yzhao062/pyod一个用于跨表格、时间序列、图、文本、图像和音频数据进行异常检测的 Python 库。提供 60+ 检测器、基准测试支撑的 ADEngine 编排，以及面向 AI 代理的智能体工作流。
.. image:: https://raw.githubusercontent.com/yzhao062/pyod/master/brand/pyod-icon.svg :target: https://pyod.dev :alt: PyOD 生态系统 :width: 84px
PyOD 3：大规模智能体异常检测
|badge_website| |badge_pypi| |badge_anaconda| |badge_docs| |badge_stars| |badge_forks| |badge_downloads| |badge_testing| |badge_coverage| |badge_maintainability| |badge_license| |badge_benchmark|
.. |badge_website| image:: https://img.shields.io/badge/website-pyod.dev-990000 :target: https://pyod.dev :alt: Website
.. |badge_pypi| image:: https://img.shields.io/pypi/v/pyod.svg?color=brightgreen :target: https://pypi.org/project/pyod/ :alt: PyPI version
.. |badge_anaconda| image:: https://anaconda.org/conda-forge/pyod/badges/version.svg :target: https://anaconda.org/conda-forge/pyod :alt: Anaconda version
.. |badge_docs| image:: https://readthedocs.org/projects/pyod/badge/?version=latest :target: https://pyod.readthedocs.io/en/latest/?badge=latest :alt: Documentation status
.. |badge_stars| image:: https://img.shields.io/github/stars/yzhao062/pyod.svg :target: https://github.com/yzhao062/pyod/stargazers :alt: GitHub stars
.. |badge_forks| image:: https://img.shields.io/github/forks/yzhao062/pyod.svg?color=blue :target: https://github.com/yzhao062/pyod/network :alt: GitHub forks
.. |badge_downloads| image:: https://pepy.tech/badge/pyod :target: https://pepy.tech/project/pyod :alt: Downloads
.. |badge_testing| image:: https://github.com/yzhao062/pyod/actions/workflows/testing.yml/badge.svg :target: https://github.com/yzhao062/pyod/actions/workflows/testing.yml :alt: Testing
.. |badge_coverage| image:: https://coveralls.io/repos/github/yzhao062/pyod/badge.svg :target: https://coveralls.io/github/yzhao062/pyod :alt: Coverage Status
.. |badge_maintainability| image:: https://api.codeclimate.com/v1/badges/bdc3d8d0454274c753c4/maintainability :target: https://codeclimate.com/github/yzhao062/Pyod/maintainability :alt: Maintainability
.. |badge_license| image:: https://img.shields.io/github/license/yzhao062/pyod.svg :target: https://github.com/yzhao062/pyod/blob/master/LICENSE :alt: License
.. |badge_benchmark| image:: https://img.shields.io/badge/ADBench-benchmark_results-pink :target: https://github.com/Minqi824/ADBench :alt: Benchmark
**PyOD 已为智能体做好准备。** Claude Code 和 Codex 可以使用 ``od-expert`` 技能来驱动 ADEngine 调查，而兼容 MCP 的智能体可以查询 PyOD 的检测器知识与规划工具。经典的 ``fit``/``predict`` API 保持不变。
PyOD 3 是功能最全面的 Python 异常检测库。四大支柱：
=========================== ========================================================================================
支柱 含义
=========================== ========================================================================================
多模态 跨表格、时间序列、图、文本、图像和音频数据的 61 个检测器，一个 API
全生命周期 从原始数据到可解释的异常及下一步行动建议，一次调用即可完成
智能体 od-expert 将自然语言请求转化为 ADEngine 工作流；MCP 为其他智能体提供结构化工具
使用最广泛 下载量超过 4600 万次；基于基准测试的路由（ADBench、TSB-AD、BOND、NLP-ADBench）
=========================== ========================================================================================
安装 ^^^^^^^
核心库（每条激活路径都需要）：
.. code-block:: bash
pip install pyod
然后选择与你的智能体技术栈匹配的激活路径：
.. code-block:: bash
# 1. Claude Code / Codex — enables the od-expert skill
pyod install skill # Claude Code: user-global (~/.claude/skills/)
pyod install skill --project # Codex: project-local (./skills/, Codex has no user-global dir)
