Rovo 的设计秉持透明化原则

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。

Rovo 会运用这些模型在我们的产品中分析与生成自然语言。

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预测（基于它们用于训练的数据）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 系列的相关信息。

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 中的事件工作项相关联的 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 的事件工作项中记录事件相关对话的协议。

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 中的事件工作项或与正对其进行分类的事件工作项相关联的 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工作项和 Slack 通道有适当级别的访问权限。

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。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其他目的。
• 此功能遵循您产品的权限。例如，如果您无法访问某个事件工作项，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。

人工智能草稿由 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。

Rovo 会运用这些模型在我们的产品中分析与生成自然语言。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 嵌入模型的相关信息。

人工智能草稿会建议预先生成的知识文章草稿，供管理员和支持人员考虑。此功能会利用 Jira Service Management 项目中的工作项内的详细信息和评论，为该项目中最常见的工作项生成草稿。

这样，您的服务团队就能更快速、更轻松地扩大知识库文章的覆盖范围，进而提高 Jira Service Management 中其他功能的性能。例如，虚拟服务支持人员的人工智能问题回答功能随后可以使用通过人工智能草稿创建的知识文章，更轻松、更快速地解决求助者的请求。

阅读有关虚拟服务支持人员中人工智能问题回答功能的更多信息。

我们认为人工智能草稿在以下情况下效果最佳：

• 您的项目在任何月份都会收到超过 40 个请求。请求少于 40 个的项目可能没有足够的信息来生成人工智能草稿。
• 工作项中的内容（如摘要、描述和其他字段）主要为英文。其他语言的人工智能草稿质量可能会有所不同。

请务必记住，鉴于用于支持人工智能草稿的模型的工作方式，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，人工智能草稿在以下情况下不太有用：

• 您的项目在一个月内收到的请求少于 40 个。
• 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，但此功能仍会向您建议与这些请求相关的人工智能草稿。
• 您需要为内容使用英语以外语言的工作项生成草稿。

因此，我们建议您在使用 Rovo 时考虑各种情况，先检查所收到回复的质量，然后再与他人共享。

您可能还需考虑：

• 采取措施确保您的团队成员在根据人工智能草案创建知识文章之前对其进行彻底审查
• 要求项目管理员在其团队中确定负责审查和编辑人工智能草稿的专家，以保持知识库文章的高质量

我们了解，您可能对人工智能草稿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）。
• 您的实例中与此功能相关的上下文，例如工作项中的数据，如字段值、摘要和描述，用于使用 Rovo 生成草稿。
• 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，人工智能草稿会应用以下措施。

• 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 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 和 AWS Bedrock 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。
• 我们只处理您站点的服务项目中每个人都可访问的工作项。任何应用了工作项权限的事务都不会被考虑用于生成草稿。
• 我们每 7 天更新一次人工智能草稿，以确保内容是最新的。

了解有关使用 Rovo 的更多信息

企业中心卡片中的人工智能摘要由 OpenAI 开发的大型语言模型提供支持。这些大型语言模型包括 OpenAI 的 GPT 系列模型。

Rovo 会运用这些模型在我们的产品中分析与生成自然语言。

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。

企业中心卡片中的人工智能摘要通过为卡片建议人工智能生成的描述，帮助您快速填充和发布企业中心。此功能使用人工智能为您的企业中心卡片生成所链接 Confluence 页面或博客文章的摘要。

我们认为，企业中心卡片中的人工智能摘要在以下情况下效果最佳：

• 您喜欢在 Confluence 中使用企业中心卡片来链接到文字较多的内容。
• 您希望在 Confluence 卡片描述中显示文字较多的 Confluence 内容的简明摘要。

请务必记住，鉴于用于支持企业中心卡片中的人工智能摘要的模型的工作方式，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，企业中心卡片中的人工智能摘要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。
• 您需要一个非常简短的 Confluence 页面的摘要，而该页面没有足够的内容来生成有用的摘要。
• 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。

因此，我们建议您在使用 Rovo 时考虑各种情况，先检查所收到回复的质量，然后再与他人共享。

我们了解，您可能对企业中心卡片中的人工智能摘要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，企业中心卡片中的人工智能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。
  • 不由任何 LLM 提供商存储。
  • 不会用于改进大型语言模型。
  • 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。例如，如果您无权访问某个 Confluence 页面，就无法使用此功能得到通过 Rovo 生成的摘要。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。

了解有关使用 Rovo 的更多信息

Rovo Dev 由 OpenAI 和 Anthropic 基于 AWS Bedrock 开发的大型语言模型、Anthropic 基于 Google Vertex AI 开发的大型语言模型，以及其他多种机器学习模型组合提供技术支持。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。

Rovo Dev 会运用这些模型在我们的产品中分析与生成自然语言及代码。

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 模型和 Anthropic 模型功能的更多信息。

Rovo Dev 是一款面向专业软件工程师的上下文感知型人工智能支持人员。它理解自然语言与代码，可集成 Jira、Confluence、Bitbucket 等 Atlassian 工具，以及 GitHub 等第三方开发者平台。依托 Atlassian 的 Teamwork Graph，它能利用组织背景信息、业务知识和代码库历史记录来加速软件开发生命周期。Rovo Dev 可在规划、代码生成、代码审查等场景提供支持，并能大规模自动化处理重复性工作。

Rovo Dev 产品套件包括：

• Bitbucket 与 GitHub 中的 Rovo Dev：Rovo Dev 可集成 Bitbucket 和 GitHub，对照技术要求与业务目标核查拉取请求。它能帮助您在问题进入生产环境前识别潜在风险，并检查代码变更是否符合 Jira 验收标准，从而缩短审查周期、避免返工。

• Rovo Dev CLI：Rovo Dev CLI 可将 Rovo Dev 直接集成至命令行界面，使终端变成与 Atlassian 工作流无缝衔接的人工智能开发支持人员。

我们认为，Rovo Dev 在以下情况下效果最佳：

• 您需要编码任务方面的协助，例如编写新代码、调试现有代码或理解复杂的代码库。
• 您希望获取拉取请求的自动化代码审查反馈，以发现潜在问题并提升代码质量。
• 您需要在重构、测试或文档编写等常见开发任务上获得帮助
• 您希望通过在链接的存储库中自动执行代码变更，更高效地解决 Jira 工作项。
• 您的开发团队希望维持一致的编码标准和最佳实践。

请务必记住，鉴于用于支持 Rovo Dev 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，Rovo Dev 在以下情况下不太有用：

• 您需要获取有关人员、地点和事实的最新准确信息，而这些信息未包含在您的代码库、开发上下文或可访问的 Atlassian 内容（如 Confluence 页面、Jira 事务等）中。
• 您需要 Rovo Dev 访问那些在您的存储库、开发环境或关联的 Atlassian 工具中无法轻松获取的信息。
• 您需要对安全关键型或安全敏感型代码实现无需人工审查的绝对准确性，因为 Rovo Dev 不应在此类场景中使用。
• 您处理的是专有或高度机密的代码模式，且这些模式未纳入模型训练数据。若您使用的是模型训练数据中未涵盖的全新技术，Rovo Dev 也可能难以发挥作用，因为它对这些技术缺乏足够的背景信息，无法输出有用结果。
• Rovo Dev 不应作为安全审查、合规性检查的唯一方法，也不应在代码正确性对安全或监管要求至关重要的场景中使用，除非有适当的人工监督。

• 因此，我们建议您思考使用 Rovo Dev 的场景，并在实施建议的更改或与他人分享之前，审查所收到回复的质量。

您可能还需考虑：

• 向 Rovo Dev 提出要求时，务必尽可能具体，包括清晰说明您的代码库背景信息以及相关需求。
• 在将 Rovo Dev 建议的任何代码变更提交至存储库前，务必对其进行审查与测试。
• 确保您的开发环境已配置适当的权限和访问控制。
• 持续更新存储库的文档及代码注释，为人工智能辅助工具提供更完整的背景信息。
• 将 Rovo Dev 用作人工代码审查之外的协作工具，而非替代工具。

