Was ist Gentle-AI?
Gentle-AI ist ein einzelnes Go-Binary, das die Konfiguration der Coding-Agenten umschreibt, die du schon hast, etwa Claude Code, Codex, Cursor, OpenCode, Gemini CLI und Pi. Ein Terminal-Installer fragt, welche Agenten, Komponenten und welche Persona du willst, und schreibt dann Prompt-Dateien, Skills, MCP-Server-Einträge, Berechtigungsregeln und Hooks in die eigene Konfiguration jedes Agenten. Einen Agenten installiert er nie selbst.
Die Komponenten sind Engram (persistentes Gedächtnis, per MCP aus einem lokalen SQLite-Speicher bereitgestellt), eine Skills-Bibliothek, der Dokumentationsserver Context7, eine Sperrliste für Berechtigungen, eine Persona, der Provider-Umschalter GGA und ein Theme. Darüber liegen zwei Workflows: Organic Driven Development (ODD) hält kleine Änderungen inline und schreibt nur für Arbeit über mehrere Sitzungen ein Feature-Dokument, und Receipt-Driven Development (RDD) friert eine fertige Änderung ein und prüft sie in einer Tiefe, die ihr Risiko bestimmt. Alan Buscaglia (Gentleman Programming) pflegt das Projekt, finanziert über GitHub Sponsors und Beratung.
Lohnt sich Gentle-AI?
Gentle-AI ist weniger ein Skills-Paket als ein Konfigurationsmanager: Es übernimmt Teile der Einstellungen jedes unterstützten Agenten und hält sie synchron, und genau das ist zugleich sein Nutzen und sein größtes Risiko. Es hat rund 9.100 GitHub-Sterne und 896 Forks und hat zwischen dem 28. Februar und dem 7. November 2026, als v4.4.0 erschien, 297 Releases veröffentlicht. Das ist mehr als ein Release pro Tag.
Der Workflow spricht sich gegen schwere Planung aus. ODD bemisst eine Aufgabe danach, ob sie sich aus dem Diff wieder aufnehmen lässt, nicht nach der Zahl der Dateien, und der Orchestrator startet einen Subagenten nur, wenn er einen von vier Gründen nennen kann: Erkundung, parallele Schreiber, eine Kontext-Reserve oder ein unabhängiger Prüfer. Laut dem eigenen Benchmark des Projekts, ein Lauf pro Zelle, sank ein 3-Zeilen-Bug von 335 Sekunden und 0,339 $ auf 77 Sekunden und 0,105 $, nachdem das Routing ihn inline erledigte. Dieselben Notizen räumen ein, dass eine große Aufgabe weiterhin 17,5 bis 17,9 Minuten brauchte, gegenüber 6,1 Minuten im reinen Codex CLI. Der frühere spezifikationsgetriebene Workflow (SDD) wurde in v4.0.0 entfernt, ältere Tutorials passen also nicht mehr.
Was es auf deinem Rechner ablegt, verdient eine klare Aufzählung. Das Installationsskript fügt deiner Shell-Startdatei eine Zeile für den PATH hinzu. Engram speichert Erinnerungen in lokalem SQLite und kann sie in einen Ordner .engram/ für git exportieren oder auf einen Engram-Cloud-Server spiegeln, den du angibst. GGA installiert ein zweites globales Binary, und das optionale Tool CodeGraph installiert seine eigene CLI. In Claude Code ergänzt es Hooks für Start, Review und Telemetrie. Jede Installation, Synchronisierung und jedes Upgrade sichert vorher die Konfigurationen, die es anfasst, und behält die 5 neuesten Backups.
Die Berechtigungskomponente ist ein echter Schutz mit benannten Lücken. Sie verbietet dem Agenten das Lesen und Bearbeiten von ~/.ssh, .env-Dateien, Cloud-Zugangsdaten und Schlüsseldateien in Claude Code, OpenCode und Kilo Code, und in OpenCode blockiert sie Force-Pushes und rekursives rm auf dem Home-Verzeichnis. Laut Doku ist das Lesen eines Geheimnisses über bash oder grep nicht gesperrt, und Wrapper wie env oder xargs rutschen an den Wildcard-Regeln vorbei. Telemetrie ist standardmäßig an: eine zufällige Installations-ID, Version, Betriebssystem, installierte Agenten und Review-Zähler, höchstens einmal am Tag gesendet, dazu Modellnamen und Token-Zahlen aus den Hooks unterstützter Agenten. DO_NOT_TRACK, GENTLE_AI_TELEMETRY=0 oder gentle-ai telemetry disable schalten sie ab, und beim ersten Lauf wird nichts gesendet.
