Root Cause Analysis Agent for Business Anomalies

1. 解决的问题

异常检测告诉你"什么出问题了"，但不告诉你"为什么"。

2. 核心算法逻辑

核心问题：异常检测告诉你"什么出问题了"，但不告诉你"为什么"。根因分析（RCA）回答"为什么"——是系统Bug、竞品行动、营销活动、还是供应链问题？

3. 业务应用场景

业务问题：某日下午转化率从2.5%骤降到1.2%。传统排查需要人工逐个检查系统、页面、流量来源，耗时1-2小时。

2. 假设生成（LLM）： - H1: 前端页面加载异常 - H2: 支付通道故障 - H3: 流量来源变化（低质量流量涌入） - H4: 某个SKU缺货导致流失 - H5: 竞品促销导致用户比价流失

3. 证据收集（Agent自动查询）： - H1: 检查页面加载时间 → 正常（1.2s） - H2: 检查支付成功率 → 异常（从98%降到45%） - H3: 检查流量来源构成 → 无明显变化 - H4: 检查SKU库存状态 → 正常 - H5: 检查竞品价格 → 无重大促销

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

• ROI：故障定位时间 1-2h → 5min，减少损失 80%
• 难度：⭐⭐⭐☆☆（3/5）
• 优先级：⭐⭐⭐⭐⭐（5/5）— 与异常检测形成完整监控闭环

7. 代码模板

代码块数量：2 · 路径：未检测到

"""
Root Cause Analysis Agent — 根因分析Agent
用于业务异常的自动根因定位和报告生成
"""

import json
from typing import List, Dict, Any
from dataclasses import dataclass


@dataclass
class AnomalyEvent:
    """异常事件"""
    metric: str
    value: float
    baseline: float
    timestamp: str
    severity: str


@dataclass
class Hypothesis:
    """根因假设"""
    id: str
    description: str
    confidence: float = 0.0
    evidence: List[Dict] = None
    status: str = "pending"  # pending, confirmed, rejected


class RootCauseAnalysisAgent:
    """根因分析Agent"""

    def __init__(self):
        self.hypothesis_templates = {
            "payment": "支付通道故障",
            "frontend": "前端页面异常",
            "traffic": "流量来源变化",
            "inventory": "商品库存问题",
            "competitor": "竞品行动影响",
            "campaign": "营销活动副作用",
            "system": "系统发布/配置变更",
            "seasonal": "季节性因素"
        }

    def generate_hypotheses(self, event: AnomalyEvent) -> List[Hypothesis]:
        """
        根据异常事件生成根因假设

        实际应用中可用LLM生成更精准的假设
        """
        hypotheses = []

        # 根据异常指标类型生成相关假设
        if "conversion" in event.metric.lower():
            hypotheses.extend([
                Hypothesis("H1", "支付通道故障导致用户无法完成支付"),
                Hypothesis("H2", "前端页面加载异常导致用户流失"),
                Hypothesis("H3", "流量来源变化（低质量流量涌入）"),
                Hypothesis("H4", "价格显示异常或优惠券失效"),

8. 论文来源

未自动抽取；请查看原始 Skill 卡片。