Agent Skills
返回列表
🤖

PyOD代理异常调查

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_3c6cb52e/run-agentic-anomaly-investigations-with-pyod。

技能介绍

解决什么问题

在实际的异常检测项目里，工程师很少只面对"有没有异常"这一个答案就够用的场景。业务方给出的需求往往是一句自然语言——"这批日志里有没有不正常的调用"，背后却对应着从检测器选型、数据拟合、异常评分到结果核查的一整套工作。手动完成这些步骤的问题在于：选型依赖个人经验，参数设置散落在脚本里，同一批数据隔周再查可能得出不同结论。这个技能就是把这条链路固化下来，让自然语言请求变成可重复执行的调查流程。

核心能力与工作方式

技能基于 PyOD 3 构建，提供两条激活路径：

  • Agent skill：直接在 agent 对话中使用，把请求拆解为标准流程
  • MCP server：对接到 MCP 兼容的客户端，作为可调用的检测工具

无论走哪条路径，一次异常调查都被拆成四个可复现的环节：

  1. 检测器选择：根据数据特征与请求语义挑选合适的 PyOD 检测器
  2. 拟合：在数据上训练并校准检测模型
  3. 评分：输出每个样本的异常得分，而不是简单的二值标签
  4. 调查：围绕得分结果做进一步排查，支持迭代追问

这样的拆分意味着同一句"帮我查一下这批数据的异常"，下次执行时走的是完全相同的流程，而不是临时重写一段脚本。

适用边界与注意点

  • 技能的行为范围以 PyOD 的能力为限：它负责把检测流程标准化，检测器本身的统计特性由 PyOD 决定
  • MCP 路径依赖可选的 mcp 扩展包，核心路径只需要 PyOD 主库
  • 环境前提是 Python 与 PyOD 3，数据格式需要符合 PyOD 的输入约定
  • 算法层面的细节应查阅 PyOD 官方文档，技能本身不改变上游库的行为

使用场景

  • 数据工程师收到一句‘找出这批日志的异常调用’，需要把请求转成固定的 PyOD 检测流程并输出异常评分
  • 运维团队面对波动的接口耗时，希望用自然语言触发 PyOD 检测器拟合与调查，避免每次手写脚本
  • 算法工程师需要复现同一数据集上的异常调查步骤，要求选型、拟合、评分过程可重复执行
  • 使用 MCP 兼容客户端的产品团队，希望把 PyOD 异常检测作为可调用工具接入现有工作流

适合人员

  • 负责异常检测的数据工程师，希望把自然语言需求固化为可重复的 PyOD 调查流程
  • 需要搭建 AI Agent 的开发者，希望为客户端接入基于 PyOD 的异常检测工具
  • 做模型运维的算法工程师，希望统一异常检测任务的选型、拟合与评分步骤
  • 负责线上监控的 SRE 或运维工程师，希望快速调查日志、指标或接口中的异常样本