Setiap tim support mengetik ulang jawaban yang sama sepanjang hari, dan library macro tidak pernah bisa mengimbangi karena menulis macro sendiri sudah jadi pekerjaan tersendiri yang selalu ditunda-tunda.
sonnet4 hariZendeskOpenAIGoogle Sheets
Claude
83ROI
70Scale
$4.2k93Saved
ROI for
README.md
Mengapa subagent ini
Setiap tim support mengetik ulang jawaban yang sama sepanjang hari, dan library macro tidak pernah bisa mengimbangi karena menulis macro sendiri sudah jadi pekerjaan tersendiri yang selalu ditunda-tunda.
Agent ini membaca tiket yang sudah terselesaikan, menemukan jawaban yang terus ditulis manual oleh agen, dan menyusun macro siap pakai untuk disetujui lead. Setiap macro dilengkapi saran trigger dan judul, jadi menambahkannya cukup keputusan ya-atau-tidak, bukan tugas menulis. Library macro akhirnya benar-benar mencerminkan apa yang tim Anda katakan, dan ketik-mengetik repetitif pun berkurang.
Cara kerjanya
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.
Kelompokkan jawaban yang hampir identik dan deteksi pertanyaan yang memicu jawaban tersebut.
pending
Buat makro yang dapat digunakan kembali untuk setiap jawaban berulang dengan pemicu dan judul yang disarankan.
pending
Kirim makro yang diusulkan kepada lead untuk disetujui sebelum dimasukkan ke help desk.
pending
Contoh output
json
// Sample output
// (generated when the pipeline finishes)
From resolved tickets, cluster repeated agent replies and return draft macros with a title, trigger condition, and the canonical answer text.
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.