Confluence Search oktatóanyag és chatbotok

Bevezetés

A Confluence az Atlassian által kifejlesztett együttműködési eszköz, amelynek célja, hogy segítse a csapatokat az együttműködésben és a tudás hatékony megosztásában. A modern munkaterületen felbecsülhetetlen értékű a digitális együttműködés képessége. A Confluence megkönnyíti ezt azáltal, hogy egy olyan platformot kínál, ahol a csapatok egy helyen hozhatnak létre, oszthatnak meg projekteket, és együttműködhetnek velük. A puszta együttműködésen túl a Confluence olyan funkciókkal tűnik ki, mint a valós idejű szerkesztés, az integráció más Atlassian termékekkel és a felhasználóbarát felület, így számos szervezet számára előnyös választás.

Útmutató a Confluence beépített keresési funkciójának használatához

A Confluence-ben az információk vagy konkrét elemek keresése egyszerű, de korlátozott funkció. Így hozhatja ki a legtöbbet a Confluence keresési képességeiből:

1. Alap keresés:

Az alap keresés elindításához:

• Kattintson a fejlécben található nagyító ikonra, vagy egyszerűen használja a parancsikont Shift + / hogy a keresőmezőre összpontosítson.
• Írja be a lekérdezést az oldal tetején megjelenő keresősávba. Gépelés közben a Confluence élő keresési eredményeket biztosít, és javaslatokat tesz a webhelyén elérhető tartalom alapján.

2. Speciális keresés:

A pontosabb eredmények érdekében a Speciális keresés az a hely, ahol érdemes elindulni:

• Kattintson a nagyító ikonra, majd a keresősáv melletti „Speciális keresés” elemre, vagy használja a parancsikont Shift + / követ a.
• Itt szűrheti a keresést különféle kritériumok alapján, például a tartalom típusa (oldalak, blogok, mellékletek stb.), a terek, a közreműködők és a dátumtartományok alapján.

3. A keresési szintaxis használata:

A Confluence számos keresési szintaxist támogat a keresés szűkítése érdekében:

• Idézőjelek: Használjon idézőjeleket a pontos kifejezés kereséséhez. Például a „találkozó jegyzetei”.
• Helyettesítő karakterek: Használja a csillagot * helyettesítő karakterként, amely egy szóban tetszőleges számú karaktert jelent.
• Logikai operátorok: Használja AND, ORés NOT kifejezéseket kombinálni vagy kizárni.
• Közelségi keresések: Használja a hullámvonalat ~ egy szám követi az egymástól bizonyos távolságon belüli szavak kereséséhez. Például „éves jelentés”~10.
• Mezőkeresés: Keresés meghatározott mezőkben szintaxissal, például title:, text:, creator:és modifier: Többek között.

4. Mellékletek keresése:

Ha konkrét mellékleteket kell keresni:

• navigáljon Search > Advanced Search.
• Válassza a „Melléklet” lehetőséget a „Típus” részben.
• Használja a keresési szintaxist /.*<attachment type>.*/. Például PNG-fájlok kereséséhez használja a /.*png.*/.

5. Keresés az adatbázisban (kiszolgáló- és adatközpont-telepítésekhez):

Azok, akik hozzáférnek a Confluence adatbázishoz, speciális SQL-lekérdezések használhatók adott melléklettípusok keresésére. Például az összes PNG-melléklet megtalálásához használhatja a következő SQL-lekérdezést:

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%';

Az SQL-lekérdezések a keresett melléklettípus alapján módosíthatók.

6. Keresés a csatolt mappákban (meghatározott platformokon):

Bizonyos platformokon a Unix keresési szintaxisa közvetlenül a Confluence mellékletmappájában használható bizonyos fájltípusok megtalálásához:

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

Ez megkeresi és felsorolja az összes PNG-fájlt a Confluence-példány mellékleteinek könyvtárában.

Ezen módszerek mindegyike más-más szintű részletességet és ellenőrzést biztosít a keresés felett, biztosítva, hogy pontosan megtalálja azt, amire szüksége van a Confluence-ben.

