Entire CEO Thomas Dohmke:PR 模式难匹配智能体节奏?
Entire 是一个专为人类开发者与 AI 编码智能体协作而设计的 Git 代码托管平台。它的核心观点是,传统软件开发基础设施,尤其是 PR 模式,并不适合 AI 智能体高速生成、评审、迭代代码的场景。 Entire 现任 CEO、前 GitHub CEO Thomas Dohmke 解释说,GitHub 和 GitL
Entire 是一个 Git 代码托管平台,面向人类开发者与 AI 编码智能体的协同场景而打造。在它看来,传统软件开发基础设施——尤其是 PR 模式——跟智能体高速生成、评审、迭代代码的节奏并不匹配,这是其核心判断。
现任 Entire CEO 的 Thomas Dohmke 曾是 GitHub CEO,他对此的解释是:GitHub 与 GitLab 围绕异步代码评审和版本控制展开,重塑的是人与人之间的协作;多智能体代码托管平台则把重心放在 AI 智能体与人类协同时的异步编排、版本控制与审计上。
架构上,Entire 走的是全分布式路线,代码推送速度最高达到 GitHub 的 89 倍。其关键组件名为 trails(轨迹),专门应对 AI 代码智能体给传统 PR 开发模型造成的麻烦:
合并请求的时间线如今沦为一份只有智能体才会翻阅的审计日志,开发者从中得不到足够信息,也就难以有把握地判断能否合并。
Trail 的做法是把最重要的信息置于顶部,以评估分数的形式呈现,且每次推送代码都会刷新分数。开发者据此判断该 PR 是否已趋稳定,还是该让 AI 智能体接着编码、评审,进入下一轮迭代:
只有置信度高、风险低,并且所有问题都已清除,才适合执行合并。
Trail 既可手动从缺陷工单、功能需求发起,也能横跨多个代码仓库。一旦有新代码推送,跑在云沙箱里的评审智能体就会评估变更,依据代码质量、安全性、slop(低质量代码)以及是否需要人工评审给出分数和理由。举例来说,若 slop 分数显示为橙色,开发者可以要求编码智能体改进代码并推送新的变更,由此触发新一轮迭代。
每次评估都会展示当前结果和最近 5 轮结果。在 Entire 看来这一点很关键:单次评估常常会漏掉关键问题。反复迭代、直到评分趋于稳定,才是智能体编码成功的关键。
评估智能体的配置有两个入口:Entire 平台界面,或者仓库级 JSON 文件。
评审智能体能给出修复建议或优化方案,这些内容在 Trail 开启期间一直可见。评审发现的所有问题,都必须在合并前解决或关闭。开发者还可配置仓库级的 Gates(门禁),自行定义合并通过的条件。
Entire 引入的另一个基础概念叫 continuous memory(持续记忆):仓库中保存所有累积的知识,智能体跨会话就能复用,不必从头再来。持续记忆由两个开源工具实现:,它构建 Git 仓库的预计算图谱,包括排序后的代码搜索、定义和调用者、类型和路由等;以及 ,它把代码库图谱与之前的智能体会话以及 Git 历史中记录的信息结合起来,形成持久的记忆层。
这样一来,智能体总能在合适的时机拿到正确的上下文,也就是“变更内容”背后的“变更原因”。
此外,Entire 还支持接入 Buildkite、Depot 等 CI 平台。
Hacker News 的相关讨论中,用户 conartist6 表达了这样的看法:工程师们之所以把编写代码的活交给智能体,是因为编程语言和工具仍有不少不尽如人意之处。目前就职于 Entire 的 Haimantika 则认为,问题从来不在语言或工具本身:
人与产出物之间的推理过程被丢掉了。提交说明向来写得很糟,文档容易过时,“为什么这里有这段代码”只能靠记得的人来讲。智能体只是把这个问题的后果放大了,因为现在没人记得了。这正是我们想解决的。要是将来出现更好的编程语言也能解决它,说实话,我也乐意接受。
【声明:本文由 InfoQ 翻译,未经许可禁止转载。】