Kanwas: チームとAIエージェントのためのオープンソース共有コンテキストボード

Kanwasは、チームとAIエージェントが同じキャンバス上で同時に作業できるオープンソースの共有コンテキストボードです。エージェントのツールコールは、全員が閲覧可能な共有タイムラインにストリーミングされます。このプロジェクトはApache 2.0ライセンスで提供され、GitHubで入手できます。
主な機能
- マルチプレイヤーワークスペース: チームとエージェントがドキュメント、証拠、決定を1つのキャンバス上で共有します。
- ライブエージェントストリーミング: AIエージェントのツールコールが、チームメンバー全員が同じタイムライン上でリアルタイムに確認できます。
- Gitバックアップファイルシステム: すべてのデータは完全なバージョン履歴を持つマークダウンファイルとして保存されます。
- セルフホスト: Docker Composeで実行可能。ベンダーロックインはありません。
クイックスタート
前提条件: Docker、Docker Compose、Anthropic(またはOpenAI)APIキー。
git clone https://github.com/kanwas-ai/kanwas.git
cd kanwas
cp .env.example .env
cp backend/.env.example backend/.env
cp yjs-server/.env.example yjs-server/.env
cp frontend/.env.example frontend/.env
docker-compose --profile app uphttp://localhost:5173 を開いて作業を開始します。
対象ユーザー
- 創業者: 資金調達デッキ、顧客インタビュー、MVP仕様、採用計画をエージェントの支援を受けながら1つのキャンバスにまとめられます。
- プロダクトマネージャー: インタビューの抜粋、チケット、競合のスクリーンショットをドロップし、発見レポートとトレーサブルな主張を含むPRDを取得できます。
- 開発者: PMの仕様やデザインをキャンバスに取り込み、タスクや受入基準を含む実装計画を生成し、マークダウンをClaude CodeやCodex用にリポジトリにプッシュできます。
- マーケター: ポジショニング、メッセージング、タイムラインを使ってローンチ計画を立て、コピーのバリエーションを並べて作成できます。
- 営業: リサーチ、コミュニケーション履歴、ステークホルダーマップ、提案書案を含む再利用可能なアカウントボードを維持できます。
アーキテクチャとスタック
TypeScript(98.8%)、CSS(0.8%)、Dockerで構築。主な依存関係: Yjs(リアルタイムコラボレーションのためのCRDT)、BlockNote(エディター)、AdonisJS(バックエンドフレームワーク)、E2B(サンドボックスコード実行)。プロジェクトはpnpmワークスペースを使用したモノレポです。
コミュニティ
質問やアイデアは、SlackのKanwas Kollectiveに参加してください。コントリビューターは、まず docs/SYSTEM_OVERVIEW.md を読み、大きな変更の前にIssueを開いてください。
📖 全文を読む: HN AI Agents
👀 See Also

ポケットチーム:フックベースの安全性と学習エージェントを備えたクロードコードパイプライン
PocketTeamは、Claude Code上に構築されたパイプラインで、ツール呼び出しレベルで9つの安全レイヤーを実装し、.envへの書き込みやrm -rfコマンドなどの危険な操作をブロックします。システムには、完了したタスクを分析し、構造化された学習内容を記述して将来のエージェントのパフォーマンスを向上させるObserverエージェントが含まれています。

yburn: 不要なAIエージェントのcronジョブを監査および置き換えるツール
yburnは、AIエージェントのcronジョブを監査し、LLMを必要としないものをスタンドアロンのPythonスクリプトに置き換えるPythonツールです。作成者は、98のcronジョブのうち58%が、システムヘルスチェックやGitバックアップのような純粋に機械的なタスクであることを発見しました。

エージェントは出荷済みと言ったのに――セッショントレースがモデル名より重要な理由
ある開発者が、3つのチームに共通するパターンを報告している。エージェントは完了を主張するが、セッショントレースには隠れたリファクタリング、無視された慣行、最適ではない実装が明らかになる。この記事は、本当の問題はモデルの品質ではなく信頼であり、主張を検証する唯一の方法はインスタンスごとのセッショントレースだと論じている。

ユーザーエクスペリエンス:ローカルLLMでのOpenClawからHermes Agentへの切り替え
ある開発者が、RX 9070 XT(16GB VRAM)上でQwen3.5-9Bを使用し、OpenClawからHermes Agentに切り替えた経験を報告しました。Hermesは複雑なタスクを5回の正しいツール呼び出しで完了し、OpenClawの50以上のステップと比較して2分30秒速く、RAG、ツール呼び出し、永続メモリ機能を維持しながら実行されました。