Il problema che risolve per gli agenti AI di coding

Entire affronta quello che Dohmke chiama il prossimo collo di bottiglia nello sviluppo software: la revisionabilità, l'auditabilità e la trasparenza del codice generato dall'AI . Quando gli agenti AI scrivono codice, il contesto della loro sessione (prompt, ragionamenti, tool call e decisioni) è effimero e scompare quando il terminale viene chiuso . Git tradizionale cattura il "cosa" (i diff del codice), ma non il "perché" . Entire mira a rendere il contesto delle sessioni degli agenti un elemento di prima classe, versionato e ricercabile, all'interno del repository .

Caratteristiche principali e prodotto

Il primo prodotto è Checkpoints, un CLI open-source (con licenza MIT) che si integra nei flussi di lavoro Git :

• Cattura automaticamente il contesto dell'agente — quando viene eseguito git commit, Entire allega l'intera sessione dell'agente (prompt, risposte, tool call, file toccati) al commit come un checkpoint permanente .
• Provenienza ricercabile — gli sviluppatori possono successivamente chiedersi "perché il codice è cambiato" e vedere la trascrizione completa che ha portato a qualsiasi diff .
• Supporta molteplici agenti AI di coding — Claude Code, Codex, Gemini CLI, OpenCode e altri .
• Checkpoint branch — i metadati della sessione vengono archiviati su un ramo dedicato, mantenendo pulito il ramo attivo dell'utente .
• Prossimo context graph — un livello di piattaforma più ampio (oltre il CLI) per navigare gli alberi decisionali degli agenti attraverso il repository .

Il sito web Entire.io menziona anche una funzione di mirroring del repository per "massimo throughput degli agenti" e l'organizzazione GitHub (entireio) ospita il codice CLI open-source .

Benchmark annunciati

Le segnalazioni sui benchmark sono limitate. Le fonti disponibili descrivono le affermazioni sulle prestazioni in termini qualitativi — ad esempio, che Checkpoints rende "immediatamente" ricercabile il recupero del contesto dietro qualsiasi riga di codice . Non sono stati trovati numeri di benchmark quantitativi standardizzati (ad esempio, latenza, throughput, riduzione dei tempi di revisione del codice) nelle fonti credibili esaminate. Questa sembra essere una lacuna nella divulgazione pubblica al momento del lancio.

Contesto del finanziamento

Come si inserisce nella tendenza più ampia dell'hosting Git decentralizzato

Entire è una delle mosse di alto profilo che segnalano che lo stack di strumenti per sviluppatori viene ripensato per un mondo fortemente incentrato sugli agenti AI:

• Open-source e indipendente. Entire si posiziona come una piattaforma aperta e indipendente, non legata a nessun singolo fornitore di modelli AI. Dohmke ha sottolineato che l'apertura dovrebbe essere al centro della prossima piattaforma per sviluppatori .
• Git-native, non un sostituto di Git. Entire estende Git piuttosto che sostituirlo. Tratta il contesto degli agenti come metadati Git di prima classe, un approccio diverso dalle alternative completamente decentralizzate (come Radicle o il client Git rivisitato di GitButler) .
• Mosse parallele di altri fondatori di GitHub. Scott Chacon (co-fondatore di GitHub) ha raccolto 17 milioni di dollari da a16z per GitButler, un client Git rivisitato per l'era dell'AI. Sia Dohmke (Entire) che Chacon (GitButler) scommettono che il flusso di lavoro Git esistente è insufficiente per il codice generato dagli agenti, ma adottano approcci architetturali diversi — Entire si concentra sulla cattura del contesto e sulla provenienza, mentre GitButler si concentra su una nuova esperienza utente del client Git .
• Collaborazione umano-agente come primo principio. La filosofia progettuale di Entire è che umani e agenti AI scriveranno codice insieme e il version control deve catturare l'intento umano e il ragionamento dell'agente insieme, non solo i diff dei file . Questo è un più ampio cambiamento del settore dai flussi di lavoro Git solo umani verso un'infrastruttura DevOps "nativa per agenti".

