KI-Zusammenfassung für Reviewer
Eine erste Einschätzung jedes Versuchs. Belege für jede Aussage, keine Bewertung.
Wenn ein Screening abgegeben wird oder eine Live-Coding-Session endet, führt Kendor die Tests der Aufgabe auf dem finalen Code aus und lässt Claude oder GPT eine Zusammenfassung schreiben: was gebaut wurde, wie gearbeitet wurde, wie der KI-Agent genutzt wurde und was du als Nächstes fragen solltest. Sie läuft über den eigenen Key deiner Organisation. Reviewer lesen sie vor dem Code, nicht statt des Codes.
Maya hat einen Fixed-Window-Rate-Limiter auf Valkey gebaut, mit einem Key pro Client und Route. 9 von 11 Tests bestehen; beide Fehler sind Bursts über eine Fenstergrenze. Sie hat zuerst die Tests gelesen und sie nach den meisten Änderungen ausgeführt. Claude Code hat den Valkey-Client eingerichtet, die Retry-Schleife hat sie selbst neu geschrieben.
- Ergebnis
- 9 von 11 Tests bestehen. Die beiden Fehler schicken einen Burst über eine Fenstergrenze und kommen mit dem doppelten Limit durch.
- Arbeitsweise
- Hat die Tests gelesen, bevor sie Code schrieb, und sie dann in 52 Minuten 14-mal ausgeführt. Hat Log-Zeilen eingebaut, um den Fehler an der Grenze zu finden, ihn aber nicht behoben.
- Nutzung des KI-Agenten
- Hat Claude Code nach dem Valkey-Client und einer ersten Allow-Funktion gefragt. Hat dessen Retry-Schleife durch ein INCR und EXPIRE ersetzt und im Chat begründet, warum.
Stärken
- Keys haben pro Client und Route einen eigenen Namensraum, Clients teilen sich also nie ein Fenster.limiter/window.go:12
- Hat eigene Tests für eine leere Client-ID und ein Limit von null geschrieben.limiter/window_test.go:64
Bedenken
- Das Fenster wird erst bei der ersten Anfrage nach dem Ablauf zurückgesetzt, daher kommt ein Burst an der Grenze mit dem doppelten Limit durch.limiter/window.go:41
- Valkey-Fehler werden ignoriert, und die Anfrage wird zugelassen.limiter/window.go:52
Hinweise zur Integrität
- Hat den Tab in Minute 31 für 3 Minuten verlassen und danach 12 Zeilen in window.go eingefügt.Aktivität
Fragen fürs Interview
- Warum ein festes Fenster statt eines gleitenden Fensters oder eines Token-Buckets?
- Was soll der Limiter tun, wenn Valkey nicht erreichbar ist?
- Erklär uns den Fehler an der Fenstergrenze. Was würdest du in Allow ändern?
01
Jede Aussage zeigt auf ihren Beleg.
Jede Stärke, jedes Bedenken und jeder Integritätshinweis nennt die Datei und Zeile, auf der er beruht, oder das Terminal, den Agent-Chat oder die Aktivität. Ein Klick öffnet auf der Review-Seite die Datei an dieser Zeile oder die Aufzeichnung, und du prüfst die Aussage selbst. Kann das Modell keinen Beleg nennen, soll es die Aussage weglassen.
- Ein Link auf etwas, das nicht aufgezeichnet wurde, ist ausgegraut statt anklickbar
- Integritätsereignisse stehen als Fakten mit Uhrzeit da, nie als Beweis für Betrug
Bedenken
- Das Fenster wird erst bei der ersten Anfrage nach dem Ablauf zurückgesetzt, daher kommt ein Burst an der Grenze mit dem doppelten Limit durch.limiter/window.go:41
- Valkey-Fehler werden ignoriert, und die Anfrage wird zugelassen.limiter/window.go:52
Stärken
- Hat die Tests nach jeder Änderung an Allow ausgeführt.TerminalFür diese Aufgabe wurde nichts aufgezeichnet
02
Sieh, was sie gelesen hat.
Das Modell bekommt die Aufgabenbeschreibung, die Änderungen gegenüber dem Starter, die Testergebnisse, das Terminal, den Agent-Chat, Integritätsereignisse und schriftliche Antworten. Um eine Aussage zu prüfen, kann es den Starter oder den finalen Code auflisten, lesen und durchsuchen und ein Terminal oder den Agent-Chat vollständig lesen. Die Karte listet jeden Nachschlag auf, und was du öffnen kannst, ist verlinkt.
- Hat die Aufgabe einen Testbefehl, führt Kendor ihn vorher auf dem finalen Code aus, damit nichts geraten wird
- Ein Modellaufruf mit Tools, die nur lesen. Es kann keinen Code ausführen und nicht ins Netz
- Die Karte sagt, wenn ein Versuch zu groß war, um ihn ganz zu lesen, oder sich nach der Zusammenfassung geändert hat
- Dateien aufgelistet
- limiter/window.go gelesen · Zeilen 30–60
- Code nach „EXPIRE“ durchsucht
- limiter/window_test.go in der Vorlage gelesen
- cmd/server/main.go gelesen
- Terminal gelesen (terminal) · ab Zeile 120
- Chat mit dem KI-Agenten gelesen
03
Dein Key, deine Einstellungen, und Kandidaten wissen Bescheid.
