Jeden model, který zkoumá širokou otázku, rychle narazí na mělčinu — nedokáže zároveň číst do šířky a ověřovat si fakta. Tenhle tým rozdělí práci mezi specialisty.
sonnet1 týdenCrewAITavilyFirecrawlOpenAI
Claude
81ROI
79Scale
$4k90Saved
ROI for
README.md
Proč tento subagent
Jeden model, který zkoumá širokou otázku, rychle narazí na mělčinu — nedokáže zároveň číst do šířky a ověřovat si fakta. Tenhle tým rozdělí práci mezi specialisty.
Vedoucí agent rozbije otázku na dílčí témata, scrapery paralelně sbírají zdroje a agenti pro syntézu a verifikaci výsledky sloučí a zkontrolují. Dostanete podložený research brief s citacemi, kde se každé tvrzení dá vysledovat ke zdroji — ne sebevědomý odhad.
Jak běží
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Agenti pro sběr dat shromažďují zdroje pro svá dílčí témata paralelně, zatímco syntetizační agent čeká na jejich výstupy.
pending
Syntetizační agent spojí zjištění do jednoho návrhu a ověřovací agent zkontroluje každé tvrzení proti jeho zdroji.
pending
Vedoucí agent vyřeší rozpory, odstraní nepodložená tvrzení a vrátí citovaný přehled do Notion.
pending
Ukázkový výstup
json
// Sample output
// (generated when the pipeline finishes)
As the lead agent, decompose the research question into sub-topics, dispatch parallel scrapers, then have synthesis and verification agents produce a single brief where every claim carries a source link.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.