# elasticsearch-anomaly-detection-explainer

Скилл разбирает оценки ML-аномалий Elasticsearch: почему балл высокий, что значит разрыв между начальной и текущей оценкой и где искать причину.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 1000 установок · ★ 601
- Автор: elastic
- Лицензия: Apache-2.0 · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/elastic/agent-skills/tree/HEAD/skills/elasticsearch/elasticsearch-anomaly-detection-explainer/SKILL.md
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/skills/elasticsearch-anomaly-detection-explainer

## Что делает

Скилл отвечает на вопрос, который возникает сразу после алерта: почему модель поставила событию такой `record_score`. Он забирает `analysis_config` джоба через ML REST API, потом читает записи из `.ml-anomalies-*` обычным `_search`. Обе оценки, `initial_record_score` и `record_score`, показываются рядом, а разрыв между ними объясняется, а не остаётся висеть.

Чаще всего этот разрыв — перенормировка: более сильная аномалия позже срезала старую оценку. С моделью всё в порядке, и для алертов скилл советует брать начальное значение. Провал он тоже отличает от всплеска: при `low_count` или `low_mean` высокий балл значит, что данных не стало, и разбор уходит в сторону инцидента, а не настройки порогов.

Доступ идёт через `elastic` CLI, нужен Elasticsearch 8.x+ либо Elastic Cloud Serverless с ML, а на своих кластерах — лицензия уровня Platinum. Для чтения конфига и результатов нужна привилегия `monitor_ml`. В Serverless эндпоинты `_ml/.../results/*` отдают HTTP 410, поэтому записи берут только из `POST /.ml-anomalies-*/_search`.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add elastic/agent-skills --skill elasticsearch-anomaly-detection-explainer -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/elasticsearch-anomaly-detection-explainer/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/elasticsearch-anomaly-detection-explainer/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add elastic/agent-skills --skill elasticsearch-anomaly-detection-explainer -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/elasticsearch-anomaly-detection-explainer/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add elastic/agent-skills --skill elasticsearch-anomaly-detection-explainer -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/elasticsearch-anomaly-detection-explainer/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install elastic/agent-skills elasticsearch-anomaly-detection-explainer
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/elasticsearch-anomaly-detection-explainer/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add elastic/agent-skills --skill elasticsearch-anomaly-detection-explainer -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/elastic/agent-skills --path skills/elasticsearch/elasticsearch-anomaly-detection-explainer
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/elasticsearch-anomaly-detection-explainer/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add elastic/agent-skills --skill elasticsearch-anomaly-detection-explainer -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/elastic/agent-skills/tree/HEAD/skills/elasticsearch/elasticsearch-anomaly-detection-explainer/SKILL.md

## Когда брать
- объяснить, почему джоб выдал высокий балл на провале данных
- отличить перенормировку от сломанной модели
- разобрать запись аномалии, вставленную в промпт, не ходя повторно в кластер
- найти джоб по неполному ID и прочитать его `analysis_config`
- посчитать дрейф оценок по диапазону времени

## Примеры запросов агенту
- Почему у этого джоба `record_score` 90, а `initial_record_score` был заметно выше?
- Разбери запись аномалии: `actual` ниже `typical`, функция `low_count`. Это сбой или ложное срабатывание?
- Достань последние записи по джобу из `.ml-anomalies-*` и покажи, где оценка просела сильнее всего

## Похожие
- [xlsx](https://affpapa.org/nevibecode/skills/xlsx.md) — скилл · 187223 установки
- [google-agents-cli-observability](https://affpapa.org/nevibecode/skills/google-agents-cli-observability.md) — скилл · 511300 установок
- [caveman-evidence-review](https://affpapa.org/nevibecode/skills/caveman-evidence-review.md) — скилл · 104500 установок
- [migration](https://affpapa.org/nevibecode/skills/migration.md) — скилл · 103900 установок
- [performance-optimization](https://affpapa.org/nevibecode/skills/performance-optimization.md) — скилл · 65200 установок
- [supabase](https://affpapa.org/nevibecode/skills/supabase.md) — скилл · 8 установок

Из того же набора: [elastic/agent-skills](https://affpapa.org/nevibecode/by/elastic/agent-skills.md) — 27 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md