Ein einzelnes Modell, das eine breite Frage recherchiert, wird schnell oberflächlich; es kann nicht zugleich breit lesen und sich selbst faktenchecken. Diese Crew teilt die Aufgabe auf Spezialisten auf.
sonnet1 WocheCrewAITavilyFirecrawlOpenAI
Claude
81ROI
79Scale
$4k90Saved
ROI for
README.md
Warum dieser Subagent
Ein einzelnes Modell, das eine breite Frage recherchiert, wird schnell oberflächlich; es kann nicht zugleich breit lesen und sich selbst faktenchecken. Diese Crew teilt die Aufgabe auf Spezialisten auf.
Ein Lead-Agent zerlegt die Frage in Teilthemen, Scraper sammeln parallel Quellen, und Synthese- und Verifier-Agents führen die Befunde zusammen und prüfen sie. Sie bekommen ein belegtes Recherche-Briefing, in dem jede Aussage auf eine Quelle zurückführt, keine selbstbewusste Vermutung.
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.
Scraper-Agents sammeln parallel Quellen für ihre Teilthemen, während ein Synthese-Agent auf deren Ausgabe wartet.
pending
Der Synthese-Agent führt die Befunde zu einem Entwurf zusammen, und ein Verifier-Agent prüft jede Aussage gegen ihre Quelle.
pending
Der Lead-Agent löst Widersprüche auf, verwirft unbelegte Aussagen und gibt ein belegtes Briefing an Notion zurück.
pending
Beispiel-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.