iot-anomalies

技能

Detect and classify telemetry anomalies on Cognitum Seed devices. Use when investigating a device that's reporting odd metrics, before approving a firmware cana

Rruvnet

查看 Raw 原文件

让 AI 帮你安装

复制下面这句话，粘贴给 Claude Code、Codex、Cursor 等 AI 编程工具，它会读取安装说明并在你确认后完成安装。

请阅读 https://ai.atlankj.com/install/asset/gh-iot-anomalies-f6f9f9780994 ，按照其中的说明把「iot-anomalies」安装到你（当前 AI 工具）中。执行前先告诉我将运行的命令和写入的位置，等我确认。

查看 AI 将读取的安装说明

内容来自 GitHub 原始文件，由原作者维护。在 GitHub 查看

Run Z-score anomaly detection on a device's recent telemetry.

Steps:

npx -y -p @claude-flow/plugin-iot-cognitum@latest cognitum-iot anomalies DEVICE_ID
Review detected anomaly types (spike, flatline, drift, oscillation, pattern-break, cluster-outlier)
If score > 0.9, recommend quarantine
Store anomaly pattern for learning: mcp__plugin_ruflo-core_ruflo__memory_store({ key: "iot-anomaly-DEVICEID", value: "TYPE at SCORE", namespace: "iot-anomalies" })

正在读取 GitHub 原文…

关于

资产类型: 技能
来源仓库: ruvnet/ruflo
Star 同步: 2026年9月26日
许可证

MIT

发布时间

2026年9月26日

更新时间

2026年9月25日

链接

ruvnet/ruflo

创作者

RruvnetGitHub 公开资源索引 · 原作者未入驻或认领。

内容来自 GitHub 原始文件，由原作者维护。在 GitHub 查看

Run Z-score anomaly detection on a device's recent telemetry.

Steps:

npx -y -p @claude-flow/plugin-iot-cognitum@latest cognitum-iot anomalies DEVICE_ID
Review detected anomaly types (spike, flatline, drift, oscillation, pattern-break, cluster-outlier)
If score > 0.9, recommend quarantine
Store anomaly pattern for learning: mcp__plugin_ruflo-core_ruflo__memory_store({ key: "iot-anomaly-DEVICEID", value: "TYPE at SCORE", namespace: "iot-anomalies" })