前 GitHub CEO 给 AI Agent 装上黑匣子

2026 年 2 月 10 日，Thomas Dohmke 卸任 GitHub CEO 半年后，带着新公司 Entire 正式亮相。一起公布的还有 6000 万美元种子轮融资，估值 3 亿美元——这是开发者工具领域种子轮史上最大的一笔。

Felicis 领投，微软旗下的 M12、Madrona、Basis Set 跟投，雅虎联合创始人杨致远、Y Combinator CEO Garry Tan、Datadog CEO Olivier Pomel、20VC 的 Harry Stebbings 也出现在投资人名单里。

能让微软投资前 CEO 的新公司，本身就很说明问题。

1. 从 Copilot 到 Entire

Dohmke 不是旁观者。2015 年他创办的 HockeyApp 被微软收购后，一路做到 GitHub CEO。任内推动了 Copilot 的规模化落地，把 AI 编程从实验做成了行业标准。

但 Copilot 越成功，Dohmke 越发现一个矛盾：AI 写代码的速度指数级增长，人类审查的速度却是线性的。Copilot 几分钟改完 100 个文件，人可能要花半天才能看完。

更麻烦的是，AI 关掉终端后，它为什么这样改、试过哪些方案、中间踩过什么坑——这些信息全丢了。Git 历史里只剩下代码 diff，没有决策过程。

Dohmke 的判断是：当软件生产的主体从人变成机器，用了 15 年的 Git 和 PR 流程已经不够用了。Entire 的使命就是重建这套基础设施，让 AI 时代的人类审查者知道「代码为什么这么写」。

2. 产品实测：Checkpoints CLI

Entire 目前开源的工具叫 Checkpoints，一个命令行工具。目前对 Claude Code 的支持最完整，Open Code 的支持还在 Preview 阶段。

2.1. 第一步：启用项目

cd your-project
entire enable

默认会检测并配置 Claude Code，实际输出：

Agent: Claude Code (use --agent to change)

✓ Hooks installed
✓ Project configured (.entire/settings.json)

✓ Created orphan branch 'entire/checkpoints/v1' for session metadata

Ready.

这会做三件事：

• 创建 .entire/settings.json 存配置
• 在 .claude/settings.json 里配 7 个钩子，捕获会话数据
• 创建 entire/checkpoints/v1 孤立分支存元数据

2.2. 第二步：使用 Claude Code 开发

claude

在 Claude Code 中完成开发任务。例如：

> Add a Fibonacci function with tests

后台自动捕获每次对话的上下文、prompt、响应、修改的文件。

2.3. 第三步：提交代码

git commit -m "feat: add Fibonacci function"

Entire 的 Git hooks 会自动关联检查点和提交。

2.4. 第四步：查看状态

entire status

实际输出：

Enabled (manual-commit)

2.5. 第五步：查看历史

entire explain

输出示例：

Branch: master
Checkpoints: 1

Session: 2026-02-23-xxx
  Checkpoint    Age     Files    Tokens  Intent
  ──────────────────────────────────────────────────────────────
  abc123def456  5m      3        8,450   Add Fibonacci function with tests

2.6. 第六步：查看详情

entire explain --checkpoint abc123def456

输出示例：

Checkpoint: abc123def456
Session: 2026-02-23-session-001
Created: 2026-02-23 11:18:30
Agent: claude-code
Tokens: 8,450 (input: 3,200, output: 5,250)

Intent:
  Add a Fibonacci function with tests

Summary:
  Implemented recursive Fibonacci function in utils/math.go with
  comprehensive test suite and demo program

Files Modified:
  M main.go
  A utils/math.go
  A utils/math_test.go
  A go.mod

2.7. 第七步：回滚

entire rewind

交互式选择要回滚到的检查点，自动恢复代码状态，同时告诉你怎么恢复当时的 AI 会话上下文。

3. 三层架构的野心

Checkpoints 只是起点，它给 AI Agent 装上了一个黑匣子，用来收集 AI 生成代码过程中的关键信息。它有一定的价值，但还不是 Entire 的完全体。Dohmke 公开描述过 Entire 的三层架构：

3.1. 底层：Git 兼容数据库

AI 产生的上下文比人类多几个数量级，传统 Git 存不下、查不动。Entire 从零写了一个分布式数据库，专门处理高频、海量的元数据，支持全球多节点部署。

3.2. 中间层：语义推理层

把 AI 写代码的思考过程结构化存储，随时可以回溯。不只是知道「改了什么」，而是知道「为什么这么改」。

3.3. 顶层：AI 原生界面

正在开发的可视化层，让开发者能同时监控和协调「成百个 Agent」的运行状态，而不是在终端里来回切换。

目标是成为 AI 编码时代的治理层，而不是另一个 IDE 或代码生成工具。

4. 商业模式

Entire 走 Open-Core 路线：核心 CLI 工具 MIT 开源，托管服务收费。

未来收费点包括：

Dohmke 提过一个观点：2026 年企业的运营成本里，「token 消耗」会成为和工资、差旅一样的重要项。一些顶尖团队每月花几千美元买 token。Entire 未来可能做 token 管理和 ROI 分析工具。

5. 竞争定位

Entire 的对手不是 Cursor，也不是 Copilot。它想做的是这些工具之上的管理层。

当团队同时用 Cursor、Copilot、Devin、OpenAI Codex 时，最缺的不是再换个 IDE，而是一个能看清全局、审计所有产出、统一管理上下文的中枢。

6. 风险与挑战

工具疲劳 开发者已经要记太多工具了。Entire 必须证明带来的价值远大于集成成本。

Agent 支持局限 目前 Claude Code 支持最完整，Open Code 等其他 Agent 的支持还在开发中。

巨头跟进 GitHub、Google、Amazon 都有渠道优势。如果它们在 PR 界面直接集成推理日志，Entire 只能靠跨平台中立性维持竞争力。

信息过载 LLM 的推理路径可能非常庞大，怎么从海量日志里快速定位问题，还没有最佳实践。

7. 总结

Entire 的野心不是做「更好的 Git 工具」，而是重新定义 AI 时代的软件生产方式——从「人写代码」变成「人管理 Agent 写代码」。

Dohmke 的判断是，未来软件开发可能不再涉及写代码本身，而是通过描述意图、管理推理、验证结果来完成。Entire 就是这套新流程的基础设施。

6000 万美元种子轮给了他们足够长的跑道。接下来 12-18 个月，看能不能在大型工程团队里跑出标杆案例。如果能证明 AI 生成代码的治理成本确实能被这套体系降下来，3 亿估值可能只是起点。

8 项目信息

参考链接

• Entire 官网：https://entire.io
• Entire GitHub：https://github.com/entireio/cli
• TechCrunch 报道：https://techcrunch.com/2026/02/10/former-github-ceo-raises-record-60m-dev-tool-seed-round-at-300m-valuation/
• The New Stack 专访：https://thenewstack.io/thomas-dohmke-interview-entire/