JQL semplifica le ricerche complesse in Jira
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
È il linguaggio testuale che combina campi, operatori e funzioni per creare filtri salvabili e condivisibili con il team.
Quando i filtri base di Jira non restringono più i risultati, la risposta è JQL. È un linguaggio testuale per cercare issue unendo campi, operatori e funzioni. Funziona dove il point-and-click si ferma. Si salva e si condivide perché è semplice testo. I tester lo usano per trovare bug correlati, vedere cosa resta aperto, scavare nella storia dei ticket. Nelle istanze longeve, con campi e stati personalizzati, diventa la via pratica per non perdersi nulla1.
Una query JQL si compone di clausole unite da AND o OR. Puoi filtrare per progetto, assegnatario e stato nella stessa riga. La sintassi ricorda SQL e si legge vicino all’inglese. Mentre scrivi, Jira suggerisce nomi di campi e valori1.
I mattoni sono tre. Campi come labels, resolution, attachments, updated. Operatori come =!=, IN, IS EMPTY, IS NOT EMPTY. Funzioni come currentUser(), che rendono un filtro condiviso valido per chiunque lo esegua1.
Vuoi ogni issue aperta assegnata a te in due progetti. Usi status != Done e assignee = currentUser(). Il filtro resta condivisibile, non è legato al tuo nome. Devi elencare i bug che hanno uno screenshot allegato. Cerchi dove attachments IS NOT EMPTY1.
Inserire in chiaro il nome di una persona in un filtro condiviso lo rende utile solo a lei. La funzione currentUser() evita l’errore e mantiene il filtro riutilizzabile dal team. Contare su corrispondenze parziali quando lavori con le label porta a buchi: JQL vuole il nome esatto, un refuso riduce silenziosamente i risultati e fa perdere ticket rilevanti1.
Se inizi da zero non serve conoscere SQL, anche se aiuta. Puoi partire dai filtri base, poi passare alla vista JQL per vedere la query scritta da Jira. La guida in linea della barra di ricerca mostra la sintassi mentre digiti1.
Essendo testo, la query si può salvare e condividere con il team1.
Un uso in più, spesso decisivo quando la documentazione non è aggiornata, è cercare ticket vecchi e commenti di progetto con JQL per ricostruire la conoscenza di dominio a partire da quanto hanno registrato i tester prima di te1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Rilettura. Un passaggio toglie i tic della prosa generata da un modello, come i contrasti costruiti e le frasi che annunciano invece di informare, senza toccare fatti e fonti.
- Fedeltà alle fonti. Un passaggio dedicato toglie ogni affermazione che le fonti non sostengono. Valutazione su questo pezzo: 9,5/10.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale: superato.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica. Questo articolo ha preso 8,1/10.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.