告别“黑盒”编程：前 GitHub CEO 带领 Entire 重塑人机协作开发新范式

本段欲回答的核心问题： 在 AI 智能体以前所未有的速度生成代码的今天，为什么传统的软件开发工具链（如 Git、Issues 和 PR）已经失效，我们需要什么样的全新平台来应对这场变革？

2026 年 2 月 10 日，科技界迎来了一条重磅消息：前 GitHub CEO Thomas Dohmke 宣布推出全新的开发者平台——Entire，并获得了由 Felicis 领投的 6000 万美元种子轮融资，估值高达 3 亿美元。这不仅是开发工具历史上规模最大的种子轮融资之一，更标志着软件开发行业正式进入了一个以“人机深度协作为核心”的新时代。

Entire 的愿景非常明确：构建一个专门为 AI 智能体与人类开发者协作而设计的下一代平台。与传统的试图在旧系统上“打补丁”的做法不同，Entire 选择从零开始，重构软件开发生命周期（SDLC）。与此同时，他们发布了首个开源产品——Checkpoints，这是一个命令行（CLI）工具，旨在解决当前 AI 辅助开发中最棘手的问题：上下文与推理过程的丢失。

作为技术从业者，我们正处于一个历史性的转折点。代码生成的速度已经远远超过了人类理解和审核的极限。本文将深入剖析 Entire 的技术愿景、Checkpoints 的工作原理，以及这套新系统将如何改变我们的日常工作流。

Entire funding announcement
图片来源：Entire 官方公告

当开发系统崩溃：为什么我们需要“软件开发的装配线”？

本段欲回答的核心问题： 随着 AI 智能体成为代码的主要生产者，现有的基于“人工操作”的开发流程面临哪些具体的崩溃风险和瓶颈？

在过去几个月里，开发者的角色发生了根本性的重构。从 Anthropic 的 Claude Code（集成 Opus 4.6），到 OpenAI 的 GPT-5.3-Codex 智能体编码模型，再到 Cursor 的 Composer 1.5，智能体能力的飞跃正在彻底颠覆编程的流向。终端正在重新成为操作的重心，开发者同时在多个终端窗口中指挥着成群的智能体工作。

这种变化带来了一个严峻的现实：海量的代码正以远超人类理解能力的速度被生成出来。

然而，我们今天所依赖的软件开发生命周期，其实是一个构建于云计算时代之前、 inherently 为“人与人之间的协作”而设计的系统。在这个旧的体系下，裂缝正在迅速扩大：

  1. Issues（任务追踪）：原本是为人类规划设计的，缺乏机器可读的结构化单元。
  2. Git 仓库：从未被扩展去版本化开发者在 AI 时代构建的所有内容。
  3. Pull Requests（合并请求）：面对大规模单体仓库时，其审核机制根本无法扩展。
  4. API 限制：智能体每天都在遭遇集中式 API 的容量限制和速率限制，导致严重的扼塞。

正如 Entire CEO Thomas Dohmke 所言：“我们面临的事实是，整个软件生态系统正在被一个从未为 AI 设计的手动生产系统所扼制。这个系统无法通过修补来适应未来。”

这就好比汽车工业初期，工厂试图通过增加更多的手工工匠来提高产量，直到流水线的出现彻底改变了生产方式。今天，我们正处于类似的时刻。机器已成为代码的主要生产者，我们需要为智能体时代重新设计软件开发的“流水线”。

Automotive assembly line concept
图片来源：Unsplash

Entire 的愿景：构建 AI 原生的开发者平台

本段欲回答的核心问题： Entire 提出的下一代开发者平台包含哪三个核心组件，它们是如何协同工作以实现人机协作的？

Entire 的目标不仅仅是修补工具，而是建立一个开放、可扩展且独立的新家园，无论开发者使用哪种智能体或模型，都能在这个平台上无缝工作。为了实现这一目标，Entire 的架构围绕三个核心组件展开：

1. Git 兼容的数据库

传统的 Git 只存储代码的变更。但 Entire 构建了一个兼容 Git 的数据库，它将代码、意图、约束条件和推理过程统一在一个单一的版本控制系统中。

这意味着，未来的仓库不仅包含“做了什么改变”，还将永久记录“为什么要做这个改变”以及“当时的决策依据是什么”。这对于智能体理解历史上下文至关重要。

2. 通用的语义推理层

这是一个使多智能体能够通过“上下文图”进行协调的层。在当前的协作中，不同的 AI 工具往往是孤岛。Entire 试图通过这一层打破隔阂，让智能体之间能够共享记忆、理解彼此的工作进度，从而实现真正的并行协作，而不是在黑暗中重复造轮子。

