Erkennung ist die leichte Hälfte, und die Hälfte, die alle automatisieren
Anomalieerkennung ist ein gelöstes Problem, und ein fertiger Alarm ist der Punkt, an dem die meisten Systeme stoppen. Der Alarm sagt nur, dass eine Zahl ungewöhnlich ist. Die Untersuchung, der teure Teil, geschieht weiter von Hand.
Untersuchen heißt zu wählen, worauf Sie schauen: Deployment-Verlauf, vorgeschaltete Zeilenzahlen, Kampagnenänderungen, eine Partnerintegration, Saisonalität. Welche davon Sie holen, hängt von der Metrik ab und davon, was das Erste, das Sie geholt haben, gezeigt hat.
Diese Abhängigkeit ist der Grund, warum ein festes Untersuchungsskript unterdurchschnittlich bleibt. Die zweite Abfrage sollte nach dem ersten Ergebnis gewählt werden. Nur Begründen während des Vorgangs kann das.
Zu wissen, wann Schluss ist, ist das andere Urteil. Eine Untersuchung, die drei plausible Ursachen zurückgibt, ist nicht fertig. Eine Untersuchung, die zwei ausschließt und sagt warum, ist das Lesen wert.
So bauen Sie den Agent in Agent Studio auf
Der System-Prompt begrenzt die Untersuchung: welche Datenquellen er abfragen darf, eine Obergrenze, wie viele Abfragen eine Untersuchung ausführen darf, und die Pflicht, neben dem Fund anzugeben, was ausgeschlossen wurde.
Prompt-Fähigkeiten tragen Ihre Systemtopologie, welche Pipeline welche Tabelle speist, und welche Metriken bekanntermaßen zusammen laufen, damit der Agent über Ihre Architektur begründet statt eine Architektur zu folgern.
MCP-Verbindungen und Datenbankzugriff lassen den Agent die Datenbank abfragen. Ein Nur-Lese-Credential ist hier die richtige Wahl und gehört in Credentials statt in eine Prompt-Anweisung.
Ein Flow löst den Agent aus. Der Schwellenalarm-Flow feuert einen Webhook, und der Agent Chat-Knoten übergibt die Metrik, das Fenster und die Größe der Abweichung.
Funde erreichen Slack mit der Ursache, den Belegen, einer Liste ausgeschlossener Ursachen und einem Konfidenzwert. Die Liste der ausgeschlossenen Punkte macht einen Fund prüfbar.
Google Sheets protokolliert jede Untersuchung gegen ihre Ursache. Über ein Quartal zeigt diese Tabelle, bei welchen Ursachen der Agent gut ist und welche er durchgängig verfehlt. Dieser Vergleich nützt mehr als jede einzelne Untersuchung.
Woraus dieser Agent besteht
- System-Prompt: setzt die Abfrageobergrenze, die zulässigen Quellen und die Pflicht, auszuschließen, was ausgeschlossen wurde.
- Prompt-Fähigkeiten: tragen Ihre Pipeline-Topologie und welche Metriken bekanntermaßen zusammen laufen.
- PostgreSQL (Data): liefert Nur-Lese-Abfragezugriff. MySQL und MongoDB passen in denselben Slot.
- Agent Chat (Util): der Schwellenalarm-Flow übergibt die Abweichung automatisch.
- Slack (Communication): nimmt die Ursache, die Belege, die Ausschlussliste und einen Konfidenzwert entgegen.
- Google Sheets (Integration): protokolliert Untersuchungen gegen tatsächliche Ursachen zur Kalibrierung.
- Wenn ein ActionFlow ausreicht: Ist das Erkennen der Anomalie alles, was Sie brauchen, bauen Sie den Workflow mit Math und einer Schwelle. Der Agent ist nur für die Untersuchung da.
Häufige Fragen
Newsletter
Produktupdates erhalten
Neue Nodes, Agents und Produktnotizen. Wir senden E-Mails nur, wenn sich das Öffnen lohnt.