Coupert 收入异常排查 Agent

一天 2 次自动扫描订单 · 发现真异常并推动人闭环 · 多对话/多角色共享同一份共识
v1.1 · 2026-06-29 · simba skill (order-analyst + revenue-investigator) + Anomaly Hub 后台

§1这是什么

一句话：让 AI Agent 每天自动盯着 Coupert 的订单、佣金、出站数据，发现真异常时主动 @ 人跟进 — 把"人盯告警"变成"告警找人"。

为什么需要

😩 之前的痛

  • 每天看数据要 1-2 小时，看完往往什么也没发现
  • 真出问题往往晚 1-2 天才发现，已经损失一波收入
  • 同一个商家断流，BD/工程/产品互相不知道对方在跟，重复联系商家
  • 谁查了什么、什么时候查的、结论是什么 — 全在脑子里，没沉淀

😎 现在

  • Agent 一天 2 次自动跑，命中真异常才在飞书 @ 人
  • 30+ 检测算法覆盖联盟/出站/CR/拦截/CPA 等维度
  • 所有人对话/后台 UI 共享同一份 case 状态，A 标"已跟" B 立即看到
  • 每一次状态变更都留痕，月底复盘有结构化数据

§2它怎么干活

2.1 一天 2 次自动扫描

由 simba 群里的定时器触发（早一次 / 晚一次），order-analyst skill 自动跑下面这套流程：

1
加载共识
从 Hub 拉所有 active case，跳过已在跟的，不重复告警
→
2
跑规则库
19 个算法 + 多维度聚合扫描，扫遍所有商家
→
3
降噪过滤
脉冲/回单延迟/大单波动等假阳性场景自动剔除
→
4
上报真异常
命中算法 → 写入 Hub 共享库，按 P0/P1/P2 分级
5
@ 人跟进
飞书群消息附根因猜测 + 数据证据，问对应负责人
→
6
写回流水
用户反馈写 handling_log，状态从 new → tracking → resolved
→
7
自我复盘
每日 23:30 跑新模式发现 / 阈值调整 / 规则进化

2.2 整体架构

flowchart LR subgraph "数据源" DW[(StarRocks 数仓
订单 / 出站 / 拦截)] end subgraph "AI Agent 层" S1[order-analyst
主动扫描 · 一天 2 次] S2[revenue-investigator
按需问答 · 跟随更新] end subgraph "Anomaly Hub 共享层" API[后端 API
25 个接口] DB[(case + 流水 + 规则 + 扫描)] end subgraph "人 / UI" U[飞书群 @
chensu / BD / 工程] W[后台界面
大盘 / 列表 / 规则] end DW --> S1 DW --> S2 S1 -->|上报/读共识/写流水| API S2 -->|查 case/写反馈| API API <--> DB API --> U W <-->|查看/处理| API style API fill:#dbeafe,stroke:#1e40af style DB fill:#fef3c7,stroke:#92400e style S1 fill:#d1fae5,stroke:#065f46 style S2 fill:#d1fae5,stroke:#065f46
关键：simba 端的 Agent 干"检测和判断"，Hub 干"持久化和共识"。两者解耦，Agent 改规则不影响 Hub，Hub 加界面不影响 Agent。