我们了解，您可能对 Rovo Dev 如何使用您的数据有疑问。本节是对我们的 Rovo Dev 页面所提供信息的补充。

我们会处理：

• 与 Rovo Dev 交互时的提示词（输入内容）和响应结果（输出内容）
• 与您的提示词相关的开发环境上下文信息，例如 Bitbucket 中的代码文件和拉取请求、Jira 工作项、来自已关联第三方应用（如 Github 或已关联的 MCP 服务器）的内容，或您设备上的本地文件（若使用 RovoDev CLI）
• 有关您如何与我们的功能进行交互的数据，例如命令使用模式以及您所使用的开发工具

• 您选择提供的关于此功能的反馈，包括在反馈中选择分享的任何提示词或响应结果

当涉及到您的数据时，Rovo Dev 会采取以下措施：

您的提示词（输入内容）和响应结果（输出内容）：

• 不会提供给其他客户
• 不会发送给除 OpenAI、Google Vertex AI 或 AWS Bedrock 上的 Anthropic 之外的任何第三方 LLM 提供商
• OpenAI、Google Vertex AI 及 AWS Bedrock 上的 Anthropic 均不会存储这些数据
• 不会用于改进 OpenAI 或 Anthropic 的模型

• 仅用于为您的体验服务

第三方处理：

• OpenAI、Google Vertex AI 及 Amazon Web Services (AWS Bedrock) 均为我们分包处理方列表中的分包处理方。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。

权限与访问控制：

• Rovo Dev 遵循您的开发环境及已关联 Atlassian 工具中的权限设置。例如，若您无权访问特定存储库或 Jira 项目，Rovo Dev 在生成响应时不会获取这些来源的内容。
• 若您不希望自己的代码或内容出现在组织内其他用户的响应结果中，请与系统管理员协作，确保权限及访问控制设置得当。

• 在 Rovo Dev CLI 中，用户可添加第三方模型上下文协议 (MCP) 服务器，使 Rovo Dev 能够访问第三方内容。与任何第三方 MCP 服务器的集成均需获得您用户的批准，且您必须确保遵守所有第三方使用条款。用户可输入提示词以将数据发送至 Atlassian 站点外部，发送至站点外部的数据不受 Atlassian 条款约束。

了解有关使用 Rovo Dev 的更多信息

Rovo Dev 社区群组

使用人工智能生成页面和博客摘要由 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。

Rovo 会运用这些模型在我们的产品中分析与生成自然语言。

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 模型和 Google 模型功能的更多信息。

使用人工智能为 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。了解有关在 Confluence 中使用人工智能的更多信息。

我们认为，在以下情况下，使用 Rovo 汇总页面和博客内容效果最佳：

• 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。

请务必记住，鉴于用来支持使用人工智能汇总页面和博客内容的模型的工作方式，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、表格和摘要扩展功能提供更好的支持，但我们发现，在以下情况下，使用 Rovo 汇总页面和博客内容的用处不大：

• 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 Rovo 时考虑各种情况，先检查所收到回复的质量，然后再与他人共享。

您可能还需要考虑：

• 让 Rovo 总结那些您知晓文本内容密集的页面。

我们了解，您可能对在 Confluence 自动化中使用人工智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。

就您的数据而言，使用 Rovo 汇总页面面和博客内容时会应用以下措施：

• 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 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 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，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设置。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 Rovo 汇总页面内容。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。

在 Confluence 和 Jira 中使用 Rovo 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。

Rovo 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、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 系列的相关信息。

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 Rovo 定义术语将在 Confluence 的页面或 Jira 的工作项描述中提供公司特定术语（如缩写词、项目、系统或团队名称）的定义。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。

Rovo 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。

当遇到您认为不准确的定义时，您可以编辑或添加新定义，然后设置可见范围：当前页面或工作项可见、整个空间或项目可见，或扩展至整个组织可见。

我们认为，在 Confluence 和 Jira 中使用 Rovo 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 Rovo 引用的特定术语。

请务必记住，鉴于用于使用 Confluence 中的 Rovo 定义术语的模型的工作方式，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 中使用人工智能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 Rovo 定义术语的功能依赖于 Confluence 中的搜索，因此只有当您有权限查看与 Jira 实例处于同一站点下的 Confluence 实例时，该功能才能在 Jira 中正常使用。

此外，您还可能会发现：在内容使用多种语言编写的 Confluence 空间或 Jira 实例中，使用 Rovo 定义术语的效果可能无法达到预期。

我们了解，您可能对使用 Rovo 定义术语如何使用您的数据存有疑问。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 Rovo 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。

编辑体验下的人工智能由 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。

Rovo 会运用这些模型在我们的产品中分析与生成自然语言。

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 模型和 Google 模型功能的更多信息。

Rovo 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，在编辑体验下使用 Rovo 效果最佳：

• 针对不同受众调整现有内容。Rovo 能够协助调整语气、优化写作，并使技术信息更易于其他团队理解。该功能对于希望让自身文字表达更专业、更简洁的团队而言，使用效果最佳。
• 总结现有内容。借助 Rovo，您可以将粗略的笔记转化为实用的战略文档、知识库文章、营销活动计划等内容。您还可以使用它来分析现有信息以定义行动计划和操作项。该功能在文本密集型页面中使用效果最佳，这类页面往往包含大量可提取的背景信息。
• 生成新内容。Rovo 可帮助您起草新内容，例如策略页面、项目概述、发布说明或用户故事。当团队使用清晰、具体的提示语并有明确目标时，这种方法效果最佳。

请务必记住，鉴于用来支持编辑体验下的人工智能的模型的工作方式，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，在以下情况下，在编辑体验下使用 Rovo 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 Rovo 时考虑各种情况，先检查所收到回复的质量，然后再与他人共享。

您可能还需要考虑：

• 向 Rovo 下达指令时，尽可能明确具体需求。
• 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。

我们了解您可能对编辑体验下的人工智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）。
• 您的实例中与您的提示语相关的上下文，例如您从其触发 Rovo 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。

就您的数据而言，编辑体验下的 Rovo 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 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，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。

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

Rovo 在 Jira 中使用该模型来分析和生成自然语言。

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。

工作项改写器通过使用 Atlassian 开发的模板来改写 Jira 工作项描述，从而帮助提高其清晰度。该模板涵盖了我们通常希望在 Jira 工作项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，在工作项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，工作项改写器最有效。

请务必记住，鉴于用于支持工作项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，工作项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。
• 您的工作项描述不包含太多信息，因为支持工作项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 Rovo 时考虑各种情况，先检查所收到回复的质量，然后再与他人共享。在开始使用工作项改写器来改写工作项描述之前，您可能还需要考虑审查并确认工作项描述是否包含所有相关信息。

我们了解您可能对工作项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 工作项描述和摘要。
• 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，工作项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 工作项中的可用信息，并从 Jira 工作项中调用。因此，它只能由有权查看工作项且无法访问任何其他信息的用户调用。

了解有关使用 Rovo 的更多信息

使用人工智能汇总工作项详情由 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。

Rovo 会运用这些模型在我们的产品中分析与生成自然语言。

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 模型和 Google 模型功能的更多信息。

您可以使用 Rovo 快速汇总这些信息，而不必通读有关 Jira Service Management 工作项的长篇描述和大量评论。这有助于支持人员快速了解工作项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 Rovo 汇总工作项详情时，在以下情况中效果最佳：

• 以英文撰写描述和评论的工作项。
• 包含大量评论和/或长篇评论和描述的工作项。

请务必记住，鉴于用于支持使用人工智能汇总工作项详情的模型的工作方式，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是错误或不完整的内容。

我们发现，在以下情况下，使用 Rovo 汇总工作项详情的用处不大：

• 您使用的是英语以外的语言
• 工作项没有历史记录或详情

因此，我们建议您在使用 Rovo 时考虑各种情况，先检查所收到回复的质量，然后再与他人共享。

我们了解您可能对使用人工智能汇总工作项详情会如何使用您的数据有疑问。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包括有关 Jira 服务的详情。管理工作项，如工作项描述、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 Rovo 汇总工作项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。

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、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。

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工作项包含一个或多个智能链接。
• 您正在查看的页面或工作项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。

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。

我们了解您可能对使用 Atlassian Intelligence 生成工作项详情摘要会如何使用您的数据有疑问。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设置。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。

