Problemet det løser for AI-kodingsagenter

Entire adresserer det Dohmke kaller den neste flaskehalsen i programvareutvikling: gjennomgang, revisjon og gjennomsiktighet av AI-generert kode . Når AI-kodingsagenter skriver kode, er øktkonteksten deres – promptene, resonnementet, verktøykallene og beslutningene – flyktig og forsvinner når terminalen lukkes . Tradisjonell Git fanger «hva» (kodeforskjeller), men ikke «hvorfor» . Entire har som mål å gjøre agentøktkontekst til en førsteklasses, versjonert og søkbar del av repositoriet .

Nøkkelfunksjoner og produkt

Det første produktet er Checkpoints, et åpen kildekode CLI (MIT-lisensiert) som kobler seg inn i Git-arbeidsflyter :

• Fanger automatisk agentkontekst – når git commit kjøres, fester Entire hele agentøkten (prompter, svar, verktøykall, berørte filer) til committen som et permanent «checkpoint» .
• Søkbar opprinnelse – utviklere kan senere spørre «hvorfor koden endret seg» og se hele transkripsjonen som førte til en endring .
• Støtter flere AI-kodingsagenter – Claude Code, Codex, Gemini CLI, OpenCode og flere .
• Checkpoint-gren – øktmetadata lagres på en dedikert gren, slik at brukerens aktive gren holdes ren .
• Kommende kontekstgraf – et bredere plattformlag (utover CLI) for å navigere i agentbeslutningstrær på tvers av repositoriet .

Entire.io-nettsiden nevner også en repospeilingsfunksjon for «maksimal agentgjennomstrømning», og GitHub-organisasjonen (entireio) er vert for CLI-koden med åpen kildekode .

Kunngjorte referansetester

Rapporteringen rundt referansetester er begrenset. Tilgjengelige kilder beskriver ytelsespåstander i kvalitative termer – for eksempel at Checkpoints gjør det «øyeblikkelig» søkbart å gjenopprette konteksten bak en hvilken som helst kodelinje . Ingen standardiserte kvantitative referansetesttall (f.eks. ventetid, gjennomstrømning, reduksjon i koderevisjonstid) ble funnet i de troverdige kildene som ble gjennomgått. Dette ser ut til å være et gap i offentlig informasjon så langt.

Finansieringsbakgrunn

Hvordan det passer inn i den bredere trenden med desentralisert Git-vertskap

Entire er ett av flere høyt profilerte trekk som signaliserer at utviklerverktøystakken blir tenkt nytt for en AI-agenttung verden:

• Åpen kildekode og uavhengig. Entire posisjonerer seg som en åpen, uavhengig plattform – ikke knyttet til noen enkelt AI-modellleverandør. Dohmke har understreket at åpenhet bør være kjernen i den neste utviklerplattformen .
• Git-native, ikke Git-erstatning. Entire utvider Git snarere enn å erstatte det. Det behandler agentkontekst som førsteklasses Git-metadata, som er en annen tilnærming enn fullt desentraliserte alternativer (som Radicle eller GitButlers nytolkede Git-klient) .
• Parallelle trekk fra andre GitHub-gründere. Scott Chacon (medgründer av GitHub) hentet inn 17 millioner dollar fra a16z for GitButler, en nytolket Git-klient for AI-tidsalderen. Både Dohmke (Entire) og Chacon (GitButler) satser på at den eksisterende Git-arbeidsflyten er utilstrekkelig for agentgenerert kode, men de tar forskjellige arkitektoniske tilnærminger – Entire fokuserer på kontekstinnfanging og opprinnelse, mens GitButler fokuserer på en ny Git-klientbrukeropplevelse .
• Menneske-agent-samarbeid som et første prinsipp. Entires designfilosofi er at mennesker og AI-agenter vil skrive kode sammen, og versjonskontroll må fange både menneskets intensjon og agentens resonnement – ikke bare filforskjellene . Dette er en bredere industriflytting bort fra menneskelige Git-arbeidsflyter mot «agent-native» DevOps-infrastruktur.

