Hvert supportteam skriver de samme svarene om igjen hele dagen, og makrobiblioteket henger aldri med, fordi det å lage makroer er en egen oppgave som alltid blir nedprioritert.
sonnet4 dagerZendeskOpenAIGoogle Sheets
Claude
83ROI
70Scale
$4.2k93Saved
ROI for
README.md
Hvorfor denne subagenten
Hvert supportteam skriver de samme svarene om igjen hele dagen, og makrobiblioteket henger aldri med, fordi det å lage makroer er en egen oppgave som alltid blir nedprioritert.
Denne agenten leser løste henvendelser, finner svarene medarbeiderne stadig skriver for hånd, og lager ferdige makroutkast som lederen kan godkjenne. Hvert utkast kommer med forslag til trigger og tittel, så det å legge det til blir en ja-eller-nei-avgjørelse i stedet for en skriveoppgave. Makrobiblioteket gjenspeiler endelig det teamet faktisk sier, og den repeterende skrivingen avtar.
Slik kjører 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.
Grupperer nesten identiske svar og finner spørsmålene som utløser dem.
pending
Skriver utkast til en gjenbrukbar makro for hvert tilbakevendende svar, med forslag til trigger og tittel.
pending
Sender de foreslåtte makroene til en leder for godkjenning før de havner i kundeservicesystemet.
pending
Eksempel på 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.