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。

您可以使用 Atlassian Intelligence 快速生成这些信息的摘要，而不必通读有关 Jira 工作项的长篇描述和大量评论。这有助于支持人员快速了解工作项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 生成工作项详情摘要最适合有大量评论和/或长篇评论和描述的工作项。

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 生成工作项详情摘要的用处不大：

• 工作项没有历史记录或详情
• 工作项有 100 多条评论（我们只生成最后 100 条评论的摘要）

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。

我们了解您可能对使用 Atlassian Intelligence 生成工作项详情摘要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 工作项的详情，如工作项描述、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。

当涉及到您的数据时，使用 Atlassian Intelligence 生成工作项详情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 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 工作项中的可用信息，并从 Jira 工作项中调用。因此，它只能由有权查看工作项且无法访问任何其他信息的用户调用。

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

会议支持人员由 OpenAI 与 Google 开发的大型语言模型，以及其他机器学习模型组合提供技术支持。这些模型包括 OpenAI 的 GPT 系列模型和 Google 的 Gemini 系列模型。

会议支持人员会运用这些模型在我们的产品中分析与生成自然语言。

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 模型和 Google 模型功能的更多信息。

使用应用 Teamwork Collection（Jira、Confluence 和 Loom）的组织用户可使用会议支持人员。

会议支持人员现已在 Loom 桌面端应用上线，旨在通过帮助用户回顾遗漏主题、记录行动项，并协助用户为下次会议做好准备，以此提升用户的会议体验。

我们认为，会议支持人员在以下情况下效果最佳：

• 您希望针对当前会议或该系列定期会议中的其他场次进行提问并获取相关信息。
• 您希望通过便捷的方式，就公司知识库相关内容进行提问。

请务必记住，鉴于用来支持会议支持人员的模型的工作方式，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，会议支持人员在以下情况下不太有用：

• 您需要会议支持人员获取当前场次或该系列定期会议之外的其他会议信息。
• 您需要会议支持人员获取无会议转录文本的会议信息。
• 您需要有关人员、地点和事实的最新且准确的信息。
• 您需要会议支持人员获取您无法轻易获取的信息（例如在您的实例中），以妥善答复您的请求。

因此，我们建议您留意使用会议支持人员的场景，并在与他人分享回复内容前，先审查其质量。

您可能还需要考虑：

• 向会议支持人员下达指令时，尽可能明确具体需求。
• 若您希望会议支持人员获取更广泛的信息以回应查询，可要求其“搜索网络”。例如，若您想了解“视频会议软件的总体潜在市场规模情况如何”，在提问中加入网络搜索结果，会议支持人员的表现会更佳。
• 会议支持人员主要用于获取与您的会议记录及其他文档相关的信息和背景内容。对于会议文档之外更易获取的组织内部背景信息，我们建议使用 Rovo。例如，Rovo 可能更适合快速解答“产品负责人是谁？”或“美国下一个全公司假日是什么时候？”这类问题。若您希望通过会议支持人员快速获取会议文档以外来源的组织背景信息，此类情况同样建议改用 Rovo。

我们了解，您可能对会议支持人员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）。
• 视频转录文本（但不含视频本身）
• 您的实例中与您的提示词相关的上下文。例如，若您输入“2026 年我们公司的福利有哪些？”，系统会调取您有权访问的、包含福利信息的 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，会议支持人员会采取以下措施。

• 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 或 Google 以外的任何第三方 LLM 提供商。
  • 不会被 OpenAI 或 Google 存储。
  • 不会用于改进任何 OpenAI 或 Google 模型。
  • 仅用于提升您的体验。
• 会议支持人员的对话历史记录可追溯过去 30 天的会议。
• OpenAI 和 Google 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，若您无权查看非所属团队的敏感政策文档（Confluence 页面），您收到的回复中将不会出现该页面的推荐内容。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。

了解有关会议支持人员的更多信息

Jira 支持人员由 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。

Jira 支持人员使用这些模型，在 Jira 内分析并生成自然语言回复及代码。

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 模型和 Google 模型功能的更多信息。

Jira 支持人员支持将在 Studio 中创建的支持人员或 GitHub Copilot 等第三方支持人员分配至 Jira 的工作项。当您将支持人员添加至工作项时，即可与该支持人员建立双向交互。您可将支持人员分配至工作项，或在工作在工作流中推进过程中触发支持人员。

支持人员可辅助撰写初稿、生成精简摘要并处理专项任务，确保工作跟踪平台内持续推进。Rovo Dev、GitHub Copilot 等更强大的编码支持人员还支持代码生成。

支持人员被分配任务并启动运行后，会在工作项的支持人员板块提供输出，供您审阅。仅您本人可查看、交互及分享该支持人员的输出内容。

若您对结果满意，可将输出内容以评论形式发布在工作项中，供团队成员查看。

将支持人员添加至空间后，您可通过四种方式开展协作：

• 将支持人员添加至经办人字段。
• 在评论中 @ 提及支持人员。
• 将支持人员添加至工作流转换。

• 将支持人员添加至面板上的列中。

我们认为，Jira 支持人员在以下情况下效果最佳：

• 翻译您的工作项包含充足上下文信息，例如详细描述以及上下文信息（Confluence 页面、设计或准则），以便支持人员能够基于团队实际工作给出回复，而非提供通用化建议。
• 您正在使用基于 Studio 构建的专用支持人员或编码支持人员（如 Rovo Dev 或 GitHub Copilot），它们具备完成对应工作所需的专业能力与工具，尤其适用于代码生成或技术分析场景。
• 您希望将范围明确的任务（如初稿评论、验收标准、代码修改初稿）委派给支持人员处理，以此保障工作持续推进，让人力专员专注于高判断力决策与最终审批。
• 您希望与支持人员协作迭代，通过后续提示词完善或纠正其输出结果。

请务必记住，鉴于用来支持 Jira 支持人员的模型的工作方式，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 支持人员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。
• 您需要非常一致且有规律的输出，并且不受任何变化的影响，因为答案可能会因包括用户权限在内的多种原因而变化。
• 无人参与。当有人参与验证或引导期望的输出时，Rovo 支持人员的表现最佳。
• 当前工作项缺少足够上下文，支持人员无法开始执行工作。当您的 Jira 站点或关联应用、产品内缺乏足够信息，导致支持人员无法可靠理解任务时，就会出现这种情况。当支持人员需要访问特定交付物（例如设计、代码片段或需求），而这些内容未在工作项中关联或引用时，也会出现该问题。
• 基于 Studio 构建的支持人员不具备完成被分配工作所需的对应技能。为支持人员添加技能与工具的更多相关信息。

• 该任务需要与人进行沟通协商。支持人员可以汇总各方观点并提出后续行动建议，但并不适合协调利益相关者，或代表团队作出承诺。

因此，我们建议您留意使用 Jira 支持人员的场景，并在与他人分享回复内容前，先审查其质量。

您可能还需要考虑：

• 在工作项中尽可能具体地说明您需要支持人员执行的操作。
• 提供支持人员可使用的相关上下文和链接（页面、存储库链接、代码、设计）。
• 通过后续提示词迭代，以优化或纠正输出。

我们了解，您可能对 Jira 支持人员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）。
• 您的实例中与提示词相关的上下文信息（例如工作项上下文、Teamwork Graph 中的数据），可提供额外信息，辅助支持人员完成任务。
• 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 支持人员会采取以下措施。

• 您与 Atlassian 创建的支持人员或 Rovo Studio 支持人员交互时的提示词（输入内容）和回复（输出内容）：
  • 不会提供给其他客户。
  • 仅用于提升您的体验。
  • 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。
  • 不会用于改进任何大型语言模型。
  • 仅用于提升您的体验。
• 如果管理员通过 Marketplace 应用或第三方 MCP 服务器安装或启用第三方支持人员，您使用该支持人员需遵守该第三方自身的服务条款、隐私声明、数据处理规范及数据留存规范。
  • 第三方支持人员所使用的大语言模型、分包处理方、基础架构、数据留存周期及管控机制，可能与 Atlassian 构建或基于 Studio 构建的支持人员存在差异。客户在启用或使用第三方支持人员前，应查阅适用的第三方服务条款及相关文档。
• OpenAI 和 Google Vertex 是我们的分包处理方列表中的分包处理方。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，您的支持人员便无法访问该页面并将其内容呈现在您收到的回复中。 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。
• 支持人员将代表您执行操作，并继承您的权限。支持人员仅能获取您有权访问的数据，其输出内容仅对您可见；除非您主动分享，或触发可被他人查看的操作，否则内容始终保持私密状态。

