در زمان و هزینه صرفه جویی می کنند، که برای سازمان هایی که به دنبال ساده سازی عملیات و کاهش هزینه های عملیاتی هستند بسیار مهم است.

Slack Integration برای Nanonets Confluence Bot

ربات چت ما با یک ادغام Slack آماده برای استفاده ارائه می شود. هنگامی که ربات چت شما آماده شد، می توانید به سادگی فضای کاری Slack خود را احراز هویت کنید و چند کلیک برای پیکربندی ادغام انجام دهید. پس از انجام این کار، می‌توانید بدون نیاز به جابجایی بین برنامه‌ها، مستقیماً از برنامه Slack سؤال بپرسید و حتی مکالمات مفصلی در مورد فضاهای تلاقی خود با ربات داشته باشید. این ادغام فضای کاری دیجیتالی یکپارچه را ترویج می‌کند و امکان ارتباطات و همکاری ساده را فراهم می‌کند، بنابراین بهره‌وری و رضایت کاربر را افزایش می‌دهد.

به دمو زیر نگاهی بیندازید.

[محتوای جاسازی شده]

نتیجه

Confluence by Atlassian کار تیمی دیجیتال را تسهیل می کند اما یک ویژگی جستجوی اساسی دارد. Nanonets Confluence Bot با درک زمینه و یادگیری از تعاملات کاربر، به طور قابل توجهی این را بهبود می بخشد و جستجوها را شهودی تر می کند. همچنین امنیت دسترسی به اسناد را حفظ می کند و اطمینان می دهد که فقط کاربران مجاز می توانند به اطلاعات خاصی دسترسی داشته باشند. علاوه بر این، ادغام Slack آن یک فضای کاری دیجیتال یکپارچه را ترویج می‌کند و بهره‌وری و رضایت کاربر را افزایش می‌دهد. از طریق این پیشرفت‌ها، Nanonets Confluence Bot تجربه جستجو در Confluence را بهبود می‌بخشد و به ایجاد یک محیط مشارکتی مؤثرتر برای شما و تیم‌هایتان کمک می‌کند.

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://nanonets.com/blog/search-in-confluence/