Dalam skala besar, record aneh yang menandakan fraud atau feed yang rusak terlihat persis sama dengan jutaan record di sekitarnya. Flow ini menemukan outlier berdasarkan kemiripan, bukan aturan.
sonnet1 mingguPineconePythonscikit-learnKafka
Claude
53ROI
71Scale
$2.2k84Saved
ROI for
README.md
Mengapa subagent ini
Dalam skala besar, record aneh yang menandakan fraud atau feed yang rusak terlihat persis sama dengan jutaan record di sekitarnya. Flow ini menemukan outlier berdasarkan kemiripan, bukan aturan.
Tiap record di-embed dan di-indeks; pencarian KNN mengukur seberapa jauh posisinya dari tetangganya, dan apa pun yang melewati ambang batas akan ditandai. Poin yang ditandai hadir lengkap dengan tetangga terdekatnya, memberi agen downstream konteks untuk menilai apakah itu benar-benar anomali.
Cara kerjanya
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.
Jalankan pencarian KNN untuk menemukan tetangga terdekat setiap titik baru dalam ruang yang ada.
pending
Tandai titik yang jaraknya ke tetangganya melebihi ambang batas yang dipelajari sebagai anomali.
pending
Keluarkan catatan yang ditandai beserta konteks tetangganya agar agen dapat melakukan peninjauan berbasis konteks.
pending
Contoh 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.