Im Vergleich zu Superpowers, einer festen Abfolge von Skills für einen einzelnen Agenten, ist Gentle-AI aufwendiger einzuführen und bei kleinen Aufgaben leichter. Es lohnt sich dort, wo ein Team Agenten mischt und für alle ein Gedächtnis und einen Review-Standard will; wer nur Claude Code nutzt, erbt damit viel bewegliche Konfiguration.
Wo es sich lohnt
Ein freiberuflicher Entwickler, der unter der Woche zwischen Claude Code, Codex und Cursor wechselt
Nicht mehr bei jedem Sitzungsneustart dieselben Projektentscheidungen erklären
Engram wird in allen drei als MCP-Server eingebunden, sodass eine in einem Agenten gespeicherte Entscheidung aus den anderen durchsuchbar ist. Die Erinnerungen bleiben in lokalem SQLite; engram sync schreibt sie nach .engram/, wenn du sie im Repo haben willst. Keine Kosten außer der Modellnutzung.
Ein Tech Lead in einem Fünf-Personen-Startup, in dem jeder Entwickler anders promptet
Dem Agenten jedes Entwicklers dieselben Schutzregeln und dieselbe Review-Tiefe geben
Jeder Entwickler führt den Installer mit demselben Preset aus; die Berechtigungskomponente sperrt das Lesen von ~/.ssh und .env-Dateien, und RDD richtet das Review nach dem Risiko aus, statt bei jeder Änderung vier Reviewer laufen zu lassen. Rechne angesichts des Release-Takts damit, gentle-ai sync oft erneut auszuführen.
Ein Backend-Entwickler, der kleine Bugs mit einem Agenten behebt, der zu viel plant
Fixes an einer einzelnen Funktion ohne Planungs-Pipeline erledigen
ODD hält verstandene Arbeit mit geringem Risiko inline, mit einem zuerst geschriebenen fehlschlagenden Test. Der n=1-Benchmark der Maintainer zeigt einen 3-Zeilen-Bug, der von 56 Turns auf 10 sinkt; nimm das als Hinweis, nicht als Messung deiner Codebasis.
Bevor du dich festlegst
- Einrichtung
- brew install oder ein curl-zu-bash-Skript unter macOS und Linux; unter Windows go install mit Go 1.25.10 oder neuer. Starte gentle-ai, um Agenten, Komponenten und Persona zu wählen, danach gentle-ai doctor für einen schreibgeschützten Zustandscheck. Release-Signaturen lassen sich prüfen.
- Integrationen
- Das README zählt 17 Integrationen, darunter Claude Code, Codex, Cursor, OpenCode, Kilo Code, Gemini CLI, VS Code Copilot, Windsurf, Antigravity, Kiro, Qwen Code, Hermes und Pi (über Gentle Shell); die Agenten-Doku führt zusätzlich GitHub Copilot CLI. Conductor wird erkannt, erhält aber keine verwalteten Schreibvorgänge. Context7 und CodeGraph werden als MCP-Server hinzugefügt.
- Daten und Datenschutz
- Kein gehosteter Dienst nötig: Das Gedächtnis ist lokales SQLite, optional exportierbar nach git oder auf einen Engram-Cloud-Server, den du konfigurierst. Anonyme Telemetrie ist standardmäßig an und Feld für Feld dokumentiert; sie schließt Pfade, Repo-Namen, Prompts und Code aus, enthält aber öffentliche Modell-IDs und Token-Zahlen. GitHub listet keine Sicherheitshinweise.
