UX neu gedacht: Wie Opus Guard mit Rovo und Forge KI-gestützte Data Governance entwickelte
Dieser Artikel erschien ursprünglich als Gastbeitrag auf der Atlassian-Blog.
Der Aufstieg der KI, insbesondere großer Sprachmodelle (LLMs), hat die Art und Weise, wie Unternehmen Textinhalte analysieren und verwalten, verändert. LLMs können riesige Informationsmengen effizient verarbeiten und ermöglichen es Benutzern, Erkenntnisse zu gewinnen, Inhalte zusammenzufassen und neue Ideen zu entwickeln. Dies ist besonders in Umgebungen nützlich, in denen viele Informationen überfüllt sind und in denen ein optimiertes Inhaltsmanagement und eine bessere Entscheidungsfindung unerlässlich sind.
Opus Guard ist ein Informationsverwaltungsunternehmen. Wir haben entwickelt Content Retention Manager für Confluence um Kunden zu helfen Behalte, was sie brauchen, und entferne, was sie nicht brauchen in Confluence. Eine gut verwaltete Aufbewahrung ist die Grundlage für eine zuverlässige, vertrauenswürdige KI: Saubere, konforme Inhalte rein, bessere Antworten. Eine zentrale Herausforderung beim Aufbewahrungsmanagement besteht darin, Inhalte genau zu klassifizieren und die geeignete Aufbewahrungsrichtlinie festzulegen. Die manuelle Klassifizierung ist für Benutzer aus folgenden Gründen oft entmutigend:
- Maßstab: Das Volumen der klassifizierungspflichtigen Inhalte ist riesig und wächst kontinuierlich.
- Fachkompetenz: Domänenwissen wird häufig benötigt, um Inhalte zu analysieren und die richtige Klassifizierung zuzuweisen.
- Sicherheit und Compliance: Inhalte können sensibel sein, insbesondere für Kunden in regulierten Branchen mit strengen Sicherheits- und Compliance-Anforderungen.
Bewältigung der Herausforderung mit Rovo und Forge
Mit den Modulen Rovo Agent und Rovo Action, die jetzt auf Forge verfügbar sind, verfügen wir über die idealen Tools und eine spannende Gelegenheit, die Klassifizierung von Inhalten in großem Maßstab anzugehen:
- Maßstab: Rovo kann LLMs blitzschnell, effizient und kostengünstig ausführen.
- Fachkompetenz: LLMs verfügen über umfangreiches Wissen und können Informationen zusammenfassen und ableiten, die mit Fachexperten vergleichbar sind.
- Sicherheit und Compliance: Die Agenten und Aktionen von Rovo werden vollständig in der Atlassian Cloud gehostet und verfügen über definiertes Genehmigungs- und Verwaltungsmodell. Inhaltsdaten verbleiben in der Atlassian Cloud und sind für App-Anbieter, einschließlich Opus Guard, niemals zugänglich.
Das Agent zur Inhaltsklassifizierung ist ein Forge Rovo Agent-Modul der Content Retention Manager for Confluence-App, verfügbar auf der Atlassian Marketplace. Es ist über Rovo Chat zugänglich und bietet effektive Inhaltsanalysen, um die geeigneten Klassifizierungsstufen für Ihre Confluence-Inhalte zu ermitteln. Der Agent nutzt LLMs, um Seiten und Blogbeiträge zu bewerten und dabei Faktoren wie Schlüsselwörter, Kontext und Informationssensitivität zu analysieren. Wichtig ist, dass die Benutzer die volle Kontrolle behalten: Der Agent greift nur auf Anfrage auf Daten zu und nimmt Änderungen erst nach Bestätigung durch den Benutzer vor.
Dieser Beitrag beschreibt unsere Erfahrungen, die wir mit Rovo Agent und Rovo Actions gesammelt haben, um ein neues, KI-gestütztes Data-Governance-Erlebnis zu schaffen.
Das neue Nutzererlebnis mit Rovo Chat
Rovo Chat ist in mehreren Atlassian-Apps verfügbar, darunter Confluence, sodass Benutzer Unterstützung erhalten können, ohne ihren Arbeitsablauf zu unterbrechen. Von Rovo Chat aus können Benutzer eine Konversation mit dem Content Classification Agent beginnen.