与人工智能支持人员协作处理工作项

Rovo 资源

Jira Cloud for Slack 应用借助人工智能来支持应用内的 Jira 提及功能。该功能依托 Google 开发的大语言模型（具体则是其 Gemini 系列模型）提供支撑。

该应用利用上述模型，在 Slack 中分析并生成自然语言回复，同时可代表用户在 Jira 内执行相关操作。

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预测（基于它们用于训练的数据）最有可能的下个单词或文本来生成的。

详细了解 Google 模型的功能。

通过在 Slack 中提及 Jira，团队可直接在任意 Slack 通道内捕获并管理工作项。使用 @Jira，即可用自然语言创建工作项、更新字段、分配任务，而无需退出当前会话。您还可使用 @Jira 将工作分配给团队伙伴，或是转交给支持人员。设置仅需数秒，而系统会自动保存您的项目与偏好设置。

在 Slack 中提及 Jira 可帮助团队在对话中一出现工作需求，就即时记录并跟进处理。我们认为，在 Slack 中提及 Jira 在以下场景中效果最佳：

• 从 Slack 对话创建工作项。当 Slack 会话中出现缺陷、决策或任务时，您可使用 @Jira 并描述您的需求，而系统会在 Jira 中创建工作项，同时附带相关上下文信息。
• 更新现有工作项。您可直接在 Slack 内让支持人员更新现有 Jira 工作项的状态、优先级或经办人，而无需打开 Jira。
• 将工作分配给支持人员。您可让 Jira 将工作分配给支持人员以启动执行。
• 内联编辑工作项。您或您的团队伙伴可在 Slack 会话中，通过链接展开卡片直接编辑已创建或已更新工作项的字段。
• 配置通道级默认设置。您可使用“/jira 支持人员”斜杠命令设置默认 Jira 站点、默认项目，并为支持人员在特定 Slack 通道中的行为方式设置自定义指令。

请务必记住，鉴于用于支持 Jira 应用运行的模型的工作方式，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，在以下场景中，Slack 的 @Jira 功能实用性较低：

• 您在 Jira 中权限不足，无法查询数据或执行相关操作。
• 当前使用的 Slack 会话或通道内的表述模糊、不够精准。若出现上述情况，@Jira 很难创建或更新准确的工作项。
• 当您 @Jira 时给出的指令模糊、表意不清。
• 您的通道或会话中缺少人员、场景及相关事实的最新准确信息。

因此，建议您在 Slack 中使用 @Jira 功能时结合实际场景考量，并审视所收到回复的质量。

您可能还需考虑：

• 在提示词中尽可能详细、明确地描述需求。
• 重新组织您的提示词。
• 在关闭 Slack 会话之前，审查所创建或更新的 Jira 工作项的准确性。

我们了解，您可能对 Jira for Slack 应用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词相关的上下文，例如 Jira 工作项更新。
• 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 for Slack 应用会采取以下措施：

• 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 Google 以外的任何第三方 LLM 提供商。
  • 不会被 Google 存储。
  • 不会用于改进 Google 模型。
  • 仅用于提升您的体验。
• Google Vertex 是我们的分包处理方列表中的分包处理方。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。
• 此功能会遵循您实例中的权限。例如，如果您没有创建工作项的权限，则无法通过在 Slack 中提及 Jira 来执行此操作。

Rovo 资源

支持文章

Slack Marketplace 列表

Loom 编辑器由 OpenAI 和 Google 开发的大型语言模型以及开源大型语言模型（包括 Llama 系列）和其他机器学习模型组合提供支持。这些模型包括 OpenAI 的 GPT 系列模型和 Google 的 Gemini 系列模型。

Loom 编辑器借助此类模型提取并分析视频文字稿内容，并在 Loom 内生成自然语言。

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预测（基于它们用于训练的数据）最有可能的下个单词或文本来生成的。

Loom 编辑器借助这些模型从视频文字稿中提取上下文。核心功能包括自动生成标题、摘要和章节，以及支持基于文字稿的编辑，并自动移除填充词并消除无声间隙。

了解有关 OpenAI 模型和 Google 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 系列的相关信息。

Loom 编辑器包含多项人工智能支持的功能，旨在自动增强您的 Loom 视频。Loom 编辑器目前包含以下功能特性：

• 自动标题：基于视频文字稿上下文自动生成定制化视频标题。
• 自动摘要：录制完成后自动生成摘要，并展示于视频下方描述框内。
• 自动章节：依据视频中讨论的主题自动生成章节章节将视频划分为多个片段，方便观看者轻松导航。
• 人工智能工作流：将视频转换为文本文档、消息或缺陷报告，可直接提交至 Jira。
• 字幕翻译：自动将字幕译为多种不同语言。

我们认为，Loom 编辑器在以下场景中效果最佳：

• 快速生成导航辅助内容：通过自动章节功能将视频分段，实现便捷浏览。
• 创建可即时分享的内容概要：录制完成后立即自动生成定制化自动标题和自动摘要。
• 连接视频与文本文档：依托人工智能工作流，将视频内容转化为文字素材，包括 SOP、消息、可直接提交至 Jira 的缺陷报告。
• 润色口头表达：剔除“嗯”、“啊”等填充词、裁剪过长静音片段，让表达更专业。
• 引导受众操作：基于录制上下文自动生成自动行动号召按钮，以指引后续步骤。
• 字幕翻译：自动将字幕翻译成不同语言。

请务必记住，鉴于用于支持 Loom 编辑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，Loom 编辑器在以下场景中不太实用：

• 您需要将内容翻译为小众语种。LLM 通常在使用广泛（且文献资料更丰富）的语种上表现更佳
• 您需要非常一致且有规律的输出，并且不受任何变化的影响，因为回答会受多重因素影响而产生差异。
• 无人工介入。Loom 编辑器搭配人工核验或指导预期输出时效果最佳。
• 您需要生成新的视觉元素或图像，因为 Loom 编辑器主要侧重于文本和基础视频剪辑。

因此，我们建议您结合自身使用 Loom 编辑器的场景考量，并在与他人分享内容前完成审查。

我们了解，您可能对 Loom 编辑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：

• 您的实例中与您的提示词相关的上下文，例如所选视频文件、其文字稿、视频元数据，以及您在视频中或视频周边提供的任何文本。
• 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。
• 视频文件本身（音频流 + 视频流）
• 自动生成的该视频文字稿（文本）
• 关于视频的任何现有元数据，包括：
  • 标题、描述、标签
  • 章/节/摘要（如果已存在）
  • 行动号召配置（如目标 URL、按钮文本）、您针对该功能选择提供的反馈，包括反馈中您选择分享的任何提示词或相关内容。
  • 由文字稿生成的字幕
• 任何用户提供的文本：
  • 对标题、摘要和章节的编辑
  • 通过叠加层添加的文本（注释、箭头、框等）

当涉及到您的数据时，Loom 编辑器会采取以下措施。

• 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 和 Google 以外的任何第三方 LLM 提供商
  • 不会由任何 LLM 提供商存储
  • 不会用于改进任何大型语言/OpenAI 或适用的 3P 模型。
  • 仅用于提升您的体验。
• OpenAI、Google Vertex 和 AWS Bedrock 均是我们的分包处理方清单中的分包处理方。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。
• 此功能会遵循您实例中的权限。例如，若您无权限查看某条 Loom 视频，则无法通过 Loom 编辑器编辑该视频内容。如果您不希望 Loom 视频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。

人工智能视频编辑器：Loom 视频编辑功能

Loom 屏幕截图由 OpenAI、Anthropic 和 Google 开发的大型语言模型以及开源大型语言模型（包括 Llama 系列）和其他机器学习模型组合提供支持。这些模型包括 OpenAI 的 GPT 系列模型、Anthropic 的 Claude 系列模型和 Google 的 Gemini 系列模型。

