Confluence Search Tutorial & Chatbots

Republié par Platon

Suiveurs: 0

Introduction

Confluence est un outil de collaboration développé par Atlassian, conçu pour aider les équipes à collaborer et à partager efficacement leurs connaissances. Dans l’espace de travail moderne, la capacité de travailler ensemble numériquement est inestimable. Confluence facilite cela en offrant une plateforme où les équipes peuvent créer, partager et collaborer sur des projets en un seul endroit. Au-delà de la simple collaboration, Confluence se distingue par des fonctionnalités telles que l'édition en temps réel, l'intégration avec d'autres produits Atlassian et une interface conviviale, ce qui en fait un choix privilégié pour de nombreuses organisations.

Tutoriel sur l'utilisation de la fonctionnalité de recherche intégrée de Confluence

Dans Confluence, la recherche d'informations ou d'éléments spécifiques est une fonctionnalité simple mais limitée. Voici comment tirer le meilleur parti des capacités de recherche de Confluence :

1. Recherche de base :

Pour lancer une recherche de base :

Cliquez sur l'icône en forme de loupe présente dans l'en-tête ou utilisez simplement le raccourci Shift + / pour se concentrer sur le champ de recherche.
Tapez votre requête dans la barre de recherche qui apparaît en haut de la page. Au fur et à mesure que vous tapez, Confluence fournira des résultats de recherche en direct, faisant des suggestions basées sur le contenu disponible sur votre site.

2. Recherche avancée :

Pour des résultats plus précis, c'est vers la recherche avancée que vous devez vous diriger :

Cliquez sur l'icône en forme de loupe puis sur « Recherche avancée » à côté de la barre de recherche ou utilisez le raccourci Shift + / suivie par a.
Ici, vous pouvez filtrer votre recherche en fonction de divers critères tels que le type de contenu (pages, blogs, pièces jointes, etc.), les espaces, les contributeurs et les plages de dates, entre autres.

3. Utilisation de la syntaxe de recherche :

Confluence prend en charge une gamme de syntaxes de recherche pour vous aider à affiner votre recherche :

Guillemets : utilisez des guillemets pour rechercher une expression exacte. Par exemple, « notes de réunion ».
Caractères génériques : utilisez l'astérisque * comme caractère générique pour représenter n'importe quel nombre de caractères dans un mot.
Opérateurs booléens : utilisation AND, OR ainsi que NOT pour combiner ou exclure des termes.
Recherches de proximité : utilisez le tilde ~ suivi d'un numéro pour rechercher des mots à une certaine distance les uns des autres. Par exemple, « rapport annuel » ~10.
Recherche de champs : recherchez dans des champs spécifiques en utilisant une syntaxe telle que title:, text:, creator: ainsi que modifier: etc.

4. Recherche de pièces jointes :

Lorsqu'il s'agit de rechercher des pièces jointes spécifiques :

Accédez à Search > Advanced Search.
Sélectionnez « Pièce jointe » dans la section « De type ».
Utiliser la syntaxe de recherche /.*<attachment type>.*/. Par exemple, pour rechercher des fichiers PNG, vous utiliserez /.*png.*/.

5. Recherche dans la base de données (pour les déploiements de serveurs et de centres de données) :

Pour ceux qui ont accès à la base de données Confluence, des requêtes SQL spécifiques peuvent être utilisées pour rechercher des types de pièces jointes particuliers. Par exemple, pour rechercher toutes les pièces jointes PNG, vous pouvez utiliser la requête SQL suivante :

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%';

Les requêtes SQL peuvent être ajustées en fonction du type de pièce jointe que vous recherchez.

6. Recherche de dossiers de pièces jointes (plateformes spécifiques) :

Sur certaines plateformes, la syntaxe de recherche Unix peut être utilisée directement dans le dossier des pièces jointes de Confluence pour rechercher des types de fichiers spécifiques :

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

Cela recherchera et répertoriera tous les fichiers PNG dans le répertoire des pièces jointes de votre instance Confluence.

Chacune de ces méthodes offre un niveau différent de granularité et de contrôle sur votre recherche, garantissant que vous trouverez exactement ce dont vous avez besoin dans Confluence.

Vous pouvez approfondir la recherche intégrée de Confluence en lisant ces articles :

Lacunes de la fonctionnalité de recherche intégrée de Confluence

La complexité inhérente à la recherche sur Confluence provient principalement de son incapacité à utiliser l’essence contextuelle des requêtes de recherche, contrairement aux moteurs de recherche comme Google. Voici une répartition des défis :

Répétition dans les requêtes de recherche : Les occurrences limitées de requêtes de recherche identiques dans l’historique de recherche entravent souvent l’exactitude des résultats de recherche, en raison du minimum de données contextuelles disponibles lors des recherches passées. Cela devient particulièrement problématique lorsque les utilisateurs recherchent des informations mises à jour ou récentes, qui peuvent être enfouies sous des résultats obsolètes ou moins pertinents.
Compréhension sémantique : Le manque de capacité de la plateforme à discerner les synonymes ou à ignorer les mots vides conduit souvent à des suggestions de contenu moins pertinentes. Par exemple, faire la distinction entre « IT » comme acronyme pour technologie de l'information et « ça » comme pronom peut être délicat. De plus, ce manque de compréhension sémantique pourrait prêter à confusion lorsque le jargon ou les acronymes courants du secteur sont utilisés dans les requêtes de recherche.
Dilemme de correspondance exacte : En essayant d'éliminer les mots vides, Confluence perturbe parfois la recherche de correspondance exacte, rendant la tâche encore plus difficile. Cela pourrait potentiellement amener les utilisateurs à ne pas trouver exactement le document ou les informations qu'ils recherchent, ce qui entraverait ainsi la productivité.
Dilemme unique : La diversité des structures organisationnelles, des informations internes et des intentions des utilisateurs nécessite un système de recherche plus personnalisé. Une approche rudimentaire d’apprentissage automatique (ML) pourrait potentiellement améliorer l’expérience de recherche en exploitant les données d’interaction des utilisateurs pour affiner la pertinence de la recherche au fil du temps. En ce qui concerne le ML, des algorithmes tels que le filtrage collaboratif ou l’apprentissage profond pourraient être explorés pour rendre la recherche de Confluence plus intuitive et centrée sur l’utilisateur.

