Kairos 是一个开源的风险和欺诈决策平台，旨在实时评估注册、登录和支付等金融行为。它作为商业欺诈检测服务的替代方案，提供一个能够返回即时操作（批准、加强验证、审核或拦截）的系统，并同时提供每项选择背后的具体风险评分和信号。该平台跟踪主体的历史记录，包括共享设备、卡片和地址，为每一个决策提供上下文信息。
这张图片展示了平台返回即时操作以及特定风险评分和信号的能力。
Kairos 的核心机制依赖于“决策模型”与传统机器学习之间的混合方法。其核心是 Grayson，这是一个决策模型，能够处理电子邮件、姓名和商品标题等非结构化数据，并以校准后的概率回答自然语言问题（例如，“这个电子邮件是临时使用的吗？”）。虽然这些决策模型在样本较少或文本复杂的场景中表现出色，但 Kairos 也支持逻辑回归和梯度提升树（兼容 XGBoost）等传统模型。通过将 Grayson 的定性答案与传统模型的定量数据相结合，该平台允许用户在强大的推理能力与高交易量所需的低成本、高精度评分之间取得平衡。
Kairos 的主要区别在于其“Agent优先”的设计，它利用了 Model Context Protocol (MCP) 服务器。这允许 AI 编程 Agent（如 Claude Code、Cursor 或 Codex）直接与平台交互，执行欺诈机器学习工程师的工作。这些 Agent 可以构建工作流、提出模型变体并运行实验。随后，Kairos 在标注数据上训练这些变体，在 newData 上对其进行测试，并报告 ROC-AUC 和精确率-召回率等性能指标。Agent 随后可以解释其选择，并自动将获胜模型作为工作流的新版本发布。虽然这种自动化简化了欺诈防御的开发，但平台的有效性仍取决于用户历史数据提供的标签质量以及向 Grayson 模型提出的具体问题。