Nutzer-Feedback kommt überall an, in Chats, Umfragen und App-Nachrichten, und das meiste davon verpufft. Bugs erreichen nie die Entwicklung, Feature-Wünsche werden nie gezählt, und die Abwanderungssignale verstecken sich im Rauschen, bis der Account weg ist.
sonnet4 TageIntercomOpenAILinearSlack
Claude
100ROI
72Scale
$5.3k96Saved
ROI for
README.md
Warum dieser Subagent
Nutzer-Feedback kommt überall an, in Chats, Umfragen und App-Nachrichten, und das meiste davon verpufft. Bugs erreichen nie die Entwicklung, Feature-Wünsche werden nie gezählt, und die Abwanderungssignale verstecken sich im Rauschen, bis der Account weg ist.
Dieser Agent liest jedes Feedback und leitet es nach Typ weiter: Bugs und Wünsche werden zu Linear-Issues in den eigenen Worten des Nutzers, Lob wird protokolliert, und Abwanderungsrisiko meldet sich beim Account-Verantwortlichen in Slack. Nichts Nützliches geht verloren, und das Produktteam sieht endlich, wonach Kunden wirklich fragen.
So läuft er
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.
Jeden Beitrag als Bug, Feature-Wunsch, Lob oder Abwanderungsrisiko einsortieren.
pending
Für Bugs und Feature-Wünsche das passende Linear-Issue mit den Worten des Nutzers anlegen oder aktualisieren.
pending
Feedback mit Abwanderungsrisiko sofort an den Account-Verantwortlichen in Slack eskalieren.
pending
Beispiel-Output
json
// Sample output
// (generated when the pipeline finishes)
Classify a feedback item into bug, feature, praise, or churn risk, and return the routing target and a short rationale.
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.