En termes simples, si Alice recherche un sujet (disons X) aujourd'hui et trouve un document (doc3) utile, alors lorsque Bob recherchera le même sujet (X) demain, doc3 devrait apparaître plus haut dans les résultats de recherche car il était utile à Alice. Pour y parvenir, le système doit garder une trace des documents que les gens trouvent utiles. Cependant, ce suivi doit être effectué dans le respect de la vie privée, afin que seules les personnes censées voir certains documents puissent les voir. En outre, ce processus peut utiliser beaucoup de ressources informatiques telles que la mémoire et le stockage, ce qui peut poser problème. Certaines organisations ne disposent peut-être pas des ressources ou du personnel supplémentaires nécessaires pour gérer cela. Elles préfèrent donc un système plus simple qui ne s'améliorera peut-être pas avec le temps, mais qui est facile à entretenir et ne leur pose pas de problèmes supplémentaires comme un manque de mémoire.

Rechercher Confluence avec le Bot Nanonets Confluence

Nanonets introduit une solution transformatrice aux défis susmentionnés rencontrés dans les fonctionnalités de recherche de Confluence. L'utilisation de notre chatbot personnalisé basé sur LLM comme assistant peut considérablement combler les lacunes et affiner l'expérience de recherche des utilisateurs. Voici comment:

Compréhension contextuelle : Contrairement aux méthodes de recherche traditionnelles, notre chatbot comprend le contexte des requêtes de recherche. Par exemple, la recherche de « Java » fera apparaître des résultats liés au langage de programmation, et non à l'île ou au café. La technologie LLM (Language Model) derrière notre chatbot est particulièrement adaptée pour mieux comprendre les nuances et le contexte, fournissant ainsi des résultats de recherche plus précis et pertinents.
Apprendre de l’interaction utilisateur : Notre chatbot peut apprendre de la manière dont les utilisateurs interagissent avec le moteur de recherche. Si un document est souvent consulté via une certaine requête, il sera mieux classé pour des recherches futures similaires, comme un document devenant plus populaire lors d'une recherche sur « Méthodologie Agile ». Au fil du temps, cet apprentissage pourrait évoluer pour mieux anticiper les besoins des utilisateurs, rendant ainsi le processus de recherche beaucoup plus intuitif.
Relations sémantiques : Le chatbot basé sur LLM peut reconnaître les synonymes et les termes associés, améliorant ainsi les suggestions de recherche. Par exemple, une recherche sur « suivi des bogues » affichera également les documents liés au « suivi des problèmes » et au « suivi des erreurs ».
Contenu suggéré par l'utilisateur : Les utilisateurs peuvent suggérer du contenu pour des requêtes de recherche spécifiques, améliorant ainsi la base de données de recherche au fil du temps. Cela rend les documents plus faciles à trouver, par exemple en rendant un document plus visible pour les requêtes sur les « pratiques Scrum ».
Gestion des droits d'accès : Nous veillons à ce que seuls les utilisateurs autorisés puissent accéder à certains documents lors d'une recherche. Par exemple, si deux projets contiennent des documents confidentiels, une recherche affichera uniquement les documents du propre projet du chercheur, préservant ainsi la confidentialité des documents des autres projets.
Optimisation des ressources: Nos solutions fonctionnent efficacement, permettant d'économiser du temps et de l'argent, ce qui est crucial pour les organisations qui cherchent à rationaliser leurs opérations et à réduire leurs dépenses opérationnelles.

Intégration Slack pour le robot Confluence Nanonets

Notre chatbot est livré avec une intégration Slack prête à l'emploi. Une fois votre chatbot prêt, vous pouvez simplement authentifier votre espace de travail Slack et effectuer quelques clics pour configurer l'intégration. Une fois cela fait, vous pourrez poser des questions et même avoir des conversations détaillées sur vos espaces de confluence avec le bot directement depuis votre application Slack, sans avoir à basculer entre les applications. Cette intégration favorise un espace de travail numérique unifié, permettant une communication et une collaboration rationalisées, améliorant ainsi la productivité et la satisfaction des utilisateurs.

Jetez un œil à la démo ci-dessous.

[Contenu intégré]

Conclusion

Confluence d'Atlassian facilite le travail d'équipe numérique mais dispose d'une fonction de recherche de base. Le Nanonets Confluence Bot améliore considérablement cela en comprenant le contexte et en apprenant des interactions des utilisateurs, rendant les recherches plus intuitives. Il maintient également la sécurité de l'accès aux documents, garantissant que seuls les utilisateurs autorisés peuvent accéder à certaines informations. De plus, son intégration Slack favorise un espace de travail numérique unifié, améliorant la productivité et la satisfaction des utilisateurs. Grâce à ces améliorations, le Nanonets Confluence Bot affine l'expérience de recherche dans Confluence, contribuant ainsi à un environnement collaboratif plus efficace pour vous et vos équipes.