Ezeket a cikkeket elolvasva mélyebbre áshat a Confluence beépített keresésében –

A Confluence beépített kereső funkciójának hiányosságai

A Confluence keresésének eredendő összetettsége elsősorban abból fakad, hogy nem tudja kihasználni a keresési lekérdezések kontextuális lényegét, ellentétben az olyan keresőmotorokkal, mint a Google. Íme a kihívások bontása:

• Ismétlés a keresési lekérdezésekben: Az azonos keresési lekérdezések korlátozott előfordulása a keresési előzményekben gyakran akadályozza a keresési eredmények pontosságát, a korábbi keresésekből származó kontextuális adatok minimális mennyisége miatt. Ez különösen akkor válik problémássá, ha a felhasználók frissített vagy friss információkat keresnek, amelyek esetleg elavult vagy kevésbé releváns találatok alá temethetők.
• Szemantikai megértés: Az, hogy a platform nem képes felismerni a szinonimákat vagy figyelmen kívül hagyni a stop szavakat, gyakran kevésbé releváns tartalomjavaslatokhoz vezet. Például az „IT” mint az információs technológia mozaikszó és az „it” névmás megkülönböztetése bonyolult lehet. Ezenkívül a szemantikai megértés hiánya zűrzavarhoz vezethet, amikor a keresési lekérdezésekben az iparágban elterjedt szakzsargont vagy betűszavakat használnak.
• Pontos egyezés dilemma: Miközben megpróbálja kiküszöbölni a stopszavakat, a Confluence néha megzavarja a pontos egyezés keresését, így a feladat még nagyobb kihívást jelent. Ez potenciálisan oda vezethet, hogy a felhasználók nem találják meg a keresett dokumentumot vagy információt, ami akadályozza a termelékenységet.
• Egy méretben használható dilemma: A szervezeti struktúrák, a belső információk és a felhasználói szándékok sokfélesége személyre szabottabb keresési rendszert tesz szükségessé. A kezdetleges gépi tanulási (ML) megközelítés potenciálisan javíthatja a keresési élményt azáltal, hogy a felhasználói interakciós adatokat felhasználva finomítja a keresés relevanciáját az idő múlásával. Az ML megvitatása során olyan algoritmusokat lehetne felfedezni, mint a kollaboratív szűrés vagy a mély tanulás, hogy a Confluence keresését intuitívabbá és felhasználó-központúbbá tegyük.

Egyszerűen fogalmazva, ha Alice ma megnéz egy témát (mondjuk X-et), és hasznosnak talál egy dokumentumot (doc3), akkor amikor Bob holnap ugyanarra a témára (X) keres, a doc3-nak feljebb kell megjelennie a keresési eredmények között, mert segítőkész volt Alice-nek. Ennek megvalósításához a rendszernek nyomon kell követnie, hogy az emberek mely dokumentumokat találják hasznosnak. Ezt a nyomon követést azonban a magánélet tiszteletben tartásával kell elvégezni, így csak azok láthatják azokat, akiknek látniuk kell bizonyos dokumentumokat. Ezenkívül ez a folyamat sok számítógépes erőforrást, például memóriát és tárhelyet használ fel, ami aggodalomra adhat okot. Előfordulhat, hogy egyes szervezetek nem rendelkeznek elegendő erőforrással vagy személyzettel ennek kezelésére, ezért inkább egy egyszerűbb rendszert részesítenek előnyben, amely nem javulhat az idő múlásával, de könnyen karbantartható, és nem okoz további fejfájást, például a memória kimerülését.