# 2. Any MCP-compatible LLM — requires the optional mcp extra
pip install pyod[mcp]
pyod mcp serve # alias for `python -m pyod.mcp_server`
# 3. Pure Python — no extra step
# from pyod.utils.ad_engine import ADEngine
随时运行 pyod info，即可查看版本、检测器数量以及每条激活路径的安装状态。pyod info 还会检测你已安装的智能体栈（~/.claude/ 对应 Claude Code，~/.codex/ 对应 Codex），并推荐合适的安装命令。
关于 conda、源码安装、依赖详情和故障排查，请参阅完整的安装指南 <https://pyod.readthedocs.io/en/latest/install.html>__。v3.0.0 中遗留的 pyod-install-skill 命令仍可作为 pyod install skill 的别名使用。
5 行代码实现异常检测（pip install pyod）：
.. code-block:: python
from pyod.models.iforest import IForest
clf = IForest()
clf.fit(X_train)
y_train_scores = clf.decision_scores_ # training anomaly scores
y_test_scores = clf.decision_function(X_test) # test anomaly scores
使用 PyOD 的三种方式：
========= ===================== ====================================================================== =======================================
层级 名称 适用场景 入口
========= ===================== ====================================================================== =======================================
1 经典 API 你已明确想用哪个检测器 第 1 层示例 <https://pyod.readthedocs.io/en/latest/examples/tabular.html>__
2 ADEngine 希望 PyOD 自动选择、比较与评估 第 2 层演练 <https://pyod.readthedocs.io/en/latest/examples/adengine.html>__
3 智能体调查 希望 AI 智能体通过自然对话驱动异常检测 第 3 层演练 <https://pyod.readthedocs.io/en/latest/examples/agentic.html>__
========= ===================== ====================================================================== =======================================
第 2 层和第 3 层由 PyOD 的生命周期编排核心 ADEngine 驱动。完整的第 3 层多轮调查流程可通过面向 Claude Code 和 Codex 的 od-expert 技能使用。MCP 服务器（python -m pyod.mcp_server）为兼容 MCP 的 LLM 提供十个无状态工具，涵盖知识查询（list_detectors、explain_detector、compare_detectors、get_benchmarks）、规划（profile_data、plan_detection、build_detector）和检测（run_detection、analyze_results、explain_findings）；有状态的 investigate / iterate MCP 工具暂缓推出。
.. image:: https://raw.githubusercontent.com/yzhao062/pyod/development/docs/figs/agentic-demo.png :alt: PyOD 3 在 cardiotocography 数据集上的智能体调查演示 :align: center :width: 720
上图展示的是在 UCI Cardiotocography 数据集上进行的一次真实 5 轮智能体对话。另请参阅完整演练 <https://pyod.readthedocs.io/en/latest/examples/agentic.html>、可运行的智能体示例 <https://github.com/yzhao062/pyod/blob/development/examples/agentic_example.py>，或交互式 HTML 演示 <https://htmlpreview.github.io/?https://github.com/yzhao062/pyod/blob/development/examples/agentic_demo.html>__。
PyOD 生态系统与资源：
NLP-ADBench <https://github.com/USC-FORTIS/NLP-ADBench>（NLP 异常检测） | TODS <https://github.com/datamllab/tods>（时间序列） | PyGOD <https://pygod.org/>（图） | ADBench <https://github.com/Minqi824/ADBench>（基准测试） | AD-LLM <https://arxiv.org/abs/2412.11142>（基于 LLM 的异常检测）[#Yang2024ad]_ | 资源 <https://github.com/yzhao062/anomaly-detection-resources>
关于 PyOD ^^^^^^^^^^
PyOD 成立于 2017 年，是运行时间最长、使用最广泛的 Python 异常检测库。凭借 4600 万+ 次下载 <https://pepy.tech/project/pyod>，它同时服务于学术研究（曾被 Analytics Vidhya <https://www.analyticsvidhya.com/blog/2019/02/outlier-detection-python-pyod/>、KDnuggets <https://www.kdnuggets.com/2019/02/outlier-detection-methods-cheat-sheet.html>__ 和 Towards Data Science <https://towardsdatascience.com/anomaly-detection-for-dummies-15f148e559c1>__ 专题报道）与商业产品。
V3 通过 ADEngine（生命周期编排）和 od-expert 技能（智能体工作流）扩展了该库，同时保持经典 fit/predict API 完全向后兼容。V3 基于 SUOD [#Zhao2021SUOD]_ 构建，以实现快速并行训练，并通过 numba JIT 为各模型加速。
影响力与认可：