3. AI 原生的用户界面

最后， Entire 正在重新发明软件开发生命周期（SDLC）的用户界面。这个界面不是为人类手动写代码设计的，而是专门为“智能体到人类”的协作而优化的。它将不再是传统的代码编辑器，而是一个能够展示智能体推理过程、展示上下文图谱的全新交互环境。

作者反思： 看到这三个组件的定义，我意识到这不仅仅是工具的升级，而是数据结构的根本性变革。在过去的十年里，我们把所有的精力都花在了优化“代码”的存储和流转上，却忽略了“思维过程”的数字化。Entire 试图将“思维”本身也变成可版本化、可检索的数据结构，这可能是软件工程领域继 Git 之后的又一次范式转移。

首个产品发布：Checkpoints：让消失的上下文永久驻留

本段欲回答的核心问题： 什么是 Checkpoints，它如何通过捕获 AI 智能体的上下文信息，解决当前 AI 编程中“一次性会话”导致的记忆丢失问题？

作为迈向这一愿景的第一步，Entire 今天发布了名为 Checkpoints 的开源 CLI 工具。这是解决当前 AI 编程痛点的一剂强心针。

现状痛点：上下文的“一次性”消费

目前，智能体会话本质上是短暂且易逝的。

  • 提示词：存活在终端里，关机即逝。
  • 推理过程：停留在上下文窗口中，一旦会话结束，推理逻辑就消失了。
  • 决策与约束：产生代码的那些决定性因素，随着窗口关闭而烟消云散。

虽然 Git 保存了代码变更，但它完全没有保存变更背后的“原因”。当智能体在一个会话中生成成千上万行代码时，这种上下文的丢失是指数级的。如果没有共享的上下文，智能体无法有效协作，它们会重复执行推理步骤，浪费 Token，甚至重复犯下人类在过去会话中已经纠正过的错误。

Checkpoints 的解决方案：将上下文变为“一等公民”

Checkpoints 引入了一个全新的原语：它将智能体上下文自动捕获为 Git 中的一等版本化数据。

当你在提交由智能体生成的代码时，Checkpoints 会将完整的会话内容与代码提交捆绑在一起：

  • 会话记录
  • 提示词
  • 被触动的文件
  • Token 使用量
  • 工具调用记录

这些数据不仅仅是一个日志文件，它们成为了 Entire 语义推理层的基础写入路径。开发者可以通过分支浏览检查点，深入挖掘单个会话，并追踪代码库是如何通过人类与智能体的协作逐个提交演进的。

Code and context visualization
图片来源：Unsplash

Checkpoints 的应用场景与价值

基于输入文件的描述，我们可以梳理出 Checkpoints 在实际开发中的几个关键应用场景：

  1. 全链路追踪

    • 场景：当你看到一段奇怪的代码逻辑时，不再需要猜测是谁写的，为什么这么写。
    • 价值：你可以直接检查生成该代码变更背后的推理过程，了解智能体当时是基于什么约束条件做出的决定。

  2. 加速代码审查

    • 场景：面对数百行代码变更，传统的 Diff 审查效率低下且容易漏掉逻辑漏洞。
    • 价值：审查者可以直接查看“意图”和“约束条件”，而不仅仅是代码差异。这就像在阅读代码前先阅读了产品设计文档，极大地降低了理解成本。

  3. 无缝的工作交接

    • 场景：开发者切换任务或团队接手项目时，需要花费大量时间理解代码背景。
    • 价值：接手者无需重放提示词或重新开启会话，可以直接通过 Checkpoints 恢复工作的上下文，迅速进入状态。

  4. 减少 Token 浪费

    • 场景：智能体经常忘记之前的纠错，在新的会话中重复犯错。
    • 价值：通过持久化的上下文，智能体可以“记住”你在过去会话中纠正过的错误，避免在同样的地方跌倒，节省昂贵的 API 调用成本。

  5. 多会话与多智能体支持

    • 场景：同时运行多个智能体进行并行开发时，容易出现冲突或逻辑割裂。
    • 价值：Checkpoints 为所有智能体提供了一个共享的记忆空间，确保它们虽然并行工作，但都在同一个认知层面上协同。