Search Confluence a Nanonets Confluence Bottal

A Nanonets egy átalakító megoldást mutat be a Confluence keresési funkcióiban felmerülő, fent említett kihívásokra. Egyedi LLM-alapú chatbotunk asszisztensként történő alkalmazása jelentősen áthidalhatja a hiányosságokat és finomíthatja a felhasználói keresési élményt. Itt van, hogyan:

• Környezeti megértés: A hagyományos keresési módszerekkel ellentétben a chatbotunk megérti a keresési lekérdezések kontextusát. Például, ha a „Java” kifejezésre keres, a programozási nyelvhez kapcsolódó találatok jelennek meg, nem a szigethez vagy a kávéhoz. A chatbotunk mögött meghúzódó LLM (Language Model) technológia különösen az árnyalatok és a kontextus jobb megértésére van kialakítva, így pontosabb és relevánsabb keresési eredményeket biztosít.
• Tanulás a felhasználói interakcióból: Chatbotunk tanulhat abból, hogy a felhasználók hogyan lépnek kapcsolatba a keresőmotorral. Ha egy dokumentumhoz gyakran hozzáférnek egy bizonyos lekérdezéssel, akkor a hasonló jövőbeni kereséseknél magasabb rangsort kap, például egy olyan dokumentumot, amely egyre népszerűbbé válik, ha az „Agilis módszertan” kifejezésre keres. Idővel ez a tanulás fejlődhet a felhasználói igények jobb előrejelzése érdekében, így a keresési folyamat sokkal intuitívabb.
• Szemantikai kapcsolatok: Az LLM-alapú chatbot képes felismerni a szinonimákat és a kapcsolódó kifejezéseket, javítva a keresési javaslatokat. Például a „hibakövetés” kifejezésre a „hibakövetéssel” és a „hibakövetéssel” kapcsolatos dokumentumok is megjelennek.
• Felhasználó által javasolt tartalom: A felhasználók tartalmat javasolhatnak adott keresési lekérdezésekhez, így idővel bővítve a keresési adatbázist. Ez megkönnyíti a dokumentumok megtalálását, például láthatóbbá teszi a dokumentumokat a „Scrum-gyakorlatok” lekérdezések számára.
• Hozzáférési jogok kezelése: Biztosítjuk, hogy a keresés során csak arra jogosult felhasználók férhessenek hozzá bizonyos dokumentumokhoz. Például, ha két projektben vannak bizalmas dokumentumok, a keresés csak a kereső saját projektjének dokumentumait jeleníti meg, a többi projekt dokumentumait bizalmasan kezelve.
• Erőforrás optimalizálás: Megoldásaink hatékonyan működnek, időt és költséget takarítanak meg, ami kulcsfontosságú azon szervezetek számára, amelyek a működés ésszerűsítését és a működési költségek csökkentését kívánják.

Slack integráció a Nanonets Confluence Bothoz

A chatbotunk használatra kész Slack integrációt tartalmaz. Ha a chatbot készen áll, egyszerűen hitelesítheti a Slack-munkaterületet, és néhány kattintással konfigurálhatja az integrációt. Miután elkészült, közvetlenül a Slack alkalmazásból tehet fel kérdéseket, és még részletes beszélgetéseket is folytathat az összefolyási terekről a bottal, anélkül, hogy váltania kellene az alkalmazások között. Ez az integráció elősegíti az egységes digitális munkaterület kialakítását, amely lehetővé teszi az egyszerűsített kommunikációt és együttműködést, ezáltal növelve a termelékenységet és a felhasználói elégedettséget.

Tekintse meg az alábbi bemutatót.

[Beágyazott tartalmat]

Következtetés

A Confluence by Atlassian megkönnyíti a digitális csapatmunkát, de rendelkezik egy alapvető keresési funkcióval. A Nanonets Confluence Bot jelentősen javítja ezt azáltal, hogy megérti a kontextust és tanul a felhasználói interakciókból, így a keresést intuitívabbá teszi. Ezenkívül fenntartja a dokumentumokhoz való hozzáférés biztonságát, biztosítva, hogy bizonyos információkhoz csak a jogosult felhasználók férhessenek hozzá. Ezenkívül a Slack integráció elősegíti az egységes digitális munkaterület kialakítását, növelve a termelékenységet és a felhasználói elégedettséget. Ezekkel a fejlesztésekkel a Nanonets Confluence Bot finomítja a keresési élményt a Confluence-ben, hozzájárulva az Ön és csapatai hatékonyabb együttműködési környezetéhez.

• SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
• PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
• PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
• PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
• PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
• Forrás: https://nanonets.com/blog/search-in-confluence/