Én model, der undersøger et bredt spørgsmål, bliver hurtigt overfladisk; den kan ikke læse bredt og faktatjekke sig selv på samme tid. Dette crew fordeler arbejdet mellem specialister.
sonnet1 ugeCrewAITavilyFirecrawlOpenAI
Claude
81ROI
79Scale
$4k90Saved
ROI for
README.md
Hvorfor denne subagent
Én model, der undersøger et bredt spørgsmål, bliver hurtigt overfladisk; den kan ikke læse bredt og faktatjekke sig selv på samme tid. Dette crew fordeler arbejdet mellem specialister.
En ledende agent opdeler spørgsmålet i underemner, scrapere indsamler kilder parallelt, og syntese- og verificeringsagenter samler og tjekker resultaterne. Du får et citeret research-brief, hvor hver påstand kan spores tilbage til en kilde — ikke et selvsikkert gæt.
Sådan kører den
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.
Scraper-agenter indsamler kilder til deres underemner parallelt, mens en synthesis-agent venter på outputtet.
pending
Synthesis-agenten slår fundene sammen til et udkast, og en verifieringsagent tjekker hvert påstand mod dens kilde.
pending
Lead-agenten løser konflikter, fjerner ubegrundede påstande og returnerer et citeret resumé til Notion.
pending
Eksempel på output
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.