Loom 屏幕截图使用这些模型，支持您通过桌面端应用或 Chrome 扩展程序，为 Loom 屏幕截图自动生成标题。

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预测（基于它们用于训练的数据）最有可能的下个单词或文本来生成的。

了解有关 OpenAI 模型和 Google 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 系列的相关信息。

Loom 屏幕截图功能支持截图、标注、分享及存储屏幕截图。Loom 屏幕截图包含以下功能特性

• 截图选项：可自定义截取区域、单个选项卡或完整屏幕。
• 即时分享：每张屏幕截图都会自动生成专属可分享链接，无需手动下载、上传文件。
• 标注工具：可直接在 Loom 编辑器内添加文字、图形、箭头来优化图像，以突出关键要素。
• 云端素材库：所有屏幕截图自动保存至您的 Loom 素材库，支持通过文件夹、选项卡分类管理。

我们认为，Loom 屏幕截图在以下场景中效果最佳：

• 您有想要突出显示并吸引注意力的屏幕上元素。
• 您希望有一种简便方式分享屏幕截图，无需手动下载或上传文件。
• 您时常需要录制屏幕的不同区域，包括自定义区域、特定选项卡或是完整屏幕。
• 您需要一套便捷的方式，集中管理所有保存的屏幕截图。
• 您的屏幕截图包含充足信息，可据此自动生成更精准的标题。

请务必记住，鉴于用于支持 Loom 屏幕截图的模型的工作方式，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，Loom 屏幕截图自动生成的标题可能无法准确反映截图内容，或是出现看似合理、实则不实或不完整的内容。

我们发现，Loom 屏幕截图在以下场景中不太实用：

• 您需要编辑实时视频，因为 Loom 屏幕截图只能编辑静态屏幕截图。
• 您需要展示实时操作，例如演示需要点击或滚动的缺陷。
• 对于复杂的用户界面（例如包含许多面板的仪表板或多屏幕流程），更适合用短视频记录，相比屏幕截图能完整保留上下文。
• 高度交互式协作场景，例如实时头脑风暴与白板协作。
• 无人工介入。Loom 屏幕截图搭配人工验证或引导输出内容时，使用效果最佳。

因此，我们建议您结合自身使用 Loom 屏幕截图的场景考量，并在与他人分享每张屏幕截图前完成审查。

我们了解，您可能对 Loom 屏幕截图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：

• 您的提示词（输入内容）（例如屏幕截图图像）和响应（输出内容）（例如自动生成的标题）
• 您的实例中与您的提示词相关的上下文，例如屏幕截图、元数据，以及您在屏幕截图上或周围提供的任何文本。
• 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，Loom 屏幕截图会采取以下措施。

• 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
  • 不会用于改进任何大型语言/OpenAI 或适用的 3P 模型。
  • 仅用于提升您的体验。
• OpenAI、Google Vertex 和 AWS Bedrock 均是我们的分包处理方清单中的分包处理方。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。
• 此功能会遵循您实例中的权限。例如，若您无权限查看某条 Loom 视频，则无法通过 Loom 屏幕截图功能编辑该视频内容。如果您不希望 Loom 视频内容出现在实例中对其他用户的回复中，请与您的工作区管理员合作，确保您的权限设置适当。

适用于 Chrome 浏览器的免费屏幕截图

”使用 Rovo 创建“由 OpenAI 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）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。

”使用 Rovo 创建“利用这些模型在我们的应用中分析和生成自然语言及受支持的文件格式。

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预测（基于它们用于训练的数据）最有可能的下个单词或文本来生成的。

了解有关 OpenAI 模型和 Google 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 系列的相关信息。

借助”使用 Rovo 创建“，用户只需点击一下，就能向人工智能发送指令，以创建各类内容（例如，白板、实时文档、页面、数据库、博客）。

我们认为，”使用 Rovo 创建“在以下场景中效果最佳：

• 从空白画布开始。”使用 Rovo 创建“可帮助用户根据提示词生成 Confluence 页面、白板、数据库、博客或实时文档的初稿。当用户提供明确的目标、目标受众以及希望在新内容中体现的任何相关上下文信息时，此功能效果最佳。
• 根据想法或笔记创建结构化内容。”使用 Rovo 创建“可将粗略输入、会议记录或初步想法转换为条理清晰的正式内容，例如，项目概述、战略页面、营销活动计划、发布说明以及用户故事。该功能最适用于用户需要一份可审阅、可优化的内容初稿作为有用初步参考的场景。
• 生成可复用的模板或格式。”使用 Rovo 创建“可帮助用户生成模板、页面结构初稿，或作为常见团队工作流的其他初步参考。当用户将输出内容视为人工智能生成的初稿内容，并在分享或使用前对其准确性、完整性和适用性进行审查时，效果最佳。

请务必记住，鉴于用于支持”使用 Rovo 创建“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，”使用 Rovo 创建“在以下场景中不太实用：

• 您需要调取组织知识库中的结构化知识数据。”使用 Rovo 创建“在处理非结构化自然语言数据时效果最佳；若指令要求其处理结构化数据，输出精准度可能会有所下降
• 您需要有关人员、地点和事实的最新且准确的信息。
• 您希望”使用 Rovo 创建“获取因权限问题而您本人无法查看的信息（例如 Confluence 知识库中设置了访问限制的信息）
• 您在提示词中提及实体名称（例如，团队名称、人员名称）时出现拼写错误。这是因为”使用 Rovo 创建“可能无法在知识库中找到对应实体，因此您收到的结果会存在信息不完整，或者将这些拼写错误当作真实内容照搬。
• 您希望“使用 Rovo 创建”复用您附加到提示词框的特定模板。“使用 Rovo 创建”的生成结果不具备确定性，因此它不会完全遵循该模板

因此，我们建议您在使用 Rovo 时考虑各种情况，先检查所收到回复的质量，然后再与他人共享。

您可能还需考虑：

• 向 Rovo 下达指令时，尽可能明确具体需求。
• 在将人工智能生成的模板用于内容前，务必先进行审查。借助“使用 Rovo 创建”生成的模板，无论由您还是其他用户创建，其质量与完整度都会随创建时所用提示词的不同而存在差异。

我们了解，您可能对“使用 Rovo 创建”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：

• 您的提示词（输入内容）和回复（输出内容）。
• 通过提示词框中的麦克风图标录入的语音提示词（输入内容）。我们会对音频进行处理以生成文字稿，并且仅依靠文字稿来完成您的请求。
• 您的实例中与您的提示词相关的上下文，包括连接到您实例的任何第三方来源
• 您使用各项功能时产生的交互数据，例如相关 Teamwork Graph 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 Rovo 创建”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 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。
  • 不会用于改进任何大型语言/OpenAI 或适用的 3P 模型。
  • 仅用于服务于您的使用体验并助力优化产品
• OpenAI 和 AWS Bedrock 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，如果您无权访问某个 Confluence 页面，您收到的回复中便不会包含该页面的推荐内容。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。

Rovo 资源

借助 Rovo 创建 Jira 空间由 Google 开发的大型语言模型提供支持。这些大型语言模型包括 Google 的 Gemini 系列模型。

“借助 Rovo 创建”会运用这些模型在我们的产品中分析与生成自然语言。

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预测（基于它们用于训练的数据）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。

使用“借助 Rovo 创建”功能创建 Jira 空间，能帮助团队更快上手。该功能将团队工作模式的通俗语言描述转换成可直接使用的 Jira 空间，让团队不必基于空白模板从零开始，手动完成所有配置。它的实现逻辑为：读取您输入的提示词，以及您提供的所有背景信息，例如 Confluence 页面、Loom 视频或上传的文件，以此生成一份 Jira 空间蓝图。这份蓝图会包含推荐的项目名称、关键工作类型、状态、导航项及团队伙伴建议。

我们认为，”使用 Rovo 创建“在以下场景中效果最佳：

• 您清楚团队的各项需求，希望搭建适配自身情况的空间，而非手动选用通用模板并调整。
• 您希望提供现有背景信息，例如 Confluence 页面、Loom 视频或上传的文件，借助人工智能将这些内容转化为贴合团队真实工作流的空间配置。最佳示例是现有 Jira、Monday 或 Asana 面板的屏幕截图。
• 您希望减少为新项目创建工作类型、状态及导航项的设置开销，让团队可以即刻开展工作。

