community-automations/vector-anomaly

Research & Intel

PublicClaude-Subagent

Vector-Anomalie-Erkennung

In großem Maßstab sieht der merkwürdige Datensatz, der auf Betrug oder einen kaputten Feed hindeutet, identisch zu den Millionen rund um ihn aus. Dieser Ablauf findet die Ausreißer über Ähnlichkeit, nicht über Regeln.

sonnet1 WochePineconePythonscikit-learnKafka
ClaudeClaude
ROI for
README.md

Warum dieser Subagent

In großem Maßstab sieht der merkwürdige Datensatz, der auf Betrug oder einen kaputten Feed hindeutet, identisch zu den Millionen rund um ihn aus. Dieser Ablauf findet die Ausreißer über Ähnlichkeit, nicht über Regeln.

Jeder Datensatz wird eingebettet und indexiert; ein KNN-Lookup misst, wie weit er von seinen Nachbarn entfernt liegt, und alles jenseits des Schwellenwerts wird markiert. Markierte Punkte kommen mit ihren nächsten Nachbarn an, was einem nachgelagerten Agenten den Kontext gibt, um zu beurteilen, ob es sich um eine echte Anomalie handelt.

So läuft er

    • Read

      Used at step 01 to kick off the pipeline.

    • Write

      Used at step 01 to kick off the pipeline.

    • WebFetch

      Used at step 01 to kick off the pipeline.

    • WebSearch

      Used at step 01 to kick off the pipeline.

Beispiel-Output

json
// Sample output
// (generated when the pipeline finishes)

Embed each record, run KNN, and flag points whose neighbor distance exceeds the threshold, with neighbor context attached.

Unlock the rest

The full agent definition, install snippet, and starter task are gated for community members.

Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.