Wenn ein Benutzer eine Klassifizierungsstufe für seinen Inhalt anfordert, ruft der Agent die definierten Klassifizierungsstufen und Inhalte über vordefinierte Rovo-Aktionen ab, die ebenfalls im Lieferumfang von Content Retention Manager für Confluence enthalten sind, und analysiert dann den Inhalt, um die entsprechende Klassifizierung zu ermitteln. Diese Analyse verdeutlicht die Art der Inhalte, was für die Einhaltung von Vorschriften und Sicherheit unerlässlich ist. Wenn der Inhalt beispielsweise vertrauliche oder geschützte Informationen enthält, empfiehlt der Agent eine höhere Klassifizierungsstufe.
Die Empfehlungsfunktion ermöglicht es Benutzern, ihre Inhalte effektiv zu klassifizieren. Auf der Grundlage der Analyse unterbreitet der Agent maßgeschneiderte Vorschläge, die sich an den Unternehmensrichtlinien orientieren und sicherstellen, dass die Benutzer ihre Optionen und die Auswirkungen der einzelnen Ebenen verstehen. Benutzer können die empfohlenen Klassifizierungen ganz einfach in der Confluence-Oberfläche anwenden und so ein effizientes und gesetzeskonformes Inhaltsmanagement fördern.
Erstellung des Inhaltsklassifizierungsagenten und der entsprechenden Aktionen
Der Content Classification Agent ist als Rovo Agent-Modul im Forge-App-Manifest implementiert:
rovo: agent:
- Schlüssel: Retention-Agent
Name: „Inhaltsklassifizierungsagent“
Beschreibung: Hilft bei der Verwaltung und Anwendung von Inhaltsklassifizierungsstufen im Content Retention Manager von Opus Guard.
Symbol: Ressource: statisch; icons/app.png
Eingabeaufforderung: Ressource: Agent-Ressourcen; prompt.txt
Gesprächsstarter:
- Welche Klassifizierungsstufen gibt es?
- Können Sie eine Klassifizierungsstufe für den Inhalt vorschlagen?
- Kannst du mir die Klassifizierungsstufe für den Inhalt zeigen?
Aktionen:
- Inhalt abrufen
- Klassifizierungsebenen abrufen
- Ebene der Inhaltsklassifizierung abrufen
- Klassifizierungsebene für Inhalte festlegen
Die wichtigsten Eigenschaften
- Schlüssel: Eindeutiger Bezeichner für den Agenten im Manifest.
- name: Anzeigename im Rovo Chat.
- Beschreibung: Slogan für den Agenten in Rovo Chat.
- prompt: Die Aufforderung, die LLMs zur Verfügung gestellt wird und Workflows für Klassifizierungsaufgaben definiert. (In diesem Beispiel wird die statische Ressourcendatei prompt.txt verwendet, sie kann aber auch inline bereitgestellt werden.)
- ConversationStarters: Erste Eingabeaufforderungen, die Benutzern angezeigt werden, wenn sie eine neue Konversation beginnen. Diese sollten den in der Aufforderung definierten Workflows entsprechen.
- Aktionen: Liste von Schlüsseln, die auf im Manifest definierte Aktionen verweisen, die der Agent ausführen kann.
Zusammenfassung der Maßnahmen
Das Manifest definiert Aktionen für bestimmte Aufgaben, die als Forge-Funktionen implementiert sind und auf die der Agent verweist. Im Folgenden finden Sie eine Zusammenfassung der Aktionen, die im Content Retention Manager verfügbar sind.
| Action Key | Name | Verb | Description |
|---|---|---|---|
| fetch-content | Fetch content body | GET |
Retrieves the full content body of a Confluence page or blog post. |
| fetch-classification-levels | Fetch all classification levels | GET |
Retrieves all available classification levels configured in the app.
|
| fetch-content-classification-level | Fetch content classification level | GET |
Retrieves the current classification level assigned to a specific content item.
|
| set-content-classification-level | Set content classification level | UPDATE |
Updates the classification level for a specific content item.
|
Prompt, prompt, es ist immer die Aufforderung
Die Aufforderung, die dem LLM im Forge-Manifest zur Verfügung gestellt wird, ist entscheidend für die Gestaltung der Benutzerinteraktionen mit dem Agenten. Ähnlich wie beim traditionellen UI/UX-Design ermöglicht es Entwicklern, die Benutzererfahrung zu steuern. Das Forge-Tutorial mit Anleitung, Einen Rovo Agent für Fragen und Antworten für Confluence erstellen, beschreibt wichtige Elemente für die Erstellung einer effektiven Aufforderung. Im Folgenden finden Sie unsere Ergebnisse und Empfehlungen für die Entwicklung effektiver Aufforderungen. Der vollständige Text der Aufforderung ist verfügbar unter ein öffentlicher Github Gist.