- Kosten im großen Maßstab
- Kostenlos unter MIT. Die echten Kosten sind die Modellnutzung, die die Routing-Regeln senken sollen, und die Zeit, Konfigurationen bei jedem neuen Release erneut zu synchronisieren; der Maintainer verkauft Beratung für Team-Einführungen zu nicht veröffentlichten Preisen.
- Grenzen
- 366 offene Issues. Die Fähigkeiten hängen vom Agenten ab, zum Beispiel bekommen Cursor und Antigravity die verwalteten Review-Agenten nicht. Die Doku folgt main und ist voller Migrationsdetails, und die Berechtigungsregeln können Shell-Wrapper und verschachtelte Shells nicht auswerten.
Was gut ist
- Ein Installer konfiguriert 17 Agenten mit demselben Gedächtnis, denselben Skills und Review-Regeln
- Kleine Aufgaben laufen inline, ohne Subagenten oder Planungsdokumente
- Konfigurations-Snapshot vor jedem Schreibvorgang, mit Wiederherstellung und einem schreibgeschützten doctor-Befehl
- Telemetrie ist Feld für Feld dokumentiert, mit Vorschau-Befehl und mehreren Wegen zum Abschalten
Was nicht
- Knapp 300 Releases in etwa acht Monaten; Verhalten und Dateistruktur ändern sich laufend
- Telemetrie und RDD-Review sind beide standardmäßig an
- Die Sperrliste verhindert nicht, dass Geheimnisse über bash oder grep gelesen werden
- Funktionen unterscheiden sich je nach Agent, und Pi braucht das separate Paket Gentle Shell
Am besten für
Entwickler oder kleine Teams mit zwei oder mehr Coding-Agenten, die gemeinsames Projektgedächtnis und einen Review-Standard für alle wollen.
Alternativen zu Gentle-AI
Gentle-AI: häufige Fragen
- Lohnt sich Gentle-AI?
- Eine durchdachte, gut abgesicherte Einrichtungsschicht für alle, die mehrere Coding-Agenten nutzen, gebremst durch den Release-Takt und eine Dokumentation, die kaum jemand bis zum Ende liest. Wir bewerten es mit 4.0 von 5.
- Was kostet Gentle-AI?
- Kostenlos und Open Source (MIT). Du zahlst die Modellnutzung der Agenten, die es konfiguriert.
- Welche Nachteile hat Gentle-AI?
- Knapp 300 Releases in etwa acht Monaten; Verhalten und Dateistruktur ändern sich laufend; Telemetrie und RDD-Review sind beide standardmäßig an; Die Sperrliste verhindert nicht, dass Geheimnisse über bash oder grep gelesen werden; Funktionen unterscheiden sich je nach Agent, und Pi braucht das separate Paket Gentle Shell.
- Für wen eignet sich Gentle-AI?
- Entwickler oder kleine Teams mit zwei oder mehr Coding-Agenten, die gemeinsames Projektgedächtnis und einen Review-Standard für alle wollen.
- Was kostet Gentle-AI für ein Team oder im Produktivbetrieb?
- Kostenlos unter MIT. Die echten Kosten sind die Modellnutzung, die die Routing-Regeln senken sollen, und die Zeit, Konfigurationen bei jedem neuen Release erneut zu synchronisieren; der Maintainer verkauft Beratung für Team-Einführungen zu nicht veröffentlichten Preisen.
- Ist Gentle-AI sicher für Firmendaten?
- Kein gehosteter Dienst nötig: Das Gedächtnis ist lokales SQLite, optional exportierbar nach git oder auf einen Engram-Cloud-Server, den du konfigurierst. Anonyme Telemetrie ist standardmäßig an und Feld für Feld dokumentiert; sie schließt Pfade, Repo-Namen, Prompts und Code aus, enthält aber öffentliche Modell-IDs und Token-Zahlen. GitHub listet keine Sicherheitshinweise.
- Was sind die besten Alternativen zu Gentle-AI?
- Die nächsten Alternativen, die wir getestet haben, sind Superpowers, Everything Claude Code (ECC), BMAD Method, claude-mem und Spec Kit.
Antworten geprüft am 13. Nov. 2026.
Du entwickelst Gentle-AI? Zeig diese Bewertung auf deiner Website
