VS Code Agent Kanban: Markdown-basierte Aufgabenverwaltung für KI-Codierungsagenten

Was VS Code Agent Kanban leistet
VS Code Agent Kanban ist eine VS Code-Erweiterung, die eine speziell für Entwickler konzipierte Aufgabenverwaltung bietet, die KI-Codierungsassistenten wie GitHub Copilot einsetzen. Sie löst das Problem des Kontextverlusts, bei dem Planungsgespräche, Entscheidungen und Begründungen verschwinden, wenn Chat-Sitzungen gelöscht oder geschlossen werden.
Wichtige Funktionen
- GitOps- und teamfreundliche Kanban-Board-Integration in VS Code - Der gesamte .agentkanban/-Ordner ist dafür ausgelegt, in die Versionskontrolle aufgenommen zu werden
- Strukturierter Plan / To-do / Implementierung über @kanban-Befehle - Benutzer geben Befehle wie 'plan', 'todo' und 'implement' im Chat-Fenster ein, um den Arbeitsablauf des Assistenten zu steuern
- Nutzt Ihre bestehende Agenten-Umgebung - Verwendet Ihre aktuelle KI-Codierungsassistenten-Einrichtung anstatt eine eigene mitzuliefern
- .md-Aufgabenformat als dauerhafte Quelle der Wahrheit - Jede Aufgabe ist eine Markdown-Datei mit YAML-Frontmatter, die Titel, Kanban-Spalte und Zeitstempel verfolgt
Wie es funktioniert
Jede Aufgabe wird als .md-Datei in einem .agentkanban/tasks/-Ordner gespeichert. Der Hauptteil enthält strukturierte Konversationsprotokolle mit [user]- und [agent]-Markierungen. Hier ist das Beispielformat aus der Quelle:
--- title: OAuth2 implementieren lane: doing created: 2026-03-08T10:00:00.000Z updated: 2026-03-08T14:30:00.000Z description: OAuth2-Integration für die API --- ## Konversation [user] Lassen Sie uns die OAuth2-Implementierung planen. Wir müssen sowohl Device Code als auch Client Credentials Flows unterstützen. [agent] Hier ist meine Analyse der beiden OAuth2-Ansätze für Ihre API... [user] Nehmen Sie hier, hier und hier Änderungen vor [agent] Hier ist mein aktualisierter Plan ...
Die Erweiterung erstellt einen klaren Plan/To-do/Implementierungs-Workflow, bei dem Benutzer in GitHub Copilot Chat die Bereitschaft bestätigen, woraufhin die Agenten-Umgebung mit dem gesamten im Markdown gespeicherten Kontext beginnt.
Vorteile für Teams
Da Aufgaben als reine Textdateien gespeichert werden:
- Sind sie natürlich vergleichbar und zusammenführbar - keine Merge-Konflikte durch undurchsichtige Binärzustände
- Erhalten Teams gemeinsame Einblicke, woran die KI arbeitet und was entschieden wurde
- Können zukünftige Entwickler nicht nur sehen, was gebaut wurde, sondern auch warum, in den tatsächlichen Worten des Planungsgesprächs
- Bietet eine Prüfspur für regulierte oder Unternehmensumgebungen
Dieser Ansatz ist besonders nützlich für Entwickler, die regelmäßig Kontextgrenzen bei KI-Assistenten erreichen oder Kontinuität über mehrere Arbeitssitzungen hinweg aufrechterhalten müssen.
📖 Lesen Sie die vollständige Quelle: HN AI Agents
👀 Siehe auch

Verwendung eines lokalen LLM als Claude-Code-Subagent zur Reduzierung des Kontextverbrauchs
Ein Entwickler teilt eine Methode, um Claude Code zu nutzen, um Aufgaben über die LM Studio API an ein lokales LLM zu delegieren, wobei der Dateiinhalt aus dem Kontext von Claude ferngehalten wird. Der Ansatz verwendet ein Python-Skript von etwa 120 Zeilen mit Tool-Calling, um Dateien lokal zu lesen und Zusammenfassungen zurückzugeben.

Termrender: 6-fach token-effiziente ASCII-UI-Visualisierung für Claude
Termrender ist ein Open-Source-Python-Tool, das ASCII-UI-Visualisierungen mit einer 6-fachen Token-Effizienz im Vergleich zu rohen Claude-Ausgaben erzeugt. Es erstellt Diagramme und Panels mit minimalen Tokens für schnellere Generierung und Bearbeitung.

Skill Bill: Ein Markdown-basiertes Governance-Framework für KI-Codierfähigkeiten
Ein Entwickler hat Skill Bill erstellt, ein Framework mit 44 auf Markdown basierenden KI-Fähigkeiten für Kotlin, Android/KMP, PHP und Go, das Probleme beim Prompt-Management wie Namensabweichungen und doppelte Logik adressiert. Es umfasst Orchestrator-Fähigkeiten wie 'feature-implement', die 10-12 Fähigkeitsaufrufe verketten, und synchronisiert mit Claude Code, Copilot, GLM und Codex.

Entscheidungspass: Eine Audit-Schicht für die Governance der KI-Agenten-Ausführung
Der Claude-Code-Leak verdeutlicht eine Lücke in der Governance von KI-Agenten. Decision Passport adressiert dies mit nur-anhängbaren Ausführungsprotokollen, portablen Nachweisbündeln und Offline-Verifizierung für manipulationssichere Prüfpfade.