En enda modell som researchar en bred fråga blir ytlig snabbt; den kan inte läsa brett och faktagranska sig själv samtidigt. Den här besättningen delar upp jobbet mellan specialister.
sonnet1 veckaCrewAITavilyFirecrawlOpenAI
Claude
81ROI
79Scale
$4k90Saved
ROI for
README.md
Varför denna subagent
En enda modell som researchar en bred fråga blir ytlig snabbt; den kan inte läsa brett och faktagranska sig själv samtidigt. Den här besättningen delar upp jobbet mellan specialister.
En ledaragent bryter ner frågan i delämnen, scrapers samlar källor parallellt, och syntes- och verifieraragenter slår samman och kontrollerar fynden. Du får en källhänvisad research-brief där varje påstående går att spåra tillbaka till en källa, inte en självsäker gissning.
Så kör 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.
Scraper-agenter samlar källor till sina delämnen parallellt medan en syntesagent väntar på deras output.
pending
Syntesagenten slår samman fynden till ett utkast och en verifieraragent kollar varje påstående mot dess källa.
pending
Ledaragenten löser konflikter, släpper ostödda påståenden och returnerar en källhänvisad brief till Notion.
pending
Exempel på 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.