Em escala, o registo estranho que sinaliza fraude ou um feed partido parece idêntico aos milhões à sua volta. Este fluxo encontra os outliers por semelhança, não por regras.
sonnet1 semanaPineconePythonscikit-learnKafka
Claude
53ROI
71Scale
$2.2k84Saved
ROI for
README.md
Porquê este subagente
Em escala, o registo estranho que sinaliza fraude ou um feed partido parece idêntico aos milhões à sua volta. Este fluxo encontra os outliers por semelhança, não por regras.
Cada registo é convertido em embedding e indexado; uma pesquisa KNN mede a distância face aos vizinhos, e tudo o que ultrapassar o limite é sinalizado. Os pontos sinalizados chegam com os vizinhos mais próximos anexados, dando a um agente downstream o contexto para avaliar se se trata de uma anomalia real.
Como funciona
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.
Executar uma pesquisa KNN para encontrar os vizinhos mais próximos de cada novo ponto no espaço existente.
pending
Sinalizar como anomalias os pontos cuja distância aos respetivos vizinhos exceda o limiar aprendido.
pending
Gerar os registos sinalizados com o contexto dos seus vizinhos, permitindo que um agente fundamente a sua análise.
pending
Saída de exemplo
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.