Jeden model badający szerokie pytanie szybko staje się powierzchowny — nie da się jednocześnie szeroko czytać i weryfikować faktów. Ten zespół dzieli pracę między specjalistów.
sonnet1 tydzieńCrewAITavilyFirecrawlOpenAI
Claude
81ROI
79Scale
$4k90Saved
ROI for
README.md
Dlaczego ten subagent
Jeden model badający szerokie pytanie szybko staje się powierzchowny — nie da się jednocześnie szeroko czytać i weryfikować faktów. Ten zespół dzieli pracę między specjalistów.
Główny agent dzieli pytanie na podtematy, scrapery równolegle zbierają źródła, a agenci syntezy i weryfikacji łączą i sprawdzają wyniki. Otrzymujesz brief badawczy z przypisami, w którym każda teza ma źródło, a nie jest pewnym siebie zgadywaniem.
Jak działa
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.
Agenci zbierający źródła dla swoich podtematów działają równolegle, podczas gdy agent syntetyczny czeka na ich wyniki.
pending
Agent syntetyczny łączy ustalenia w jeden szkic, a agent weryfikujący sprawdza każde twierdzenie wobec jego źródła.
pending
Agent lider rozwiązuje konflikty, odrzuca niepoparte twierdzenia i zwraca krótki raport z odnośnikami do Notion.
pending
Przykładowe wyjście
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.