Video ukazuje praktický postup vytvoření multi-agent pipeline v OpenClaude přes Slack, která autonomně vyhledává prospekty, vettuje je podle Ahrefs dat a píše personalizované emaily. Z 54 odeslaných emailů přišlo 11 odpovědí a 7 potvrzených schůzek. Celý proces zahrnuje reálné debugování bugů, ne jen hladký výsledek.
Pipeline se skládá ze čtyř agentů: campaign coordinator, prospector, vetter a copywriter. Coordinator nejdřív provede interview s uživatelem, aby pochopil cílový profil a tón komunikace, a teprve pak spawnuje ostatní agenty.
Jako platforma byl zvolen OpenClaude místo N8N nebo Claude.ai hlavně proto, že není vázaný na jeden model, snadno se napojí na další nástroje (Nano Banana pro obrázky) a funguje přímo v Slacku.
Instrukce pro každého agenta jsou uloženy jako markdown soubory. Jejich vytvoření a ladění zabralo hodiny; korektní systémový prompt je základní podmínkou funkčnosti celého systému.
Vetter měl bug v poli traffic slope, který nesprávně označoval rostoucí weby jako klesající. Oprava vyžadovala několik hodin debugování a výsledkem bylo 102 kvalifikovaných prospektů ze 165 nalezených.
Celá pipeline běžela autonomně přes noc bez zásahu; ráno bylo připraveno 74 emailových draftů. Z 54 odeslaných emailů přišlo 11 odpovědí a 7 schůzek, což překonalo původní cíl pěti schůzek.
Ahrefs souběžně vydal vlastní nástroj Agent A, který dělá prospecting, vetting i napojení na outreach tool nativně bez nutnosti stavět pipeline od nuly.
Historie chatu se neukládá. Po opuštění stránky bude smazána.
Autor začal s frustrací z klasické outreach agentury: 100 emailů, 3 odpovědi, z toho 2 žádosti o odhlášení. Problém nebyl jen ve výsledcích, ale v týdnech čekání, špatně zacílených kontaktech a emailech psaných někým, kdo nechápal, co firma dělá. Rozhodl se proto postavit vlastní autonomní AI pipeline a celý proces zdokumentoval včetně chyb a slepých uliček.
Před samotným budováním proběhlo srovnání tří platforem. N8N odpadlo rychle – vizuální drag-and-drop workflow připomíná spíše Zapier než nativní AI přístup. Volba padla na OpenClaude před Claude.ai ze dvou důvodů: flexibilita ve výběru modelů a možnost spustit celý systém přímo ze Slacku, kde autor tráví většinu pracovního dne.
Architektura pipeline je čtyřvrstvá. Campaign coordinator funguje jako projektový manažer: nejdřív provede strukturované interview s uživatelem, klade otázky tak dlouho, dokud není jasný cílový profil (ICP), vetting kritéria i tón emailů. Teprve pak spawnuje tři specialist agenty – prospectora, vettera a copywritera. Instrukce pro každého agenta jsou zapsány jako markdown soubory; jejich příprava a ladění zabraly hodiny opakovaných oprav.
Průběh testování byl daleko od hladkého. Prospector našel 165 kontaktů z food, travel, fitness a sports niche obohacených o Ahrefs metriky. Pak přišel první vážný bug: vetter disqualifikoval skoro všechno včetně webů s prokazatelným růstem. Příčina byl chybný výpočet pole traffic slope, který ukazoval negativní hodnoty i pro weby s jasným pětiletým růstem. Oprava trvala několik hodin a skončila se 102 kvalifikovanými prospekty. Pak selhal copywriter při mergování dat do šablon emailů – další kolo debugování.
Finální test proběhl v ranním chaosu před odletem: pipeline spuštěna v autonomním módu, autor odjel na letiště. U brány měl 74 hotových draftů. Druhý den začal odesílat a výsledky překvapily: z 54 odeslaných emailů přišlo 11 odpovědí a 7 potvrzených schůzek. Původní cíl byl pět.
Jedna ironie celého projektu: zatímco autor strávil dny laděním slope kalkulací a markdown souborů, Ahrefs ve stejnou dobu vydal Agent A – nástroj, který zvládá prospecting, vetting podle Ahrefs dat i napojení na outreach nástroj nativně bez nutnosti stavět pipeline od nuly. Odkaz na Agent A je v popisu videa pro ty, kdo nechtějí trávit šest hodin debugováním.