EIN Arbeitsablauf Der Abschnitt bietet ein übergeordnetes Framework für die Interaktionen des Agenten mit Benutzern.
----
ARBEITSABLAUF
1. Der Agent begrüßt den Benutzer, identifiziert sich selbst als „Content Classification Agent“ und fasst zusammen, was er tun kann. 2. Nehmen Sie eine Anfrage an: a. Verfügbare Klassifizierungsstufen anzeigen b. Die aktuelle Klassifizierung von Inhalten anzeigen c. Legen Sie eine Klassifizierungsstufe für den Inhalt fest d. Lassen Sie sich Vorschläge für die entsprechende Klassifizierungsstufe 3 anzeigen. Je nach Anforderung: a. Zum Anzeigen von Ebenen: Führen Sie den Job „Alle Klassifizierungsebenen abrufen“ aus b. Zum Anzeigen der Inhaltsklassifizierung: Führen Sie den Job „Inhaltsklassifizierungsebene abrufen“ aus c. Zum Festlegen der Klassifizierung: Führen Sie den Job „Klassifizierungsebene auswählen und festlegen“ aus d. Für Vorschläge: Führen Sie den Job „Inhalt abrufen und Klassifizierung vorschlagen“ aus 4. Formatieren und präsentieren Sie die Antwort auf der Grundlage des Antwortformats des jeweiligen Jobs
Die Aufgaben in der Arbeitsablauf sind unterteilt in Jobs, wobei jeweils die Schritte zur Erledigung einer bestimmten Aufgabe detailliert beschrieben werden. Dieser Ansatz vereinfacht den Prozess des Agenten, indem er klare, umsetzbare Schritte vorsieht. In den Arbeitsschritten wird auf Rovo-Aktionen verwiesen, wobei die Parameter angegeben werden, die übergeben werden sollen.
----
JOBS
---
Ruft alle Klassifizierungsstufen ab
Schritte: 1. Rufen Sie alle verfügbaren Klassifizierungsebenen mit der Aktion „fetch-classification-levels“ ab. 2. Wenn die Antwort eine Zeichenfolge (Fehlermeldung) ist, geben Sie sie an den Benutzer zurück. 3. Wenn es sich bei der Antwort um ein Objekt handelt, das Klassifizierungsstufen enthält, formatieren Sie es mithilfe der Vorlage CLASSIFICATION_LEVELS_FORMAT. 4. Geben Sie die formatierten Klassifizierungsstufen an den Benutzer zurück.
In Jobdefinitionen wird ein referenzierter Schablone beschreibt die Antworten, die Agenten ausfüllen sollten, bevor sie den Benutzern präsentiert werden. Die Vorlagen sorgen für konsistente Antworten der Agenten.
----
VORLAGEN
---
FORMAT DER KLASSIFIKATIONSEBENEN
```Abschlag
## Verfügbare Klassifizierungsebenen Hier sind die in Content Retention Manager konfigurierten Klassifizierungsebenen: [Klassifizierungsebenen in einer Tabelle mit Spalten für Name, Beschreibung und Farbe; verwenden Sie einen Kreis in der Farbe in der Spalte Farbe] [Eine Zusammenfassung, wie die Klassifizierungsstufen unter verschiedenen Umständen aus Sicherheits- und Compliance-Gründen verwendet werden können] Möchten Sie, dass ich erkläre, wie eine oder mehrere dieser Klassifizierungsstufen verwendet werden sollten, um Sicherheit und Compliance zu gewährleisten? ```
Ein zusätzlicher Abschnitt enthält explizite Anweisungen zum Analysieren der Ergebnisse jeder Rovo-Aktion:
----
UMGANG MIT ANTWORTEN
---
FETCH_CLASSIFICATION_LEVELS_RESPONSE
Bei der Bearbeitung von Antworten aus der Aktion „fetch-classification-levels“: 1. Wenn es sich bei der Antwort um eine Zeichenfolge handelt, weist dies darauf hin, dass ein Fehler aufgetreten ist. Präsentieren Sie es dem Benutzer. 2. Andernfalls ist die Antwort ein Objekt, bei dem jeder Schlüssel eine Klassifizierungsstufen-ID ist und der Wert Folgendes enthält: - Name: Der Anzeigename der Klassifizierungsebene - Beschreibung: Eine Beschreibung der Bedeutung der Klassifizierungsstufe - Farbe: Eine Farbe, die der Stufe 3 zugeordnet ist. Formatieren Sie die Ebenen als nummerierte Liste mit einem Namen, einer Beschreibung und einem Kreis in der Farbe der Ebene.
