Spring IVE 1.5 — Mit einem Agenten mit Code-Kontext in Slack sprechen, Arbeitsverlauf von Vibe Coding verwalten, Kosten von Mensch + AI nachverfolgen

Ein Web-Dashboard, mit dem AI-CLI-Agenten wie Claude, Gemini, Codex und OpenCode GitLab/GitHub-Issues
automatisch erkennen, Code schreiben und anschließend sogar MR/PRs erstellen, Spring IVE, wurde in
Version 1.5 veröffentlicht. Hier sind die in dieser Version neu hinzugekommenen Funktionen.

Slack-Integration — Mit einem Agenten mit Code-Kontext sprechen

Per Mention kann man direkt mit dem IVE-Agenten sprechen. Der entscheidende Punkt ist, dass der Bot das
jeweilige Projekt-Repo klont und dadurch den Code-Kontext unverändert kennt.
Fragt man in Slack etwa „Wo wird diese Funktion verarbeitet?“, „Wie funktioniert diese API?“ oder
„Warum wurde das so implementiert?“, antwortet er auf Grundlage des tatsächlichen Codes. So lässt er
sich wie ein internes „Callcenter“ nutzen, das Implementierungen erklärt und Funktionen erläutert.
Auch DM-Benachrichtigungen zu Statusübergängen werden unterstützt — von Warten auf Verifizierung →
Verifizierer, Warten auf Bestätigung → Bestätiger, Abgeschlossen → Ersteller (mehrsprachig passend
zur Sprache des erwähnten Nutzers).

Verwaltung des Arbeitsverlaufs von Vibe Coding

Auch Arbeiten, die lokal direkt mit Vibe-Coding-Tools wie Claude Code erledigt wurden, erkennt IVE
automatisch und speichert sie im Verlauf. So wird nicht nur die Ausführung von Agenten innerhalb von
IVE erfasst, sondern auch alles, was Entwickler per Vibe Coding bearbeitet haben, an einem Ort
gebündelt.
Dadurch können Entwickler selbst systematisch verwalten, „wann, was, mit welchem Tool und wie viel“
sie gearbeitet haben, ohne dass Informationen verstreut verloren gehen. Auch ohne manuelle
Dokumentation werden Arbeitsverlauf, Token und Kosten automatisch aufbereitet und lassen sich direkt
für Retrospektiven oder Arbeitsberichte nutzen.

Einheitliche Unterstützung für Bildeingaben

Der Agent analysiert Bilder, die an Web-Chat, Slack-Mentions sowie Issue-Texten/-Kommentaren
angehängt sind. Wer einen Bug per Screenshot meldet, kann ihn sofort bearbeiten lassen.

Berichte — Umfangreichere und präzisere Kostenanalyse

Das Kostenmodell wurde erweitert, sodass nicht nur die Token-Kosten der Agenten, sondern auch die für
Verifizierung und Entwicklung aufgewendete menschliche Zeit gemessen und als Selbstkosten berechnet
werden.

• Unterschiedliche Personalkosten über nutzerspezifische Preisfaktoren (rate_multiplier)
• Anzeigewährung und Wechselkursumrechnung — direkt z. B. in KRW einsehbar
• Gestapelte Verteilungsbalken zur Visualisierung, „wo sich Kosten ansammeln“
  So werden die gemeinsamen Kosten von Mensch und AI auf einem Bildschirm präzise erfasst.

Ablauf

1. GitLab/GitHub-Projekt verbinden und Ziellabel festlegen (z. B. IVE)
2. Der Scanner pollt Issues — wird ein Issue mit dem Label gefunden, wird es in die Ausführungswarteschlange eingetragen
3. Der zugewiesene AI-Agent klont das Repo und führt CLIs wie claude oder gemini aus
4. Nach Abschluss werden MR/PR erstellt, ein Issue-Kommentar hinterlassen und Statusübergänge per Slack gemeldet

Als Nächstes (2.0-Roadmap)

Mit einer Linear-Integration wird die Projektverwaltung weiter ausgebaut. Durch Funktionen für Termin-
und Fortschrittsmanagement wie WBS (Work Breakdown Structure) soll künftig nicht nur die automatische
Issue-Bearbeitung, sondern auch Projektplanung und -verfolgung an einem Ort möglich sein.

Tech-Stack

Next.js 16 (App Router), React 19, Tailwind CSS 4, xterm.js /
Node.js-Custom-Server (node-pty, WebSocket) / SQLite(better-sqlite3) /
Unterstützte Agenten: Claude Code, Gemini CLI, Codex, OpenCode

Delegiert hochgradig wiederkehrende Issues an Agenten, damit sich das Team auf Verifizierung und
Entscheidungen konzentrieren kann. Jetzt läuft dieser gesamte Ablauf in Slack, ein Agent mit
Code-Kontext erklärt Implementierung und Funktionalität, und auch die gemeinsam von Mensch und AI
verursachten Kosten werden präzise nachverfolgt.