community-automations/vector-anomaly

Badania i wywiad

PublicSubagent Claude

Wykrywanie Anomalii Wektorowych

Na dużą skalę dziwny rekord sygnalizujący fraud lub uszkodzony feed wygląda identycznie jak miliony wokół niego. Ten przepływ znajduje anomalie przez podobieństwo, nie przez reguły.

sonnet1 tydzieńPineconePythonscikit-learnKafka
ClaudeClaude
ROI for
README.md

Dlaczego ten subagent

Na dużą skalę dziwny rekord sygnalizujący fraud lub uszkodzony feed wygląda identycznie jak miliony wokół niego. Ten przepływ znajduje anomalie przez podobieństwo, nie przez reguły.

Każdy rekord jest zamieniany na embedding i indeksowany; wyszukiwanie KNN mierzy, jak daleko leży od swoich sąsiadów, a wszystko powyżej progu jest flagowane. Oflagowane punkty docierają z dołączonymi najbliższymi sąsiadami, dając agentowi downstream kontekst do oceny, czy to prawdziwa anomalia.

Jak działa

    • 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.

Przykładowe wyjście

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.