Zusammenfassungen laufen über den Anthropic- oder OpenAI-Key deiner Organisation, denselben wie für die KI-Agenten. Schalte automatische Zusammenfassungen pro Screening oder Live-Coding-Session ein, oder lass sie aus und starte eine von Hand auf der Review-Seite. Zusätzliche Anweisungen pro Screening verschieben den Fokus.
- Ein Owner legt das Standardmodell fest, und Reviewer können pro Lauf ein anderes wählen
- Vor dem Start lesen Kandidaten, dass KI ihre Arbeit zusammenfassen kann und dass Menschen jede Entscheidung treffen
- Die Tokens zählen zum monatlichen KI-Limit, das du unter Integrationen festlegst
So funktioniert es
Vom Key zur ersten Zusammenfassung.
Key verbinden
Ein Owner verbindet unter Integrationen einen Anthropic- oder OpenAI-Key und wählt ein Standardmodell für Zusammenfassungen.
Festlegen, wann sie läuft
Schalte die KI-Zusammenfassung für ein Screening oder eine Live-Coding-Session ein, damit sie nach jedem Versuch läuft. Reviewer können bei jedem abgeschlossenen Versuch auch auf Zusammenfassen klicken.
Erst sie lesen, dann den Code
Die Zusammenfassung steht oben auf der Review-Seite. Folge ihren Belegen, nutze ihre Interviewfragen und triff die Entscheidung selbst.
Fragen
Bewertet sie Kandidaten?
Nein. Die Zusammenfassung hat keine Punktzahl, kein Bestanden oder Nicht bestanden und keine Einstellungsempfehlung, und Kendors Prompt schließt sie aus. Deine zusätzlichen Anweisungen können den Fokus verschieben, aber nicht diese Regel. Reviewer bewerten und entscheiden, und nichts in Kendor nutzt die Zusammenfassung, um Kandidaten weiterzubewegen.
Welche Modelle kann sie nutzen?
Claude Opus 5.5, Claude Sonnet 5.5 oder Claude Haiku 5.5 mit einem Anthropic-Key und GPT-6 Astra, GPT-6.1 Sol oder GPT-6 Luna mit einem OpenAI-Key. Ein Owner legt das Standardmodell unter Integrationen fest, und Reviewer können bei jedem Lauf ein anderes wählen. Anthropic oder OpenAI rechnet über dein Konto ab, und die Tokens zählen zu deinem monatlichen KI-Limit.
Funktioniert sie auch bei Live-Coding-Sessions?
Ja. Eine Session ist ebenfalls ein Versuch, also kann die Zusammenfassung an ihrem Ende oder später von Hand laufen. In einer Session teilen sich Kandidat und Interviewer Code, Terminals und Agent, deshalb schreibt die Zusammenfassung dem Kandidaten nur zu, was die Belege stützen, und sagt, wenn sie es nicht unterscheiden kann.
Welche Pläne enthalten sie?
KI-Zusammenfassungen gehören zu den Plänen Pro und Enterprise. Im Starter-Plan sind sie nicht enthalten.
Mehr von Kendor
Alle Funktionen- Coding-ScreeningsAsynchrone Take-Homes in einer echten Browser-IDE, geprüft von deinem Team.Weiterlesen
- Live-CodingEin Link, eine gemeinsame Sandbox, ein Urteil von jedem Interviewer.Weiterlesen
- InterviewsSelbstbuchung, Einladungen, die sich direkt aktualisieren, Live-Review.Weiterlesen
- KI-AgentenClaude Code und Codex im Terminal des Kandidaten, mit deinen Keys.Weiterlesen
- Echte UmgebungenSieben feste Sprachen, PostgreSQL und Valkey, eine kendor.yaml.Weiterlesen
- Repo-ImportCloud- oder selbst gehostetes Git, auch private Repos, ein fester Snapshot.Weiterlesen
- Ashby-IntegrationAshby-Phasen verschicken Screenings oder buchen Live-Coding; Ergebnisse kommen als Felder zurück.Weiterlesen
- Greenhouse-IntegrationGreenhouse-Stages verschicken Screenings und Live-Coding; Notizen kommen zurück.Weiterlesen
- Lever-IntegrationLever-Phasen verschicken Screenings und Live-Coding; jeder Schritt kommt als Notiz zurück.Weiterlesen
Mach dein nächstes Screening auf Kendor. Lies, was der Code sagt.
Leg deinen Arbeitsbereich an, importiere ein Repository oder starte mit einer Vorlage und verschick noch heute dein erstes Screening.
Du stellst in großem Umfang ein? Sprich mit uns