Der folgende Screenshot zeigt, wie die Vorlage und die Antwortbehandlung dazu beigetragen haben, die Darstellung der Klassifizierungsstufen anzupassen, die aus dem Klassifizierungsebenen abrufen Aktion:
Studio Rovo Agents gegen Marketplace Agents
Jeder Confluence-Benutzer mit Rovo-Zugriff kann einen Rovo-Agenten aus Studio erstellen. Zu den in Studio erstellten Agenten gehören eingebaute Plugins für den Zugriff auf Wissen, z. B. das Lesen von Confluence-Inhalten.
Ein als Forge-Modul gebauter Rovo Agent (auch bekannt als Marketplace-Agenten) fehlen diese eingebauten Plugins, sodass es sich um ein sofort einsatzbereites LLM handelt. Um auf Wissen zuzugreifen, muss der Agent eine Rovo-Aktion aufrufen, um Inhalte abzurufen.
Entwickler sollten dies berücksichtigen, insbesondere bei der Feinabstimmung von Eingabeaufforderungen. Es ist zwar von Vorteil, vom Studio aus zu iterieren, aber die Eingabeaufforderungen funktionieren für Forge Rovo Agents möglicherweise nicht auf die gleiche Weise. Spezifische Anweisungen zum Abrufen von Wissen müssen in der Aufforderung enthalten sein.
Sicherheitsüberlegungen von Rovo Actions
Die Aktionen von Rovo sind Forge-Resolver-Funktionen. Wie andere Resolver-Funktionen beinhalten sie eine geteilte Verantwortung zwischen dem App-Entwickler und Atlassian, um eine ordnungsgemäße Autorisierung für die durchgeführten Operationen sicherzustellen.
Wenn Rovo die Funktion aufruft, wird Kontext beinhaltet eine Principal.account-IDEigenschaft, die den Benutzer identifiziert, für den die Rovo-Aktion ausgeführt wird. Die Funktion sollte überprüfen, ob dieser Benutzer über die erforderlichen Berechtigungen zur Ausführung des Vorgangs verfügt. Es wird empfohlen, Forge's zu verwenden als Benutzer () beim Aufrufen der Atlassian-Produkt-APIs muss sichergestellt werden, dass die Identität des Benutzers zur Autorisierung weitergegeben wird.
Fazit
Mit Rovo Agent und Rovo Actions können Forge-Entwickler die KI-Plattform von Atlassian nutzen und Benutzern die Funktionen der Forge-App auf innovative Weise präsentieren. LLMs zeichnen sich zwar durch Textinhalte aus, sind aber von Natur aus nicht deterministisch. Rovo-Agenten sind dank Rovo Chat sehr benutzerfreundlich, werden aber in naher Zukunft wahrscheinlich menschliche Aufsicht benötigen, um die Ergebnisse zu überprüfen. Entwickler müssen innovativ sein, um sicherzustellen, dass diese Agenten zu zuverlässigen Assistenten werden, und Bereiche identifizieren, in denen sie effektive und vorhersehbare Ergebnisse erzielen können.
Sowohl Rovo Agent als auch Rovo Actions funktionieren innerhalb von Atlassian und ermöglichen es Entwicklern, KI zu nutzen und gleichzeitig die Datensicherheit in der Atlassian Cloud aufrechtzuerhalten. Marketplace-Partner können bei Kunden das gleiche Maß an Vertrauen aufbauen wie bei Atlassian Cloud. Dies ist ein entscheidender Vorteil, wenn Sie auf Rovo aufbauen, insbesondere im Vergleich zum Einsatz von LLMs an anderer Stelle. Die kontinuierliche Überwachung und Verbesserung der Sicherheitsmaßnahmen zum Schutz von Kundeninhalten und -daten im gesamten KI-Stack sollte sowohl für Atlassian als auch für Marketplace-Partner eine Priorität sein. Der Austausch von Best Practices innerhalb des Atlassian-Ökosystems könnte das kollektive Wissen der Entwickler-Community verbessern. Wir hoffen, dass dieser Beitrag zu diesem Ziel beiträgt.
Als Marketplace-Partner, der Forge nutzt, sind wir bestrebt, neue Funktionen zu entwickeln, die zusätzliche Anwendungsfälle mit Rovo Agent und Rovo Actions eröffnen.
