用途：用 DSPy 构建 AI 异常检测器，识别交易、登录、API 调用、服务器日志、用户行为等事件中的欺诈与异常，并对结果分级、路由和解释。
主要能力：先用历史数据总结“正常”基线（典型数值、频率、时间、属性），再对单个事件或同一会话内的事件序列评分，输出五级严重程度（normal、low、medium、high、critical）、0.0-1.0 异常分数和具体解释；可按严重程度映射动作（忽略、记录、排队、告警、升级并阻断），低置信度时降级为人工复核；可只为高/严重事件生成详细解释以节省成本。
使用方式：安装命令为 npx skills add lebsral/DSPy-Programming-not-prompting-LMs-skills --skill <name>。核心流程包括：用 SummarizeBaseline 构建并缓存基线；用 ScoreAnomaly 评分；用 AnomalyDetector 模块组合；用 route_anomaly 路由；用 ExplainAnomaly 生成审核解释；用 ScoreSession 对会话窗口批量评分；用 Evaluate 与 BootstrapFewShot 评估优化，并可保存为 anomaly_scorer.json。
适用场景：简单欺诈评分与日志分诊、账户接管与多步攻击检测、高流量流的两阶段（规则预过滤+LM）处理、基线稳定的周期缓存、按需解释。
限制：不适合每秒数百万事件的简单数值时间序列（应使用 z-score、EWMA、隔离森林或 Prometheus 告警规则）；简单阈值规则无需 LM；实时低于 10ms 的要求不适用，应先用规则预过滤。必须提供基线，否则模型会默认标记任何非平凡事件；应使用五级严重程度而非二分类；解释需明确要求引用具体数值与偏差。具体收费、价格与平台支持暂未提供。