请务必记住，鉴于用于支持”使用 Rovo 创建“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，”使用 Rovo 创建“在以下场景中不太实用：

• 您没有掌握充足的团队需求相关背景信息，无法在提示词中提供搭建该 Jira 空间的要求。您在提示词内提供充足信息，可供人工智能参考以生成建议时，“借助 Rovo 创建”功能使用效果最佳。
• 您需要有关人员、地点和事实的最新且准确的信息。
• 您需要使用“借助 Rovo 创建”功能调取自己无法便捷查阅的信息（例如，您无权访问的 Jira 空间或 Confluence 页面）来为您生成 Jira 空间蓝图。
• 您的工作流高度专业化或比较小众。“借助 Rovo 创建”功能会建议工作流名称，但该功能目前尚不支持搭建配套于工作流的复杂自动化。
  

在您需要保障合规关键型项目配置准确性的场景中，不应使用“借助 Rovo 创建”功能。创建空间前，您需要审核全部推荐内容。

因此，我们建议您在创建空间之前审核人工智能生成的配置内容，以调整所有不符合团队需求的推荐内容。

您可能还需考虑：

• 在提示词中尽可能具体说明团队的工作内容，以及您期望的空间搭建方式。例如，清晰写明您想要的具体工作项类型，或是您需要的状态名称。
• 提供相关背景信息，例如 Confluence 页面、Loom 录制内容或上传的文件，以帮助人工智能生成更准确的建议。
• 将人工智能推荐的任何团队伙伴添加至空间前，审核并确认这些团队伙伴的权限。

我们了解，您可能对“借助 Rovo 创建”功能如何使用您的数据来创建 Jira 空间有疑问。本节补充了我们在 Trust Center 中提供的信息。

我们会处理：

• 您的提示词（输入内容）以及人工智能生成的空间配置（输出内容）。
• 您的实例中与您的提示词相关的上下文，例如，链接的 Confluence 页面、粘贴的 Loom 视频、在聊天中上传的文件，以及租户信息（例如现有的工作类型、状态名称和空间名称列表）。
• 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词或回复。
  

当涉及到您的数据时，“使用 Rovo 创建”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 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。
  • 不会用于改进任何大型语言/OpenAI 或适用的 3P 模型。
  • 仅用于服务于您的使用体验并助力优化产品
• Google Vertex 是我们的分包处理方清单中的分包处理方。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。
• 此功能会遵循您实例中的权限。例如，如果您没有某个 Confluence 页面的访问权限，“借助 Rovo 创建”功能在生成空间配置时，不会检索或使用该页面的内容。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。

Rovo 资源

“Marketplace 应用评论摘要”由 OpenAI 开发的大型语言模型以及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。

“Marketplace 应用评论摘要”使用这些模型在我们的产品中分析和生成自然语言。

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预测（基于它们用于训练的数据）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。

“Marketplace 应用评论摘要”能帮助用户了解真实客户对应用的评价，而无需阅读每一条评论。该功能会针对 Marketplace 应用详情页中已审核公开的评论，生成一份简洁通俗的摘要，涵盖客户认可的亮点、反馈的不足，以及大家常用该应用的方式。

“Marketplace 应用评论摘要”在以下场景中效果最佳：

• 您选择的应用有足够的近期英文评论，常见主题能够清晰呈现。
• 您希望在逐条查看评论或试用应用前，快速了解客户情绪概况。
• 您应结合应用详情页、供应商文档与各条评论一同参考这份摘要，不可单独依靠摘要做判断。

同时您还需留意以下几点：

• 这份摘要经过特意精简，仅提炼最常见的主题以及少量优缺点，因此个别细微的评价差异可能无法体现。
• 生成摘要时，系统仅考虑用英文编写的评论。
• 当许多高分评论几乎或完全没有文字内容时，摘要可能会更侧重反映篇幅更长、描述更详尽的评论，这有时会导致即便应用整体星级评分偏高，摘要有时也会偏向负面。
• 针对临时性问题的近期热门评论会影响摘要内容，直至更新的评论产生后才会改善。
• 摘要会缓存 24 小时，仅当新增评论数量达到指定阈值时才会定期更新，而非每新增一条评论就更新，因此最新的评论内容可能尚未体现在摘要中。
• 若评论数量不足，无法可靠生成摘要时，系统将不展示摘要。

请务必记住，鉴于用于支持“Marketplace 应用评论摘要”的模型的工作方式，其生成的结果有时可能不准确、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，“Marketplace 应用评论摘要”在以下场景中不太实用：

• 应用评论数量过少，或是评论内容简短、偏离主题，抑或使用英文以外的其他语言撰写。出现以上情形时，摘要可能不具代表性，或者可能根本不显示。
• 您需要获取有关应用功能、安全态势或已知缺陷的精准且最新的详细信息。供应商详情页、文档和支持渠道是获取这些信息的事实来源。
• 您正针对该应用做出采购、安全或合规相关决策。该摘要仅可作为初步参考，不能作为最终决策依据。
• 您需要有关人员、地点和事实的最新、准确信息。

您可能还需考虑：

• 仅将该摘要作为初步参考，不可当作最终定论。做决定前，除查阅该摘要外，还应阅读若干单条评论（包括最新评论及供应商的回复）。

我们会处理：

• 我们用于生成该摘要的数据，均来自 Marketplace 应用详情页中通过公开审核的评论，包含评论内容、投票数、发布日期以及评论状态。
• 与您使用该功能相关的交互数据，例如是否展示了摘要、应用详情页评论区的分析事件数量。
• 您通过 ECOHELP 工作单或通用反馈收集器主动提交的针对该摘要的反馈。

当涉及到您的数据时，”Marketplace 应用评论摘要“会采取以下措施。

您的输入和输出：

• 仅依据 Marketplace 详情页中已审核通过、对外公开的评论生成。不会将您 Atlassian 实例内的任何私有内容发送给模型。
• 该摘要不会包含您的个人详细信息，例如姓名或电子邮件 ID。它仅会概括展示客户对这款应用的整体评价。
• 除 Marketplace 应用详情页公开展示的摘要外，不会以任何其他形式向其他客户提供。
• 不会发送给除 OpenAI 以外的任何第三方 LLM 提供商，且传输仅通过 Atlassian 内部人工智能网关完成。
• 相关提供商不会存储处理请求所需数据意外的其他数据。
• 不会用于训练或改进任何第三方大型语言模型。
• 如果您不希望自己发布的应用评论被上述 LLM 用于生成摘要，建议您不要发布该评论。

OpenAI 是我们的数据分包处理方清单中的分包处理方。他们不会将您的输入或输出内容用于处理本次请求以外的任何用途。

我们会缓存已生成的摘要，以便快速展示给 Marketplace 的其他客户。缓存的摘要仅基于公开评论生成，不包含任何个人信息或实例专属数据。

”人工智能生成工作项摘要“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。

人工智能生成工作项摘要功能利用上述模型分析 Jira 工作项信息，并在产品内生成简短自然语言摘要。

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预测（基于它们用于训练的数据）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。

人工智能生成工作项摘要可汇总工作项意图、当前状态及后续步骤，为您清晰精简地呈现 Jira 工作项概览，使您无需手动通读全部详情与关联上下文信息，便能快速掌握工作项内容、尽早推进相关行动。

我们认为，人工智能生成工作项摘要在以下场景中效果最佳：

• 您希望在确定后续行动前快速了解工作项概览。
• 您希望无需手动查阅所有字段或关联工作项，即可掌握与工作项最相关的信息。
• 您希望了解所做出的核心决策。
• 您需要审阅一条或多条信息繁杂的工作项（例如包含多条评论、关联工作项及历史记录），并希望快速理清着手切入点。

请务必记住，鉴于用于支持人工智能生成工作项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，人工智能生成工作项摘要在以下场景中不太实用：

• 您需要有关人员、地点和事实的最新且准确的信息。
• 您需要人工智能生成工作项摘要获取您无法轻易获取的信息（例如在您的实例中），以妥善答复您的请求。
• 您需要一份保证完整或权威的工作项记录。该摘要仅供初步参考，不得用以取代必要时的工作项详情查阅。
• 基础工作项信息不完整、过时、表述模糊或不一致。
• 相关工作项内容的权限或访问权限近期发生变更，且摘要尚未完成刷新。

