Satu model yang meneliti pertanyaan luas bakal cepat jadi dangkal; ia tak bisa membaca banyak sumber sekaligus memverifikasi faktanya sendiri. Crew ini membagi tugasnya ke beberapa spesialis.
sonnet1 mingguCrewAITavilyFirecrawlOpenAI
Claude
81ROI
79Scale
$4k90Saved
ROI for
README.md
Mengapa subagent ini
Satu model yang meneliti pertanyaan luas bakal cepat jadi dangkal; ia tak bisa membaca banyak sumber sekaligus memverifikasi faktanya sendiri. Crew ini membagi tugasnya ke beberapa spesialis.
Lead agent memecah pertanyaan jadi sub-topik, para scraper mengumpulkan sumber secara paralel, lalu agen sintesis dan verifier menggabungkan serta mengecek temuannya. Kamu dapat ringkasan riset lengkap dengan sitasi, di mana setiap klaim bisa ditelusuri ke sumbernya, bukan sekadar tebakan yang terdengar meyakinkan.
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.
Agen pengumpul data mencari sumber untuk sub-topiknya secara paralel, sementara agen sintesis menunggu hasil kerja mereka.
pending
Agen sintesis menggabungkan temuan menjadi satu draf awal, lalu agen verifier memeriksa setiap klaim terhadap sumber aslinya.
pending
Agen pemimpin menyelesaikan konflik, menghapus klaim tanpa dukungan, dan mengembalikan ringkasan bersumber ke Notion.
pending
Contoh 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.