§3它能查什么 · skill 检测能力清单

order-analyst 当前装载 19 个自动诊断算法 + 21 个执行步骤，覆盖以下 5 大维度。算法分两类：检测 找问题、降噪 排除假阳性。

检测 · 真异常 联盟与服务断裂 收入断流的最常见根因
algo_2联盟退出检测 Affiliate Dropout
某联盟（如 Skimlinks）上周还在出单，本周突然归零 → 怀疑 program 下线或账户挂起
algo_6跨域名联盟集中退出 Cross-Domain Affiliate Signal
同一联盟在多个域名同时归零 → 联盟层面故障，不是单商家问题
algo_10出站转化断裂 Outbound-to-Order Conversion Breakdown
出站点击量正常，但订单大幅下降 → 联盟侧回流断了（不是流量问题）
algo_12联盟关系断裂 Affiliate Relationship Breakage
本周完全 0 单 + 出站归零 + 历史 14 天天天出单 → 联盟关系断了
algo_13 / 13.1 / 13.2AT 出站流量断崖（全断/部分/渐进式）
AT 类 click_type 出站量异常下降，区分完全归零 vs 部分削减 vs 缓慢衰退
检测 · 服务层 服务配置 / CPA 变更 技术原因导致的下降，要区分商务 vs 工程
algo_7AT saveRate=0% 出站归零自动诊断
AT 服务异常关闭，saveRate 归零 + CR 精确降至固定低值（如 0.7%） → 工程层 AT 开关问题
algo_11CPA 佣金模型变更 CPA Model Change
订单量不变甚至上升，但单笔佣金骤降 → 联盟换了 CPA 模型（不是 CR 问题）
algo_14 / 14.1渠道配置切换 / AT 选择性关闭
click_type 分布突变 / AT 高价值流量被针对性关闭 → 平台配置变更
检测 · 数据层 拦截 / 欺诈 / 历史规律 订单链路上的"隐性"损耗
algo_3拦截量 vs 订单缺口验证 Interception Gap
订单同步异常表里被拦截的量，是否能解释订单缺口 → 区分"真没单" vs "单被过滤"
algo_4历史规律匹配 Pattern Matching from KB
从 KB 历史 case 找类似模式，看是否周期性 / 重复出现的旧问题
algo_9重复 Sales 欺诈检测 Duplicate Sales Fraud
同一笔订单被重复上报的欺诈模式
降噪 · 假阳性过滤 把"看着像异常但其实不是"的剔除掉 告警精准度的关键
algo_1促销脉冲识别 Pulse Detection
W2 是 BFCM/618 等大促，W1 回归正常 → 不是异常，是脉冲消退
algo_5回单延迟假阳性 Commission Backfill Delay
OTA / 机票类商家典型 7-14 天回单 → commission 跌但 orders 稳定不算异常
algo_8CVR/CR 稳定性豁免 Commission 波动降噪
CR 稳定 → 收入波动属于自然商业波动，非系统问题
algo_8.5大单波动降噪 Ticket Size Variance
少数高客单价订单的随机出现/缺席 → 不是结构性异常
algo_8.6历史波动率基线 Historical Volatility Baseline
高 CV 商家（μ ± 2σ 内属于正常） → 波动符合历史就豁免
扫描 · 维度 不只看 domain，还要看面 面级问题更危险
Step 2.5.1Click_type 渠道维度
CB / AT / WEB_SEARCH_* 等渠道大盘是否有结构性变化
Step 2.5.2联盟维度（TOP 30）
Skimlinks / cj / Awin / impactradius 等核心联盟级表现
Step 2.5.3国家维度
US/UK/DE/JP 等 TOP 国家是否单一断流
进化 · 持续学习 每天都比昨天强一点 Agent 不是死的规则集
Step 7趋势洞察 — 自主发现新规律
扫数据时主动找还没被算法覆盖的可疑模式，沉淀成候选新规则
Step 7.5随机抽样探索
每次扫描随机抽 N 个商家深入看，防止盲区
每日 23:30复盘 + 自我进化
把当天新增的 case + 反馈 → 提炼新规则、调整阈值、写回 SKILL.md

§4多人协作共识 · Hub 的核心价值

4.1 没有 Hub 之前的混乱

simba skill 各自维护本地 kb/anomaly_tracker.md 文件存状态，结果：

  • chensu 在 A 群标 walmart "已联系 BD" → 同事 Eden 在 B 群里又收到同一个告警
  • Eden 又联系一次 walmart BD → BD 一脸懵
  • 真发生过的

4.2 加了 Hub 之后

sequenceDiagram autonumber participant SA as Agent (chat A) participant DB as Anomaly Hub participant SB as Agent (chat B) participant U as 团队 Note over SA,SB: 早上 8:00 扫描 SA->>DB: 检测到 walmart 异常,上报 DB-->>SA: case#42 已创建 SA->>U: 飞书@chensu U->>SA: "让 BD-张三 跟" SA->>DB: 指派 + 状态→tracking Note over SB: 晚上 20:00 扫描 SB->>DB: GET active cases DB-->>SB: walmart case#42 已在跟 Note over SB: ✅ 不再重复告警 walmart SB->>U: 只 @ 其他新异常

