JIRA-使用教程_仪表盘-小程序

博客概要

     简单分享JIRA的小程序,制作实现各种图表~

《JIRA-使用教程》_总目录

文章超链接:https://blog.youkuaiyun.com/qq_41386332/article/details/108865809

仪表盘_小程序

解释效果
结和JIRA筛选器,筛选展示相应的数据更直观、形象地查阅所需的数据

仪表盘

1.创建仪表盘

     对应填写相应“仪表盘信息”和“查看、编辑权限”创建
在这里插入图片描述
在这里插入图片描述


2.设置仪表盘

1.1权限
在这里插入图片描述
在这里插入图片描述
1.2排版
在这里插入图片描述


小程序们

1.二维筛选器统计

在这里插入图片描述
     显示指定筛选器返回的统计数据,表格形式展现,可根据选择相应的筛选条件而保存的筛选器,制作展示对应的报表。

1.1样式

在这里插入图片描述
1.2配置

在这里插入图片描述


2.饼图

在这里插入图片描述
     以饼图形式显示项目或筛选的内容,可以很直观地查阅占比情况。

2.1样式

在这里插入图片描述

2.2配置

在这里插入图片描述


3.创建与解决的问题对比图

在这里插入图片描述
     显示某个项目或筛选器的已创建与已解决的问题对比图,折线图形式展现,可以直观地对比两类问题。

3.1样式

在这里插入图片描述

3.2配置

在这里插入图片描述


4.分配给我

在这里插入图片描述
     显示分配给当前用户且没有解决的问题,表格形式展现,可以直观地了解问题情况。

4.1样式

在这里插入图片描述

4.2配置

在这里插入图片描述


5.活动日志

在这里插入图片描述
     在单一或所有项目中列出最近活动,【完整视图/列表视图】形式展现,可以直观地了解日志情况。

5.1样式

在这里插入图片描述
在这里插入图片描述

5.2配置

在这里插入图片描述


6.解决时间

在这里插入图片描述
     显示指定项目或筛选器解决问题的时间柱状图。

6.1样式

在这里插入图片描述

6.2配置

在这里插入图片描述


7.热图

在这里插入图片描述
     以热图形式显示项目或筛选器匹配问题。

7.1样式

在这里插入图片描述

7.2配置

在这里插入图片描述


8.问题统计

在这里插入图片描述
     问题统计,百分比占比显示展现,可以直观地了解各类问题占比情况。

8.1样式

在这里插入图片描述
8.2配置

在这里插入图片描述


9.最近创建的列表

在这里插入图片描述
     以柱状图显示项目或筛选器中最近增加的问题。

9.1样式

在这里插入图片描述
9.2配置

在这里插入图片描述


添加小程序

1.选择添加

来到具体展示报表的 JIRA_仪表盘 ,点击打开添加 小程序

在这里插入图片描述
在这里插入图片描述
     在打开的弹窗中,选择添加相应小程序来组建可视化仪表盘。

2.小程序

在这里插入图片描述
     打开相应小程序后,对其进行参数配置。

管理小程序(管理员权限)

1.打开管理

     仪表盘中点击“添加小程序”,在打开的弹窗中点击“管理小程序”,去管理= =

在这里插入图片描述
在这里插入图片描述

2.管理小程序

2.1订阅

     可自定义添加UR增加订阅,更多功能有待继续自主探索哈~

在这里插入图片描述

2.2小程序

     可自定义添加UR增加订阅,更多功能有待继续自主探索哈~

在这里插入图片描述


总结

JIRA官网:https://www.atlassian.com/software/jira
JIRA官方文档:https://confluence.atlassian.com/display/JSZH1
     以上= =JIRA“仪表盘-小程序”get~

### LlamaIndex 多模态 RAG 实现 LlamaIndex 支持多种数据类型的接入与处理,这使得它成为构建多模态检索增强生成(RAG)系统的理想选择[^1]。为了实现这一目标,LlamaIndex 结合了不同种类的数据连接器、索引机制以及强大的查询引擎。 #### 数据连接器支持多样化输入源 对于多模态数据的支持始于数据收集阶段。LlamaIndex 的数据连接器可以从多个异构资源中提取信息,包括但不限于APIs、PDF文档、SQL数据库等。这意味着无论是文本还是多媒体文件中的内容都可以被纳入到后续的分析流程之中。 #### 统一化的中间表示形式 一旦获取到了原始资料之后,下一步就是创建统一而高效的内部表达方式——即所谓的“中间表示”。这种转换不仅简化了下游任务的操作难度,同时也提高了整个系统的性能表现。尤其当面对复杂场景下的混合型数据集时,良好的设计尤为关键。 #### 查询引擎助力跨媒体理解能力 借助于内置的强大搜索引擎组件,用户可以通过自然语言提问的形式轻松获得所需答案;而对于更复杂的交互需求,则提供了专门定制版聊天机器人服务作为补充选项之一。更重要的是,在这里实现了真正的语义级关联匹配逻辑,从而让计算机具备了一定程度上的‘认知’功能去理解和回应人类意图背后所蕴含的意义所在。 #### 应用实例展示 考虑到实际应用场景的需求多样性,下面给出一段Python代码示例来说明如何利用LlamaIndex搭建一个多模态RAG系统: ```python from llama_index import GPTSimpleVectorIndex, SimpleDirectoryReader, LLMPredictor, PromptHelper, ServiceContext from langchain.llms.base import BaseLLM import os def create_multi_modal_rag_system(): documents = SimpleDirectoryReader(input_dir='./data').load_data() llm_predictor = LLMPredictor(llm=BaseLLM()) # 假设已经定义好了具体的大型预训练模型 service_context = ServiceContext.from_defaults( chunk_size_limit=None, prompt_helper=PromptHelper(max_input_size=-1), llm_predictor=llm_predictor ) index = GPTSimpleVectorIndex(documents, service_context=service_context) query_engine = index.as_query_engine(similarity_top_k=2) response = query_engine.query("请描述一下图片里的人物表情特征") print(response) ``` 此段脚本展示了从加载本地目录下各类格式文件开始直到最终完成一次基于相似度排序后的top-k条目返回全过程。值得注意的是,“query”方法接收字符串参数代表使用者想要询问的内容,而在后台则会自动调用相应的解析模块并结合先前准备好的知识库来进行推理计算得出结论。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值