Problemet det løser for AI-kodingsagenter

Entire adresserer det Dohmke kaller den neste flaskehalsen i programvareutvikling: gjennomgang, revisjon og gjennomsiktighet av AI-generert kode . Når AI-kodingsagenter skriver kode, er øktkonteksten deres – promptene, resonnementet, verktøykallene og beslutningene – flyktig og forsvinner når terminalen lukkes . Tradisjonell Git fanger «hva» (kodeforskjeller), men ikke «hvorfor» . Entire har som mål å gjøre agentøktkontekst til en førsteklasses, versjonert og søkbar del av repositoriet .

Nøkkelfunksjoner og produkt

Det første produktet er Checkpoints, et åpen kildekode CLI (MIT-lisensiert) som kobler seg inn i Git-arbeidsflyter :

• Fanger automatisk agentkontekst – når git commit kjøres, fester Entire hele agentøkten (prompter, svar, verktøykall, berørte filer) til committen som et permanent «checkpoint» .
• Søkbar opprinnelse – utviklere kan senere spørre «hvorfor koden endret seg» og se hele transkripsjonen som førte til en endring .
• Støtter flere AI-kodingsagenter – Claude Code, Codex, Gemini CLI, OpenCode og flere .
• Checkpoint-gren – øktmetadata lagres på en dedikert gren, slik at brukerens aktive gren holdes ren .
• Kommende kontekstgraf – et bredere plattformlag (utover CLI) for å navigere i agentbeslutningstrær på tvers av repositoriet .

Entire.io-nettsiden nevner også en repospeilingsfunksjon for «maksimal agentgjennomstrømning», og GitHub-organisasjonen (entireio) er vert for CLI-koden med åpen kildekode .

Kunngjorte referansetester

Rapporteringen rundt referansetester er begrenset. Tilgjengelige kilder beskriver ytelsespåstander i kvalitative termer – for eksempel at Checkpoints gjør det «øyeblikkelig» søkbart å gjenopprette konteksten bak en hvilken som helst kodelinje . Ingen standardiserte kvantitative referansetesttall (f.eks. ventetid, gjennomstrømning, reduksjon i koderevisjonstid) ble funnet i de troverdige kildene som ble gjennomgått. Dette ser ut til å være et gap i offentlig informasjon så langt.

Finansieringsbakgrunn

Hvordan det passer inn i den bredere trenden med desentralisert Git-vertskap

Entire er ett av flere høyt profilerte trekk som signaliserer at utviklerverktøystakken blir tenkt nytt for en AI-agenttung verden:

• Åpen kildekode og uavhengig. Entire posisjonerer seg som en åpen, uavhengig plattform – ikke knyttet til noen enkelt AI-modellleverandør. Dohmke har understreket at åpenhet bør være kjernen i den neste utviklerplattformen .
• Git-native, ikke Git-erstatning. Entire utvider Git snarere enn å erstatte det. Det behandler agentkontekst som førsteklasses Git-metadata, som er en annen tilnærming enn fullt desentraliserte alternativer (som Radicle eller GitButlers nytolkede Git-klient) .
• Parallelle trekk fra andre GitHub-gründere. Scott Chacon (medgründer av GitHub) hentet inn 17 millioner dollar fra a16z for GitButler, en nytolket Git-klient for AI-tidsalderen. Både Dohmke (Entire) og Chacon (GitButler) satser på at den eksisterende Git-arbeidsflyten er utilstrekkelig for agentgenerert kode, men de tar forskjellige arkitektoniske tilnærminger – Entire fokuserer på kontekstinnfanging og opprinnelse, mens GitButler fokuserer på en ny Git-klientbrukeropplevelse .
• Menneske-agent-samarbeid som et første prinsipp. Entires designfilosofi er at mennesker og AI-agenter vil skrive kode sammen, og versjonskontroll må fange både menneskets intensjon og agentens resonnement – ikke bare filforskjellene . Dette er en bredere industriflytting bort fra menneskelige Git-arbeidsflyter mot «agent-native» DevOps-infrastruktur.