4.3 Hub 沉淀的 4 类数据

case 主表 anomaly_case

每个异常一条记录，含 domain / 规则 / 严重度 / 状态 / 跟进人 / 关键指标

按 md5(domain+rule_id+date) 自动去重，不重复创建

处理流水 anomaly_handling_log

每次状态变更 / 评论 / 指派都写一条，含操作人 + 来源（simba 对话 / 后台界面）

复盘时可审计 "谁什么时候做了什么"

扫描记录 anomaly_scan_log

每次扫描跑完写一条，含耗时 / 扫了多少 domain / 检出多少 / 新增多少

大盘的"skill 健康度"靠这个统计

规则库 anomaly_skill_rule

SKILL.md 解析后的结构化规则缓存，含触发条件 / 严重度 / SQL 模板 / 典型 case

SKILL.md 更新时自动重 parse 入库

§5后台联动 · 给人用的界面

地址：https://front-backend.coupert.com/cp/business/anomaly-hub，3 个页面：

📊 大盘

看整体健康度

  • 近 7 天异常分布（P0/P1/P2）
  • 按规则 TOP 10
  • 按状态 / domain TOP / 国家分布
  • skill 健康度（扫描时长 / 检出率）
  • 处理趋势折线

📋 异常列表

看每个异常的详情 + 处理

  • 列表筛选：状态 / 严重度 / 业务线 / 域名
  • 点击进入详情：基础信息 + 关键指标 + AI 诊断 + 处理流水
  • 改状态 / 指派跟进人 / 加评论
  • review_steps 可视化 Timeline

📖 Skill 规则

看 skill 装载了什么

  • 左：skill 列表（order-analyst / revenue-investigator）
  • 中：规则树（算法 / Step / 子节）
  • 右：规则详情（触发条件 / SQL / 典型 case）
  • 支持现场跑 SQL 验证

5.1 simba 对话 ↔ 后台双向联动

  • simba 标"已联系 BD" → 后台列表立刻显示 tracking 状态 + 跟进人
  • 后台 chensu 改状态 → 下次 simba 扫描看 active 列表时立刻同步
  • 所有变更带 simba 对话 / 后台界面 来源标签，Timeline 可审计

§6当前线上数据快照

截止 2026-06-29 · 来源 cp60.coupert_store

已装算法规则
37
order-analyst v1.7.6
累计扫描次数
7
累计检出异常
4
P1×2 P2×2
活跃 case
4
全部 new 待跟
已知缺口：
  • revenue-investigator skill 尚未推送（下次 order-analyst 定时扫描时会自动推上来）
  • order-analyst 19 个算法只 4 个有完整 SQL（algo_9/10/11/12），其余 15 个缺 sql_template — 补缺清单见 specs/2026-06-24-anomaly-hub-skill-md-update-guide.md

§7技术附录

8.1 5 张数据表

表用途
anomaly_case异常 case 主表（fingerprint 去重）
anomaly_handling_log处理流水（每次变更一条）
anomaly_scan_log每次扫描元数据
anomaly_skill_ruleSKILL.md 解析后的规则缓存
anomaly_skill_definitionskill 元信息 + 原始 markdown

8.2 25 个 API 接口

A 组 SDK（simba 用，8 个）

  • GET /sdk/anomaly/by-domain/{domain}
  • GET /sdk/anomaly/active
  • POST /sdk/anomaly/report-detection
  • POST /sdk/anomaly/{id}/diagnosis
  • PUT /sdk/anomaly/{id}/assign
  • POST /sdk/handling-log
  • POST /sdk/scan-log
  • POST /sdk/skill/upload

B 组 UI（后台用，17 个）

  • 异常列表 6 个（list / detail / timeline / status / assign / comment）
  • 大盘 5 个（overview / distribution / handling-stats / skill-health / top-domains）
  • Skill 规则 6 个（list / rules / detail / cases / test-sql / reparse）

8.3 部署

8.4 相关文档

§8下一步

短期（本周）

  • simba 端补 15 个算法缺失的 SQL 模板
  • 推送 revenue-investigator skill 到后端
  • 清理 case 表脏数据（status 空串）

中期（V2）

  • 飞书 IM 直连 — 跟进人 lark_id 自动 @ 通知
  • 自动 resolve — 连续 3 天回基线 70% → 自动关单
  • 规则可视化编辑器 — 在后台改 SKILL.md 不用 git push