Business Anomaly Agent Pro

一个更完整的业务数据异常监控与自动分析 Agent 项目。

这个项目不是简单判断指标涨跌，而是模拟真实业务场景中的自动巡检流程：

1. 自动读取多维度业务指标数据
2. 识别异常波动
3. 对异常进行严重程度分级
4. 对异常进行渠道、用户类型等维度下钻分析
5. 结合活动日历、实验、系统维护等上下文进行初步归因
6. 自动生成 Markdown 分析报告
7. 支持命令行运行，方便后续接入定时任务或 CI/CD

• Data Agent：数据加载与字段校验
• Metric Agent：指标聚合、环比、滚动均值、Z-Score、IQR 特征生成
• Detection Agent：多规则异常检测和风险评分
• Context Agent：匹配异常日期附近的活动、实验、系统事件
• Drilldown Agent：从渠道和用户类型维度分析主要贡献来源
• Reasoning Agent：根据指标类型、异常方向、上下文和下钻结果生成业务归因
• Report Agent：生成结构化 Markdown 报告
• Orchestrator：统一调度以上 Agent

business_anomaly_agent_pro/
├── data/
│   ├── sample_metrics.csv
│   └── events_calendar.csv
├── reports/
│   └── .gitkeep
├── src/
│   └── business_anomaly_agent/
│       ├── __init__.py
│       ├── agents.py
│       ├── config.py
│       ├── models.py
│       └── utils.py
├── tests/
│   └── test_smoke.py
├── main.py
├── requirements.txt
├── README.md
├── .gitignore
└── LICENSE

pip install -r requirements.txt

python main.py

运行后会生成：

reports/anomaly_report.md

python main.py --metrics data/sample_metrics.csv --events data/events_calendar.csv --output reports/anomaly_report.md

我构建了一个业务数据异常监控与自动分析 Agent，用于解决业务看板分散、人工巡检耗时、指标异常发现滞后和波动归因效率低的问题。系统采用多 Agent 架构，包括数据读取与校验 Agent、指标加工 Agent、异常检测 Agent、上下文匹配 Agent、维度下钻 Agent、业务归因 Agent 和报告生成 Agent。它能够自动读取 DAU、GMV、CVR 等核心指标，结合环比变化、滚动均值、Z-Score 和 IQR 等方法识别异常，并根据渠道、用户类型和活动日历进行初步归因，最终生成结构化 Markdown 分析报告。相比人工逐项查看看板，该方案可将日常数据巡检从约 1 小时缩短到 10 分钟以内，并帮助团队更快定位渠道波动、活动影响、转化链路异常或数据口径变化等问题。

MIT