Kandev: Kanban und Agenten-Orchestrierung im eigenen Arbeitsbereich
KI-Kanban- und Entwicklungsumgebung. Orchestrieren Sie mehrere Agenten, überprüfen Sie Änderungen und öffnen Sie PRs. Multi-Provider, selbsthostbar, keine Telemetrie.
Auf einen Blick
- Was ist das?
- Kandev organisiert Aufgaben in Kanban- und Pipeline-Ansichten, startet Agenten mehrerer Anbieter und hält menschliche Prüfung im Arbeitsbereich.
- Für wen ist es gedacht?
- Redaktionelle Einschätzung: kdlbs/kandev passt dort, wo die dokumentierte Aufgabe zur eigenen Umgebung passt. Diese Seite ist eine Installations- und Prüfhilfe, kein Bericht über einen eigenen Betrieb.
- Darf ich es kommerziell nutzen?
- Ja, unter strengen Bedingungen. AGPL-3.0 ist eine Lizenz mit Netzwerk-Copyleft: Wenn andere eine veränderte Version über ein Netzwerk nutzen, etwa als gehosteten Dienst, müssen Sie ihnen den Quellcode unter derselben Lizenz anbieten.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 3 Tagen.
- In welcher Sprache ist es geschrieben?
- Hauptsächlich Go, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 14. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
Projektumfang · kdlbs kandev
kdlbs/kandev beschreibt sich im README als „AI Kanban & Development Environment. Orchestrate multiple agents, review changes, open PRs. Multi-provider, self-hostable, no telemetry.". Dieser Text bleibt bei Fakten, die im Repository überprüfbar sind. Sterne, Forks und Badges zeigen Aufmerksamkeit, aber keine Qualität. Unter „Kandev" steht: Manage and run tasks in parallel. Orchestrate agents. Review changes. Ship value.. Das beschreibt den vorgesehenen Umfang, nicht einen Produktionstest.
Geeignete Einsatzfälle · kdlbs kandev
Der Abschnitt „Vision" zeigt, für welches Problem das Projekt gedacht ist: Your workflow - Every team is different, and not every developer uses AI the same way. Define workflows once, share them across the team, and give everyone a consistent process for working with agents - regardless of experience level.. Passt dieses Problem nicht zu deinem Fall, ist Popularität kein ausreichender Grund. Namen, Befehle und Komponenten bleiben unverändert, damit Leser die Primärquelle ohne neue Begriffe vergleichen können. Ein weiterer überprüfbarer README-Punkt lautet: Review-first - Humans support production systems. We need to understand (yet) and trust the code that gets deployed.. Er hilft beim ersten Test, ersetzt aber keinen Test in der vorgesehenen Umgebung.
Funktionsweise · kdlbs kandev
Die Betriebsweise verteilt sich auf Abschnitte wie „What". Die Quelle nennt: Organize work across kanban and pipeline views with opinionated workflows and execute multiple tasks in parallel. Assign agents from any provider, and review their output in an integrated workspace - file editor, file tree, terminal,. Fehlende Angaben zu Architektur, Leistung oder Sicherheit werden nicht ergänzt. Vor einem echten Einsatz müssen Repository-Struktur, Konfigurationsdateien und Release-Verlauf geprüft werden.
Installation und erster Start · kdlbs kandev
Beginne die Installation am dokumentierten README-Einstieg. Ein überprüfbarer Befehl ist:
brew install kdlbs/kandev/kandev kandev
Wenn kein ausführbarer Befehl vorhanden ist, wird hier keiner erfunden. Prüfe den Abschnitt „What" auf Abhängigkeiten, Standardports und die Einrichtung beim ersten Start.
Konfiguration und täglicher Betrieb · kdlbs kandev
Der tägliche Betrieb folgt der Projektdokumentation. Im Abschnitt „What" steht: Run it locally or self-host it on your own infrastructure and access it from anywhere via Tailscale or any VPN.. Konfiguration, Umgebungsvariablen, Rechte und Datenpfade werden nur bei klarer Quelle beschrieben. Unklare Defaults gehören in einen isolierten Test mit rücksetzbarer Konfiguration. Dieselbe Quelle nennt außerdem: Remote agents - Running multiple agents on a large codebase can quickly saturate a local machine. The goal is a single control plane: offload execution to servers, orchestrate from anywhere, including your phone..
