Колишній CEO GitHub запускає Entire: платформа для контролю коду, створеного AI-агентами

Ось фактично перевірений огляд стартапу Томаса Домке Entire, який охоплює всі запитувані аспекти.

---

Що запустив Домке

10 лютого 2026 року Томас Домке (колишній CEO GitHub, який керував запуском GitHub Copilot) вийшов із режиму стелс зі стартапом Entire — новою платформою для розробників, створеною для епохи AI-агентів . Він оголосив про це у дописі під назвою "Hello Entire World" .

Яку проблему вирішує Entire для AI-агентів

Entire вирішує те, що Домке називає наступним вузьким місцем у розробці програмного забезпечення: можливість перевіряти, аудитувати та розуміти прозорість коду, створеного AI . Коли AI-агенти пишуть код, їхній сесійний контекст — промпти, міркування, виклики інструментів, рішення — є ефемерним і зникає, щойно закривається термінал . Традиційний Git фіксує "що" (різницю в коді), але не "чому" . Entire прагне зробити контекст сесії агента першокласною, версіонованою та пошукуваною частиною репозиторію .

Ключові функції та продукт

Перший продукт — Checkpoints, відкрита CLI-утиліта (ліцензована MIT), яка вбудовується в робочі процеси Git :

• Автоматично фіксує контекст агента — коли виконується

  git commit

  , Entire прикріплює до коміту повну сесію агента (промпти, відповіді, виклики інструментів, файли) як постійний checkpoint .
• Пошукуване походження — розробники можуть пізніше дізнатися "чому код змінився", побачивши повну розшифровку, яка призвела до будь-якої зміни .
• Підтримка багатьох AI-агентів — Claude Code, Codex, Gemini CLI, OpenCode та інші .
• Гілка Checkpoint — метадані сесії зберігаються на окремій гілці, не засмічуючи активну гілку користувача .
• Майбутній граф контексту — ширший платформний рівень (поза CLI) для навігації деревом рішень агента в репозиторії .

На сайті Entire.io також згадується функція дзеркалювання репозиторію для "максимальної пропускної здатності агентів", а GitHub-організація (entireio) містить код відкритої CLI-утиліти .

Оголошені бенчмарки

Звіти про бенчмарки обмежені. Доступні джерела описують заяви про продуктивність у якісних термінах — наприклад, що Checkpoints робить "миттєво" пошукуваним контекст, необхідний для розуміння будь-якого рядка коду . Жодних стандартизованих кількісних показників бенчмарків (наприклад, затримка, пропускна здатність, скорочення часу перевірки коду) у переглянутих надійних джерелах не знайдено. Схоже, це прогалина в публічному розкритті інформації на момент запуску.

Фінансування

Деталь	Факт
Залучено	$60 млн seed-раунд
Оцінка	$300 млн
Провідний інвестор	Felicis
Інші інвестори	Madrona, Microsoft's M12, Basis Set
Відомі бізнес-ангели	Ґерґей Орос, Гаррі Стеббінґс, Джеррі Ян, Олів'є Помель
Найбільший seed-раунд	Felicis назвав його найбільшим seed-раундом в історії серед компаній, що створюють інструменти для розробників

Як Entire вписується в ширший тренд децентралізованого хостингу Git

Entire — один із кількох гучних кроків, які свідчать про те, що стек інструментів для розробників переосмислюється для світу, де домінують AI-агенти:

• Відкритий та незалежний. Entire позиціонує себе як відкрита, незалежна платформа, не прив'язана до жодного окремого постачальника AI-моделей. Домке наголошує, що відкритість має бути в основі наступної платформи для розробників .
• Git-рідний, а не заміна Git. Entire розширює Git, а не замінює його. Він трактує контекст агента як першокласні метадані Git, що відрізняється від повністю децентралізованих альтернатив (на кшталт Radicle або переосмисленого Git-клієнта GitButler) .
• Паралельні кроки інших засновників GitHub. Скотт Чейкон (співзасновник GitHub) залучив $17 млн від a16z для GitButler — переосмисленого Git-клієнта для ери AI. І Домке (Entire), і Чейкон (GitButler) роблять ставку на те, що існуючого робочого процесу Git недостатньо для коду, створеного агентами, але використовують різні архітектурні підходи — Entire зосереджується на фіксації контексту та походження, тоді як GitButler — на новому UX Git-клієнта .
• Людино-агентна колаборація як перший принцип. Дизайн-філософія Entire полягає в тому, що люди та AI-агенти будуть спільно писати код, і контроль версій має фіксувати як наміри людини, так і міркування агента — а не лише різницю у файлах . Це ширший галузевий зсув від Git-робочих процесів, орієнтованих лише на людину, до "агентно-рідної" DevOps-інфраструктури.