因此，我们建议您在使用 Rovo 时考虑各种情况，先检查所收到回复的质量，然后再与他人共享。

您可能还需考虑：

• 向 Rovo 下达指令时，尽可能明确具体需求。
• 确保工作项字段、描述、评论及关联工作项信息准确并持续更新。
• 确认摘要反映最新工作项信息，尤其是权限、状态、权责归属或关联工作项近期发生变更时。
• 将摘要视作辅助概览，不可替代工作项本身。

我们了解您可能对人工智能生成工作项摘要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词相关的上下文，例如 Jira 工作项数据、Jira 工作项关联关系与关联工作项上下文信息。
• 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。

在涉及您的数据时，人工智能生成工作项摘要会采取以下措施。

• 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。
  • 不由任何 LLM 提供商存储。
  • 不会用于改进任何大型语言模型或 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其他目的。
• 此功能会遵循您实例中的权限。生成的摘要仅向有权查看基本 Jira 工作项的用户展示，且仅采用无访问限制的内容进行摘要生成。若权限发生变更，摘要将会刷新，以便用户仅能查看自身具备访问权限的工作项摘要。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。

Rovo 资源

借助 Rovo 开展变更风险评估（“变更风险评估”）由 OpenAI、Google 开发的大型语言模型以及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 模型和 Google 的 Gemini 系列模型。

变更风险评估会运用这些模型在我们的产品中分析与生成自然语言及代码。

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预测（基于它们用于训练的数据）最有可能的下个单词或文本来生成的。

了解有关 OpenAI 模型和 Google 模型功能的更多信息。

变更风险评估功能可基于 20 余项参数，对 Jira Service Management 中的变更请求开展技术风险与运维风险评估，涵盖静态代码评估、变更冲突、事件以及回滚计划有效性等维度。该功能可为变更审批人提供全面的风险概览，助力其做出有据可依的决策，最终减少重大事件的发生。该功能还会给出风险缓解建议，用于处理它识别出的各类风险。

我们认为，变更风险评估在以下场景中效果最佳：

• 您已在项目设置中为连接的知识库配置自定义评估要求。
• 您已为需要使用该功能的相关变更审批人开放全部必要数据源（包括变更请求中的链接与评论）的访问权限，便于其妥善开展风险评估。
• 您已通过变更部署跟踪/控制配置，将 Bitbucket、Github 等开发环境连接至 Jira Service Management。
• 您的变更审批人了解并知悉，必须仔细检查风险评估详情和建议的缓解措施，并将该功能作为决定如何处理变更请求的因素之一，而非过度依赖其作为唯一的评估依据。

请务必记住，鉴于用来支持变更风险评估的模型的工作方式，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，变更风险评估在以下场景中不太实用：

• 您需要有关人员、地点和事实的最新且准确的信息。
• 您的变更请求存在信息错误、信息过时或信息不完整的问题，例如描述/详情中存在上述问题，或是未关联对应的服务或资产。
• 您未使用 Jira Service Management 中的事件管理或事后回顾功能。在这种情况下，事件相关风险无法判定，这会导致变更风险管理给出的相关风险全貌不够完整。
• 您未使用 Jira Service Management 中的服务或资产。
• 您未使用受支持的 CI/CD 工具，或者没有通过部署跟踪或控制连接受支持的 CI/CD 工具。
• 您尚未在变更描述中提供必要的拉取请求链接（仅限软件变更）。
• 您已禁用作为 Jira Service Management 事务类型一部分的任务（请参阅缓解建议）。若您进行了上述操作，变更风险评估功能将无法创建缓解步骤。
• 您在项目设置中连接的知识库不完整、不准确或已过时。
• 您或您的团队成员无法访问变更请求中提到的相关数据源（例如，知识库或开发环境）。在这种情况下，风险评估将基于您有权访问的资源，这可能意味着风险评估分数和建议的缓解措施可能不准确，并且会因个人的访问权限不同而有所差异。
• 变更风险评估可提供指引以辅助决策制定。它不能替代人工审核。关于风险评估的最终决策仍由变更经理和审批人做出。
• 变更经理和审批人负责在变更批准之前审核评估并验证结果。
• 做决策时，始终借助团队的专业知识和组织政策。
  

因此，我们建议您考量使用变更风险评估的各种场景，先检查所收到回复的质量，然后再与他人共享。

您可能还需考虑：

• 在变更请求描述以及附件知识库中，内容尽可能详实
• 验证人工智能给出的结果，仅将其作为一项参考指标，切勿完全依靠该结果做决策
• 确保所有需要使用该功能的团队成员，对项目关联知识库及其他连接资源拥有一致的访问权限，以便他们使用该功能查询到的结果基本一致
• 请勿在涉密项目中使用变更风险评估功能，除非您能够限制可查看该功能及其输出内容的项目参与人员。

我们了解，您可能对变更风险评估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词相关的上下文，以及变更描述/评论，例如部署、连接的开发环境和提供的知识库来源
• 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词或回复。
  

当涉及到您的数据时，变更风险评估会采取以下措施。

• 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 和 Google 以外的任何第三方 LLM 提供商。
  • 不由任何 LLM 提供商存储。
  • 不会用于改进 LLM 模型。
  • 仅用于提升您的体验。
• 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其他目的。
• 此功能会遵循您实例中的权限。例如，若您没有权限访问部署环境、知识库或受限制链接，您收到的回复中将不会出现来源于该页面的推荐内容。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。

Rovo 资源

借助 Rovo Ops 开启并配置变更相关风险管控

借助 Rovo Ops 评估变更相关潜在风险

Forge LLM API（“Forge LLM”）由 Anthropic 开发的大型语言模型提供支持。这些大型语言模型包括 Anthropic 的 Claude 系列模型。

Forge LLM 使用这些模型，在专为与 Atlassian 应用配合使用而构建的 Forge 应用内分析和生成自然语言。

这些模型会根据 Forge 应用的输入内容生成回复，且本质上具有概率性。这意味着它们的回复是通过预测（基于它们用于训练的数据）最有可能的下个单词或文本来生成的。

了解有关 Anthropic 模型功能的更多信息。

Forge LLM 借助简易平台 API 安全对接各类大型语言模型，数据无需流出 Atlassian Platform，帮助开发者更快搭建人工智能支持的 Forge 应用。借助 Forge LLM，您可开发集成生成式人工智能功能的 Forge 应用，此类应用既可面向第三方分发使用（例如通过 Atlassian Marketplace），也可仅供组织内部使用。

我们认为，Forge LLM 在以下情况下效果最佳：

• 您正在开发 Forge 应用，并希望使用无需将数据流出 Atlassian Platform 的人工智能功能。
• 您希望使用符合 Atlassian 安全、负责任人工智能使用相关准则的人工智能。
• 您需要一种简便方式，在 Forge 应用内调用领先模型与智能能力。

请务必记住，鉴于用来支持 Forge LLM 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，您用户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，Forge LLM 在以下场景中不太实用：

• 您需要有关人员、地点和事实的最新且准确的信息。
• 您的用户需要借助 Forge 应用获取自身无法便捷调取的信息（例如实例内信息或通过 Forge LLM 获取的相关信息），才能妥善回答您的请求。
• 您的应用需提供具备确定性、可复现性的结果或其他输出内容。
• 您希望应用可访问目前无法通过 Forge LLM 获取的各类模型。

因此，我们建议您考量使用 Forge LLM 的各类场景，并建议您的用户在与其他人分享所接收的回复内容前核验其质量。

您可能还需考虑：

• 明确 Forge LLM 在应用中具体、实用的用例。
• 针对这些用例，相应地调整您在 Forge LLM 中使用的提示词。阅读有关适用于 Anthropic Claude 模型的提示词工程技术的更多信息。
• 为由 Forge LLM 提供支持的任何功能制定有效的测试计划。

我们了解，您可能对 Forge LLM 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：

• 您的应用提交至 Forge LLM 的提示词（输入内容）与回复（输出内容）。
• 安装应用的实例中与上述提示词相关的上下文信息，例如需要汇总的 Confluence 页面、需要分析的 JSM 工作单。