技术深度解析：Checkpoints 如何工作？

本段欲回答的核心问题： 从技术实现角度来看，Checkpoints 是如何与 Git 集成并存储上下文数据的？

Checkpoints 作为一个 Git 感知的 CLI 运行，其设计极其巧妙，旨在不干扰现有工作流的前提下插入强大的功能。

工作原理

  1. 自动捕获：每当检测到由智能体生成的提交时，Checkpoints 会自动触发。
  2. 对象写入：它会编写一个结构化的检查点对象，并将其与该次提交的 SHA（哈希值）相关联。
  3. 代码不变：重要的是，这一过程完全不改变代码本身。Checkpoints 只是添加上下文作为一级元数据。
  4. 分支存储：当你执行 git push 推送提交时，Checkpoints 也会将这部分元数据推送到一个单独的分支（默认为 entire/checkpoints/v1）。

这种设计带来了一种强大的结果：你在仓库内部获得了一个完整的、仅追加模式的审计日志。

数据隔离与安全性

通过将上下文数据存储在独立的分支上，Entire 确保了：

  • 不影响主分支：你的 main 或 master 分支保持纯净，只包含源代码。
  • 可追溯性：任何代码变更都可以回溯到产生它的推理过程。
  • 可检索性：你可以通过 Entire 提供的专用 UI 来可视化和搜索这些记录。

支持的智能体

Checkpoints 的目标是支持每一个智能体。在首发版本中，它已经支持：

  • Anthropic 的 Claude Code
  • Google 的 Gemini CLI

路线图显示，对 Codex、Cursor CLI 以及其他主流智能体的支持将在未来几个月内陆续推出。

实战指南：如何安装与使用 Checkpoints？

本段欲回答的核心问题： 开发者如何通过简单的两个步骤安装并启用 Entire Checkpoints，开始记录 AI 智能体的上下文？

Entire CLI 的安装过程被设计得尽可能简单，以便开发者能够快速上手。

第一步：安装 Entire CLI

你可以使用以下一行命令在终端中安装 Entire CLI。该命令会自动下载并配置最新版本的脚本：

curl -fsSL https://entire.io/install.sh | bash

第二步：在仓库中启用

安装完成后，导航到你想要启用 Checkpoints 功能的代码仓库目录，然后运行以下命令：

entire enable

系统会提示你按照指示配置 Entire。配置完成后，一切就绪。从这一刻起，你的智能体会话将被自动捕获，并以结构化、随时可用的格式保存。

验证与使用

一旦配置完成，你不需要进行额外的操作。当你使用支持的智能体（如 Claude Code）进行开发并提交代码时，Checkpoints 会在后台静默工作。稍后，你可以通过 Entire 的界面或后续发布的可视化工具来查看这些被捕获的检查点。

顶级资本背书与行业展望

本段欲回答的核心问题： 为什么包括 Felicis、M12 以及多位行业领袖在内的顶级投资者决定押注 Entire，他们认为这将带来怎样的行业变革？

Entire 的融资名单堪称豪华，这不仅是对资金的支持，更是对“软件开发范式必须改变”这一共识的投票。

  • 领投方：Felicis（创始人 Aydin Senkut）
  • 参与方：Madrona, M12（微软的风投）, Basis Set, 20VC, Cherry Ventures, Picus Capital, Global Founders Capital
  • 天使投资人/行业顾问：

    • Gergely Orosz (The Pragmatic Engineer)
    • Theo Browne (T3 Chat)
    • Jerry Yang (AME Cloud Ventures, 雅虎联合创始人)
    • Olivier Pomel (Datadog)
    • Garry Tan (Y Combinator)

投资者观点

Felicis 创始人 Aydin Senkut 指出：“随着软件从动手编码转向编排智能体舰队，显而易见的是，我们今天依赖的开发者平台并非为此而建。试图将智能体生硬地附加到以人为中心的工作流上，正在整个生态系统中制造摩擦、复杂性和真正的瓶颈。”

他认为 Entire 是从零开始 rethink（重新思考）开发者平台，它是 AI 原生的、专门构建的，并且是为了适应现在的软件生产方式而设计的。

M12 的 CVP Michelle Gonzalez 表示：“开发者平台总是以代际浪潮的方式演进。下一波浪潮正在涌现，因为 AI 智能体越来越多地代表开发者进行构建。”

