ProRCA — 因果图路径溯源根因分析

1. 解决的问题

当 GMV 暴跌时，传统监控会同时弹出几百个警报——流量跌、加购跌、结账跌、支付跌……却不告诉你哪个是起因，哪个是被牵连的。

2. 核心算法逻辑

核心问题：当 GMV 暴跌时，传统监控会同时弹出几百个警报——流量跌、加购跌、结账跌、支付跌……却不告诉你哪个是起因，哪个是被牵连的。

3. 业务应用场景

业务问题：黑五顶峰期每分钟 GMV 损失几十万美金，从告警触发到找出根因人工需要 1-2 小时。

数据要求： - 各业务指标的 5 分钟滚动 z-score（流量、加购、转化、各支付通道成功率、GMV） - 指标间因果拓扑（可从系统架构图自动提取或人工维护）

实施步骤： 1. GMV 跌破阈值触发告警 2. ProRCAEngine 加载实时指标 z-score 和因果图 3. `engine.analyze(trigger_node="GMV")` 秒级输出根因路径 4. LLM Agent 读取路径后生成自然语言报告推送到企业微信/钉钉

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

100 万

7. 代码模板

代码块数量：4 · 路径：未检测到

from model import ProRCAEngine

# 1. 定义业务指标节点（z_score = 当前相对基线的标准化偏差）
nodes = [
    {"name": "广告流量",        "z_score":  0.2,  "raw_value": 28000, "raw_baseline": 27500},
    {"name": "加购量",          "z_score": -0.3,  "raw_value": 5100,  "raw_baseline": 5200},
    {"name": "结账到达量",      "z_score": -2.1,  "raw_value": 1850,  "raw_baseline": 2100},
    {"name": "PayPal支付成功率","z_score": -4.5,  "raw_value": 0.32,  "raw_baseline": 0.97},
    {"name": "信用卡支付成功率","z_score":  0.1,  "raw_value": 0.96,  "raw_baseline": 0.97},
    {"name": "GMV",             "z_score": -3.8,  "raw_value": 45000, "raw_baseline": 75000},
]

# 2. 定义因果边（parent → child 表示 parent 是 child 的原因）
edges = [
    ("广告流量", "加购量"),
    ("加购量", "结账到达量"),
    ("结账到达量", "PayPal支付成功率"),
    ("结账到达量", "信用卡支付成功率"),
    ("PayPal支付成功率", "GMV"),
    ("信用卡支付成功率", "GMV"),
]

# 3. 初始化引擎并分析
engine = ProRCAEngine(propagation_beta=0.7, score_threshold=0.5)
engine.load_graph(nodes, edges)
result = engine.analyze(trigger_node="GMV")

# 4. 输出人类可读报告
print(engine.summary(result))
# 输出:
# 根因节点   : PayPal支付成功率
# 追踪路径   : GMV → PayPal支付成功率
# 根因分数   : 3.030
# 因果链解释: 【根因】PayPal支付成功率(z=-4.50) → 【影响终点】GMV(z=-3.80)

# 5. 接入 LLM Agent（将 result 序列化传给大模型）
agent_prompt = f"""
根因分析完成。
根因节点: {result.root_cause}
因果路径: {' → '.join(result.path)}
解释: {result.explanation}

请用一句话向运营团队说明问题，并给出立即行动建议。
"""

8. 论文来源

• 2503.01475