当涉及到您的数据时，Forge LLM 会采取以下措施。

• 您应用词的提示（输入内容）和回复（输出内容）：
  • 不会提供给其他客户。
  • 不会发送给除 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。
  • 不会用于改进任何大型语言模型。
  • 仅用于满足应用的请求。
• AWS Bedrock 是我们分包处理方清单中的分包处理方。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 Forge 应用安装的权限。例如，如果 Forge 应用无权访问某个 Confluence 页面，则该页面无法纳入发送给 LLM 和从 LLM 接收的数据中。如果您不希望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。

Forge LLM API（预览版）

Rovo 服务由 OpenAI 与 Google 开发的大型语言模型，以及其他机器学习模型组合提供技术支持。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。

Rovo 服务会运用这些模型在我们的产品中分析与生成自然语言。

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预测（基于它们用于训练的数据）最有可能的下个单词或文本来生成的。

了解有关 OpenAI 模型和 Google 模型功能的更多信息。

关于 Rovo 服务

Rovo 服务专为支持面向员工的服务团队（例如 IT、人力资源、设施团队）打造，可直接在 Jira Service Management (JSM) 内部处理常见、可重复的服务请求。Rovo 服务包含两项功能。

问题处理支持人员适合帮助您快速处理工作项，它会使用您提供的内部资源生成计划，然后自主（如果您选择该执行选项）或在您的监督下执行该计划。

员工入职支持人员可依据您配置的旅程，为新员工生成入职计划。您可以根据需要编辑建议的计划。计划敲定后，可依托 Rovo 执行已审批的入职计划，所有步骤均可由您监督。

了解有关受监督与自主执行模式的更多信息。

Rovo 服务的运作机制

问题处理支持人员与员工入职支持人员通常通过以下方式运作：

1. 在 JSM 中分析新的服务请求，包括请求摘要、描述和相关字段。
2. 检索和解读内部知识（例如，运行手册、政策文档和内部文章），这些知识已被管理员链接为内部知识来源。
3. 针对分配的请求生成结构化的分步处理计划，包括推荐 Rovo 可执行的操作以及应由人工服务支持人员完成的步骤。
4. 执行已审批或已分配的计划，具体方式如下：

• 在允许的情况下，在 JSM 中执行操作（例如，更新字段、更改状态、添加评论）。
• 调用已配置的工具和第三方集成（例如 Okta 和 IdentityNow），以执行与访问相关的任务。
• 当 Rovo 对某一步骤执行把握度较低时，将该环节转交人工支持人员处理。

Rovo 服务的推荐用例

我们认为，Rovo 服务在以下场景中效果最佳：

• 您的组织拥有明确定义、已成文的运行手册、知识文章和其他资源，这些资源详细列明解决适用请求类型所需的步骤，包括员工入职支持人员的旅程。
• 您愿意投入精力编写清晰、实时更新的运行手册、旅程以及其他适配文档并归入知识库，写明各类请求类型对应的处理操作，涵盖要使用的工具、必填参数以及各类条件或例外情况。
• 您已妥善连接处理计划执行各步骤所需的各类第三方工具。
• 您从风险低、针对性强且可重复发生的请求类型入手，此类请求易于理解，每次处理方式类似，便于您更好地评估 Rovo 服务的各项能力，在拓展至其他用例前补齐知识库或权限方面存在的任何不足。
• 您使用自主执行模式来处理可重复、简单且易于理解的请求类型，此类请求通常有相同的处理计划，例如，常规的软件调试请求。

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

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，Rovo 服务在以下场景不太实用：

• 您需要获取自有系统之外有关人员、地点或其他现实世界事实的最新且权威信息。
• 您期望 Rovo 服务在未获取访问权限或未经配置的工具中调取信息或执行操作。Rovo 服务无法绕过产品权限，也不能在未连接的工具上执行操作。
• 您的内部知识库内容匮乏、过时或不一致，导致 Rovo 服务难以构建安全、可靠的计划。
• 请求对应的工作流高度定制化，或者需要频繁进行复杂的人工判断。
• Rovo 服务在处理非英文的服务工作单或知识库时助力有限，因为我们尚未充分测试该功能在其他语言环境下的准确性。

因此，我们建议您在使用 Rovo 时考虑各种情况，先检查所收到回复的质量，然后再与他人共享。

您可能还需考虑：

• 确保内部运行手册与知识文章持续更新，内容清晰，明确标注所执行的各项操作、适用条件，包括需要上报人工处理的时机。
• 仔细审查计划和输出内容，尤其是当 Rovo 服务与第三方工具交互或更改用户访问权限时。
• 请将 Rovo 服务视为助手，用于消除可重复、低复杂度任务的人工工作；对于处理方案随场景差异较大的复杂请求，仍需依靠人工判断，不可用该工具替代。
• 若您选择使用自主执行模式，请从流程简单、记录完备、操作步骤高度可复用的请求类型开始。

我们了解，您可能对 Rovo 服务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词相关的上下文，例如，您的内部知识来源（如 Confluence 文章）、历史 JSM 工作项，以及添加到 Rovo 服务知识库中的其他项目
• 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，Rovo 服务会采取以下措施。

• 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 和 Google 以外的任何第三方 LLM 提供商。
  • 不会由任何 LLM 提供商存储。
  • 不会用于改进任何大型语言模型。
  • 仅用于提升您的体验。
• OpenAI 和 Google Vertex 是我们的分包处理方清单中的分包处理方。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。
• 此功能会遵循您实例中的权限。例如，若您没有 Confluence 内各类知识来源的访问权限，您收到的回复中便不会包含这些页面的推荐内容。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。

Rovo 资源

使用 Rovo 服务简化您团队的工作

模块模板的人工智能辅助元数据由 Google 和 OpenAI 开发的大型语言模型提供支持。这些大型语言模型包括 Google 的 Gemini 系列模型和 OpenAI 的 GPT 系列模型。

模块模板的人工智能辅助元数据使用这些模型在我们的产品中分析和生成自然语言。

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预测（基于它们用于训练的数据）最有可能的下个单词或文本来生成的。

了解有关 Google 模型和 OpenAI 模型功能的更多信息。

当您创建模块模板以便日后轻松复用内容模块时，模块模板的人工智能辅助元数据功能能够依据内容自动生成模块模板的标题与描述，为您节省时间。然后，您可以接受、编辑或移除其中任一建议。

我们认为，模块模板的人工智能辅助元数据在以下场景中效果最佳：

• 您希望后续用户能够轻松识别该模板涉及的相关内容，并知道何时使用它。
• 您一次创建多个模块模板—让您能够专注于模板本身，而非构思标题与描述。
• 您正在创建模块模板，但尚未构思好具体标题或描述。

请务必记住，鉴于用于支持模块模板的人工智能辅助元数据的模型的工作方式，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，模块模板的人工智能辅助元数据在以下场景中不太实用：

• 模板内容采用英语以外的其他语言。
• 模块模板内容篇幅很短。在这种情况下，人工智能可能缺少充足上下文，无法生成有用的标题或描述。
• 您的模块模板包含涉及多个不同主题和题材的大量内容，导致人工智能难以生成清晰连贯的标题与描述。
• 您已经想好了特定的名称或描述。

我们了解您可能对模块模板的人工智能辅助元数据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）。
• 您的实例中与您的请求相关的上下文，例如您另存为模块模板的内容模块（标题与描述建议正是基于这些内容生成）。
• 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。

当涉及您的数据时，模块模板的人工智能辅助元数据会采取以下措施。

• 您的输入内容（发送的用于生成建议的模块内容）与输出内容（推荐的标题与描述）：
  • 不会提供给其他客户。
  • 不会发送给 Google 或 OpenAI 以外的任何第三方 LLM 提供商。
  • 不会由 LLM 提供商存储。
  • 不会用于培训或改进任何大型语言模型。
  • 仅用于提升您的体验。
• Google 和 OpenAI 是我们的分包处理方清单中的分包处理方。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。
• 该功能仅处理您主动选择另存为模块模板的内容，不会读取您实例中的其他内容，建议仅基于您正在保存的内容模块生成。

• Atlassian Intelligence 透明度
• Atlassian Intelligence Trust Center