Jerry Yang 则更加激进地指出：“ incumbent（在位者）的优势正在被抹去。在智能体时代，代码显然不能再以同样的方式进行托管、审查或治理。”

作者反思： Jerry Yang 的观点让我印象深刻。我们经常讨论“护城河”，但在技术范式发生剧烈转移时，旧的护城河往往会变成束缚创新的枷锁。GitHub、GitLab 等平台虽然强大，但如果它们的底层架构是基于“人类写代码”这一假设，那么面对“机器写代码”的新世界，它们越庞大，转型的阻力可能就越大。Entire 试图在荒原上建立新秩序，这确实需要极大的勇气和远见。

总结与行动清单

本段欲回答的核心问题： 我们应该如何看待 Entire 的发布，以及在接下来的几个月内可以期待什么？

Entire 的出现不仅仅是一个新工具的发布，它是对软件开发基础设施的一次底层重构宣言。通过将“意图”和“推理”版本化，它填补了当前 AI 编程中最致命的空白。

对于开发者而言，Checkpoints 是一个立即可用的工具，能立即解决上下文丢失的问题；对于行业而言，Entire 预示着一个多智能体协作、语义化理解代码的未来。

实用摘要 / 操作清单

如果你是一名开发者或技术决策者，以下是你现在就可以做的事情：

  1. 试用 Checkpoints：即使你还没有准备好完全迁移平台，也可以在现有项目中试用 entire enable，体验一下为代码附加“记忆”的感觉。
  2. 关注生态：Entire 计划支持更多智能体。如果你使用 Cursor 或其他工具，留意后续的集成更新。
  3. 审视工作流：评估你的团队在处理 AI 生成代码时的瓶颈，是在代码审查？还是在上下文传递？Entire 的愿景正好针对这些痛点。
  4. 参与社区：作为一个开源项目，Entire CLI 在 GitHub 上开放。参与讨论和反馈，可以帮助塑造这个正在定义中的未来标准。

一页速览

维度 关键信息
产品名称 Entire（平台） / Checkpoints（首个开源产品）
核心使命 构建 AI 时代的下一代开发者平台，实现人机协作。
关键技术 Git 兼容数据库、语义推理层、AI 原生 UI。
Checkpoints 功能 自动捕获 AI 上下文（提示词、推理、决策）并关联 Git Commit。
安装命令 `curl -fsSL https://entire.io/install.sh
目前支持 Anthropic Claude Code, Google Gemini CLI。
融资情况 300M，Felicis 领投。

常见问题解答 (FAQ)

1. Checkpoints 是否会修改我的源代码？
不会。Checkpoints 仅作为元数据添加上下文信息，并将其存储在独立的 Git 分支中，不会触碰或修改你的源代码文件。

2. Checkpoints 支持哪些 AI 编程工具？
目前首发支持 Anthropic 的 Claude Code 和 Google 的 Gemini CLI。Entire 计划在未来几个月内扩展支持，包括 Codex、Cursor CLI 等其他主流工具。

3. 我的数据存储在哪里？
数据作为 Git 对象存储在你本地的仓库中，并推送到远程仓库的特定分支。这意味着你的数据和你现有的代码托管在一起。

4. Entire 平台是完全开源的吗？
Entire 的首个产品 CLI 已经作为开源项目发布。公司计划保持开放，并依托社区反馈来构建后续的通用语义推理层。

5. 为什么要单独建立一个分支存储 Checkpoints？
这样做是为了保持代码仓库的整洁，同时提供一个不可篡改的、仅追加的审计日志。这既保证了安全性，又提供了清晰的数据隔离。

6. 如何使用 Checkpoints 审查代码？
你可以通过 Entire 提供的专用 UI 浏览检查点。UI 允许你按分支查看，深入单个会话，并追溯代码变更背后的推理过程，而不仅仅是查看代码差异。

7. 这对小型开发团队有帮助吗？
绝对有帮助。即使在小团队中，AI 生成的代码量也会迅速累积，导致上下文混乱。Checkpoints 提供的结构化记忆能帮助任何规模的团队更好地管理和理解智能体的产出。

8. Entire 什么时候会发布完整的平台？
根据公告，完整的平台预计将在今年晚些时候上线。目前的 Checkpoints 是通往完整平台愿景的第一步。