Grenzen laut README · kdlbs kandev
Die Grenzen sind ebenso wichtig wie die Funktionen. Für kdlbs/kandev belegt die Quelle keine feste Kompatibilitätsmatrix, Leistungswerte, Servicegarantie oder dauerhafte Unterstützung. Das README nennt lediglich: „Open source, multi-provider, no telemetry, not tied to any cloud.". Offene Punkte bleiben Prüfaufgaben und werden nicht zu Produktversprechen.
Sicherheit, Datenschutz und Lizenz · kdlbs kandev
Metadaten und LICENSE weisen die SPDX-Lizenz AGPL-3.0 aus. Das klärt die Bedingungen für Verteilung und Änderung, ersetzt aber keine Sicherheitsprüfung. Umgang mit Zugangsdaten, Netzfreigaben, Logs und Drittanbieter-Abhängigkeiten muss separat bewertet werden, wenn das README ihn nicht beschreibt.
Wartung und Updates · kdlbs kandev
Für die Wartungsplanung sind der Standardbranch main, 538 Sterne, 76 Forks und 50 offene Issues nachvollziehbare Signale. Im Abschnitt „Vision" steht: > Humans stay in control. Define tasks, build agentic workflows with gates, review every change, decide what ships.. Das hilft bei der Planung, ersetzt aber keinen Upgrade-Test. Für die Wartung sollte auch der README-Abschnitt "Features" geprüft werden: See docs/features.md for the full feature inventory, including settings, secrets, custom prompts, and MCP task capabilities.. Für kdlbs-kandev-deep-analysis sollte die Entscheidung deshalb an einem kleinen, nachvollziehbaren Szenario beginnen. Nutze genau die im README genannten Einstiegspunkte und notiere Version, Betriebssystem, Eingaben und beobachtete Ausgabe. Bei einem Lernprojekt zählt, ob ein Leser die zentrale Idee nach dem ersten Beispiel selbst erklären kann. Bei einer Anwendung zählt, ob der beschriebene Ablauf mit den eigenen Dateien, Konten oder Arbeitsabläufen wiederholbar ist. Fehlende Angaben zu Sicherheit, Leistung, Kompatibilität oder Wartung bleiben offene Fragen und werden nicht durch die Popularität des Repositorys ersetzt. Prüfe auch, welche Teile von Drittkomponenten abhängen und ob ein Update diese Abhängigkeit verändert. Ein gutes Ergebnis ist dabei nicht automatisch eine Empfehlung. Es zeigt nur, welche Funktion in der eigenen Umgebung belegt ist und wo weitere Untersuchung nötig bleibt. Für kdlbs-kandev-deep-analysis sind die Repository-Dateien, die README-Abschnitte und die verlinkten offiziellen Seiten die konkreten Anker dieser Prüfung. So bleibt die Einschätzung an den tatsächlichen Projektumfang gebunden und trennt dokumentierte Eigenschaften von Erwartungen des Betreibers.
Redaktionelles Fazit
Redaktionelle Einschätzung: kdlbs/kandev passt dort, wo die dokumentierte Aufgabe zur eigenen Umgebung passt. Diese Seite ist eine Installations- und Prüfhilfe, kein Bericht über einen eigenen Betrieb. Führe den genannten Befehl isoliert aus, vergleiche das Ergebnis mit dem README und lege danach den Betriebsumfang fest. Vor der Auswahl sollte auch der README-Abschnitt "In progress: Office mode" geprüft werden: We're working on Office mode, a feature-flagged autonomy layer for persistent agent teams. The direction is agent instances with roles and permissions, dashboards, inbox/approvals, routines, task delegation, skills, memory, cost tracking,. Prüfe für dieses Projekt konkret die dokumentierte Version, die genannten Dateien oder Befehle und das Ergebnis in deiner Zielumgebung, bevor du den Umfang des Einsatzes festlegst.
Community-Notizen