Truman Show Fraud Detector

Мультиагентная система на LangChain для поиска мошеннических транзакций в датасете The Truman Show - train.

Что делает

• загружает transactions.csv, users.json, locations.json, sms.json, mails.json;
• строит поведенческие признаки по каждому пользователю;
• выделяет подозрительные транзакции эвристиками;
• при наличии ключа OpenRouter прогоняет кандидатов через 3 агентов:
  • Signals Agent анализирует фишинг и давление через сообщения;
  • Network Agent анализирует новизну получателя и платежный паттерн;
  • Decision Agent принимает финальное решение;
• при наличии Langfuse пишет трейсы вызовов.

Быстрый старт

1. Установить зависимости:

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

2. Подготовить .env:

cp .env.example .env

3. Запустить и сохранить сабмит в ASCII-файл:

python main.py --output-file submission.txt

В submission.txt будет построчный список transaction_id, как требует задача.

Полный отчет по кандидатам:

python main.py --report

Запуск на конкретном датасете:

python main.py --dataset-dir "Brave New World - train" --output-file brave_submission.txt

Переменные окружения

• OPENROUTER_API_KEY — ключ OpenRouter.
• OPENROUTER_MODEL — модель через OpenRouter, по умолчанию openai/gpt-4o-mini.
• LANGFUSE_PUBLIC_KEY
• LANGFUSE_SECRET_KEY
• LANGFUSE_HOST — по умолчанию https://challenges.reply.com/langfuse
• TEAM_NAME — используется в trace session id.

Режимы работы

• Без OPENROUTER_API_KEY: детерминированный baseline по эвристикам.
• С OPENROUTER_API_KEY: baseline + LangChain multi-agent reasoning.

Замечание

Так как в train-наборе нет явных меток fraud/non-fraud, текущая система строит shortlist на основе аномалий, фишинговых сигналов и отклонений от обычного поведения. Это хороший каркас для challenge, но пороги и промпты стоит дотюнить после проверки на валидации.