Il problema che risolve per gli agenti AI di coding

Entire affronta quello che Dohmke chiama il prossimo collo di bottiglia nello sviluppo software: la revisionabilità, l'auditabilità e la trasparenza del codice generato dall'AI . Quando gli agenti AI scrivono codice, il contesto della loro sessione (prompt, ragionamenti, tool call e decisioni) è effimero e scompare quando il terminale viene chiuso . Git tradizionale cattura il "cosa" (i diff del codice), ma non il "perché" . Entire mira a rendere il contesto delle sessioni degli agenti un elemento di prima classe, versionato e ricercabile, all'interno del repository .

Caratteristiche principali e prodotto

Il primo prodotto è Checkpoints, un CLI open-source (con licenza MIT) che si integra nei flussi di lavoro Git :

• Cattura automaticamente il contesto dell'agente — quando viene eseguito git commit, Entire allega l'intera sessione dell'agente (prompt, risposte, tool call, file toccati) al commit come un checkpoint permanente .
• Provenienza ricercabile — gli sviluppatori possono successivamente chiedersi "perché il codice è cambiato" e vedere la trascrizione completa che ha portato a qualsiasi diff .
• Supporta molteplici agenti AI di coding — Claude Code, Codex, Gemini CLI, OpenCode e altri .
• Checkpoint branch — i metadati della sessione vengono archiviati su un ramo dedicato, mantenendo pulito il ramo attivo dell'utente .
• Prossimo context graph — un livello di piattaforma più ampio (oltre il CLI) per navigare gli alberi decisionali degli agenti attraverso il repository .

Il sito web Entire.io menziona anche una funzione di mirroring del repository per "massimo throughput degli agenti" e l'organizzazione GitHub (entireio) ospita il codice CLI open-source .

Benchmark annunciati

Le segnalazioni sui benchmark sono limitate. Le fonti disponibili descrivono le affermazioni sulle prestazioni in termini qualitativi — ad esempio, che Checkpoints rende "immediatamente" ricercabile il recupero del contesto dietro qualsiasi riga di codice . Non sono stati trovati numeri di benchmark quantitativi standardizzati (ad esempio, latenza, throughput, riduzione dei tempi di revisione del codice) nelle fonti credibili esaminate. Questa sembra essere una lacuna nella divulgazione pubblica al momento del lancio.

Contesto del finanziamento

Come si inserisce nella tendenza più ampia dell'hosting Git decentralizzato

Entire è una delle mosse di alto profilo che segnalano che lo stack di strumenti per sviluppatori viene ripensato per un mondo fortemente incentrato sugli agenti AI:

• Open-source e indipendente. Entire si posiziona come una piattaforma aperta e indipendente, non legata a nessun singolo fornitore di modelli AI. Dohmke ha sottolineato che l'apertura dovrebbe essere al centro della prossima piattaforma per sviluppatori .
• Git-native, non un sostituto di Git. Entire estende Git piuttosto che sostituirlo. Tratta il contesto degli agenti come metadati Git di prima classe, un approccio diverso dalle alternative completamente decentralizzate (come Radicle o il client Git rivisitato di GitButler) .
• Mosse parallele di altri fondatori di GitHub. Scott Chacon (co-fondatore di GitHub) ha raccolto 17 milioni di dollari da a16z per GitButler, un client Git rivisitato per l'era dell'AI. Sia Dohmke (Entire) che Chacon (GitButler) scommettono che il flusso di lavoro Git esistente è insufficiente per il codice generato dagli agenti, ma adottano approcci architetturali diversi — Entire si concentra sulla cattura del contesto e sulla provenienza, mentre GitButler si concentra su una nuova esperienza utente del client Git .
• Collaborazione umano-agente come primo principio. La filosofia progettuale di Entire è che umani e agenti AI scriveranno codice insieme e il version control deve catturare l'intento umano e il ragionamento dell'agente insieme, non solo i diff dei file . Questo è un più ampio cambiamento del settore dai flussi di lavoro Git solo umani verso un'infrastruttura DevOps "nativa per agenti".