Ein LLM-gesteuertes Multi-Agenten-Framework, das die Anomalieerkennung über tabellarische Daten, Graphen und Zeitreihen hinweg automatisiert.
Generieren, ausführen, überprüfen und bewerten Sie Anomalieerkennungs-Pipelines mithilfe von Konversations-Prompts.
AD-AGENT ist ein Open-Source-Framework, das Anfragen in natürlicher Sprache in ausführbaren Code zur Anomalieerkennung umwandelt. Es koordiniert spezialisierte LLM-Agenten, um Algorithmen auszuwählen, Dokumentationen abzurufen, Skripte zu generieren und die Leistung zu bewerten. Sie sollten es verwenden, wenn Sie operative Daten analysieren und Erkennungs-Workflows über tabellarische Datensätze, Graphen oder Zeitreihen hinweg automatisieren möchten.
Das System akzeptiert Anweisungen in natürlicher Sprache, um Erkennungsalgorithmen wie Isolation Forest oder DOMINANT auf Ihren Rohdatensätzen auszuführen. Es orchestriert separate Agenten für Aufgabenplanung, Modellauswahl, Code-Generierung, Code-Review und Evaluierung. Die Ausführung erfolgt in isolierten Modal- oder Docker-Sandboxes, um zu verhindern, dass unüberprüfter LLM-Code direkt auf Ihrem Host-Computer ausgeführt wird.
Es eignet sich für Datenanalysten, technische Projektleiter und Betriebsingenieure, die Routinen zur Anomalieerkennung ohne manuelles Skripting prototypisch erstellen möchten. Es ist weniger geeignet für nicht-technische Teams, die eine fertige GUI oder Stabilität auf Produktionsebene benötigen, da sich das Projekt noch in einer aktiven Refactoring-Phase befindet. Außerdem sind ein OpenAI API-Key und Container-Infrastruktur für den Betrieb erforderlich.
Konvertiert Text-Prompts in ausführbare Python-Skripte für Anomalieerkennungs-Algorithmen.
Koordiniert spezialisierte Agenten zur Verwaltung von Modellauswahl, Dokumentenabruf, Codierung, Code-Review und Evaluierung.
Integriert PyOD für tabellarische Daten, PyGOD für Graphenstrukturen und TSB-AD für Zeitreihen-Datensätze.
Führt LLM-generierten Code zur Sicherheit in lokalen Docker-Containern oder Remote-Modal-Umgebungen aus.
Stellt einzelne Orchestrierungsstufen als Python-Funktionen zur Verfügung, um sie direkt in eigene Jupyter-Notebooks oder Skripte einzubetten.
AD-AGENT ist unter der BSD-2-Clause-Lizenz kostenlos. Für die Nutzung ist ein aktiver OpenAI API-Key erforderlich, wodurch tokenbasierte Nutzungskosten anfallen, neben optionalen Infrastrukturkosten, wenn Sie die Remote-Sandboxes von Modal verwenden.
877 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
AD-AGENT verarbeitet tabellarische Daten, Graphen und Zeitreihen durch Integrationen mit den Bibliotheken PyOD, PyGOD und TSB-AD.
Ja, generierte Skripte laufen in einer isolierten Sandbox-Umgebung unter Verwendung von entweder lokalen Docker-Containern oder Remote-Modal-Backends.
Ja, AD-AGENT stützt sich für das Agenten-Reasoning und die Code-Generierung auf OpenAI-Modelle, daher ist ein aktiver OpenAI API-Key erforderlich.
Zekai zuerst in Google sehen