Spring IVE 1.5 — conversa en Slack con agentes que entienden el contexto del código, gestión del historial de trabajo de vibe coding y seguimiento de costos de personas + IA

Lanzamos la versión 1.5 de Spring IVE, un panel web que permite que agentes CLI de IA como Claude, Gemini, Codex y OpenCode detecten automáticamente issues de GitLab/GitHub, escriban código y hasta creen MR/PR. Compartimos las funciones agregadas en esta versión.

Integración con Slack — conversa con agentes que entienden el contexto del código

Ahora puedes conversar directamente con el agente de IVE mediante menciones. Lo clave es que el bot clona el repositorio del proyecto y entiende el contexto real del código.
Si preguntas en Slack "¿dónde se maneja esta función?", "¿cómo funciona esta API?" o "¿por qué se implementó así?", responde con base en el código real. Puede usarse como una especie de "centro de atención" interno que explica implementaciones y funcionalidades.
También admite mensajes directos de notificación sobre transiciones de etapas, como de pendiente de validación → validador, pendiente de revisión → revisor y completado → creador (multilingüe según el idioma del usuario mencionado).

Gestión del historial de trabajo de vibe coding

IVE también detecta automáticamente y deja registrado como historial el trabajo hecho directamente en local con herramientas de vibe coding como Claude Code. No solo se reúnen en un solo lugar las tareas ejecutadas por agentes dentro de IVE, sino también lo que el desarrollador resolvió con vibe coding.
Gracias a esto, el propio desarrollador puede gestionar de forma ordenada y sin dispersión "cuándo, qué, con qué herramienta y cuánto" trabajó. Sin necesidad de registrar todo manualmente, el historial de trabajo, los tokens y los costos se organizan automáticamente, por lo que se pueden aprovechar tal cual para retrospectivas o reportes de trabajo.

Soporte unificado para entrada de imágenes

El agente analiza imágenes adjuntas en el chat web, menciones de Slack y cuerpo/comentarios de issues.
Si reportas un bug con una captura de pantalla, puede procesarlo de inmediato.

Reportes — análisis de costos más rico y preciso

Reforzamos el modelo de costos para calcular no solo el costo de tokens de los agentes, sino también el tiempo humano invertido en validación y desarrollo, medido directamente y convertido en costo real.

• Reflejo diferenciado del costo laboral mediante multiplicadores de tarifa por usuario (rate_multiplier)
• Moneda de visualización y conversión de tipo de cambio — ver directamente en won coreano (KRW), entre otras
• Barra de distribución acumulada por proporción para visualizar "dónde se acumulan los costos"
  Los costos compartidos entre personas e IA quedan reflejados con precisión en una sola pantalla.

Flujo de funcionamiento

1. Conecta un proyecto de GitLab/GitHub y configura la etiqueta objetivo (por ejemplo, IVE)
2. El escáner sondea los issues — cuando detecta un issue con la etiqueta, lo registra en la cola de ejecución
3. El agente de IA asignado clona el repositorio y ejecuta CLI como claude o gemini
4. Al terminar el trabajo, crea el MR/PR, comenta en el issue y notifica por Slack la transición de etapa

Lo siguiente (hoja de ruta 2.0)

Vamos a reforzar las funciones de gestión de proyectos con integración con Linear. Al sumar también la gestión de cronogramas y avance, incluyendo WBS (estructura de desglose del trabajo), planeamos cubrir en un solo lugar desde el procesamiento automático de issues hasta la planificación y seguimiento de proyectos.

Stack tecnológico

Next.js 16 (App Router), React 19, Tailwind CSS 4, xterm.js /
servidor personalizado de Node.js (node-pty, WebSocket) / SQLite(better-sqlite3) /
agentes compatibles: Claude Code, Gemini CLI, Codex, OpenCode

Deleguen a los agentes los issues altamente repetitivos y permitan que el equipo se concentre en la validación y la toma de decisiones.
Ahora todo ese flujo funciona dentro de Slack, con agentes que entienden el contexto del código y explican implementaciones y funciones, mientras que también se rastrean con precisión los costos compartidos entre personas e IA.