A Entire, nova plataforma de hospedagem de código liderada por Thomas Dohmke, ex-CEO do GitHub, foi lançada com a proposta de repensar o modelo tradicional de pull requests diante do avanço dos agentes de inteligência artificial no desenvolvimento de software. A empresa defende o uso de trilhas de revisão contínua, memória persistente e integração com ferramentas de integração contínua (CI).
No lugar da linha do tempo convencional de um pull request, a Entire organiza o trabalho em “trails” (trilhas). Elas podem ser criadas a partir de um relatório de bug, de um pedido de funcionalidade ou manualmente, inclusive com a participação de vários repositórios. A cada push, uma série de avaliações automáticas é executada por agentes de revisão em ambientes isolados na nuvem. Os resultados incluem notas e justificativas sobre qualidade do código, segurança, margem de erro e necessidade de revisão humana.
As avaliações aparecem no topo de cada trilha por meio de indicadores chamados “eval scores”. Eles são atualizados a cada push e exibem as cinco execuções mais recentes de cada métrica. Segundo a proposta da Entire, o modelo busca substituir ciclos únicos de revisão por um processo iterativo, no qual os desenvolvedores continuam trabalhando até que os indicadores se estabilizem e eventuais problemas críticos sejam resolvidos.
“O pull request [timeline] se tornou um log de auditoria que só o agente lê. Ele não fornece a informação para o desenvolvedor decidir se pode fazer o merge com confiança”, afirmou Thomas Dohmke, CEO da Entire. Para ele, a integração do código deve ocorrer quando o conjunto de avaliações indicar uma condição considerada saudável. “Só quando a confiança é alta, o risco é baixo e todas as descobertas forem resolvidas, o merge deve acontecer”, declarou.
Enquanto uma trilha permanece aberta, as recomendações dos agentes, como correções sugeridas, melhorias e alertas, ficam visíveis e podem ser auditadas. A plataforma também permite configurar “gates” no nível do repositório, estabelecendo condições objetivas para liberar uma integração. Essas regras podem ser administradas pela interface da Entire ou por arquivos JSON armazenados no próprio repositório.
Outro componente da plataforma é a chamada memória contínua, desenvolvida para preservar o contexto e o raciocínio por trás de cada alteração. A empresa afirma que informações desse tipo costumam se perder entre commits feitos rapidamente e documentação desatualizada. Para enfrentar o problema, a Entire utiliza duas ferramentas de código aberto: a entire-graph, que cria um mapa pré-computado do repositório com buscas ranqueadas, referências, tipos e rotas; e a entire-brain, que combina esse mapa com sessões anteriores de agentes e o histórico do Git.
Com essa camada persistente de memória, os agentes de IA podem reutilizar conhecimentos acumulados em novas sessões, em vez de reiniciar o processo a cada acionamento. A proposta é permitir que tenham acesso não apenas ao que foi alterado, mas também às razões por trás das mudanças, aspecto considerado relevante para a manutenção e a evolução de sistemas complexos.
Haimantika, integrante da equipe da Entire, resumiu o problema que a empresa pretende solucionar: “O problema nunca foram as linguagens ou ferramentas, mas que o raciocínio é descartado entre a pessoa e o artefato. Mensagens de commit sempre foram ruins, documentação sempre apodreceu, ‘por que isso está aqui’ sempre foi respondido por quem lembrava. Os agentes apenas tornaram isso mais agudo, porque agora não há quem lembre. É isso que estamos tentando consertar. Se uma linguagem melhor também resolver, eu aceitaria”.
Segundo a empresa, a Entire funciona sobre uma arquitetura distribuída e pode realizar pushes até 89 vezes mais rápidos que os do GitHub. A promessa é voltada especialmente para equipes que fazem muitas iterações e utilizam vários agentes automatizados em paralelo.
A plataforma já possui integração com ferramentas de integração contínua, como Buildkite e Depot. Com isso, pipelines existentes podem ser conectados às trilhas e às avaliações produzidas pelos agentes. As decisões de aprovação e implantação podem considerar tanto os testes tradicionais quanto o nível de confiança calculado pela Entire.
A chegada da plataforma ocorre em um momento de expansão do uso de agentes de codificação baseados em IA. Essas ferramentas já podem escrever trechos de código, abrir alterações, responder a comentários, executar testes e sugerir correções. Nesse contexto, a Entire avalia que o pull request, originalmente criado para facilitar a colaboração assíncrona entre pessoas, passou a ser usado também como canal de comunicação entre máquinas, o que pode aumentar o volume de informações para os responsáveis pela decisão de integração.
Ao colocar avaliações contínuas, memória persistente e agentes de revisão no centro do fluxo, a Entire busca ampliar o debate sobre governança, auditoria e confiança no desenvolvimento assistido por IA. A proposta abrange desde a abertura de um relatório de bug até a integração final do código, e não apenas a oferta de sugestões dentro do editor.
A plataforma mira setores nos quais velocidade e confiabilidade precisam caminhar juntas, como fintechs, saúde digital, comércio eletrônico e tecnologia embarcada. Nesses segmentos, ciclos mais curtos de desenvolvimento convivem com exigências rigorosas de auditoria e conformidade. Ao exigir que pendências identificadas pelos agentes sejam resolvidas ou explicitamente encerradas antes do merge, a Entire tenta combinar agilidade e rastreabilidade.
Desenvolvedores que já experimentaram o serviço relatam maior transparência na revisão de código gerado por IA, incluindo mais visibilidade sobre riscos de segurança e estabilidade em tempo quase real. A expectativa é que a redução da incerteza no momento da integração permita acelerar as iterações sem eliminar os mecanismos de controle.
No mercado, a Entire chega em meio ao surgimento de novas plataformas de gerenciamento de código-fonte, ao lado de iniciativas como Zed DeltaDB, Anthropic Scion, East River Source Control, Cursor Origin e Radicle. O movimento ocorre enquanto uma comunidade com mais de 250 mil desenvolvedores seniores discute formas de trabalhar com múltiplos agentes de IA sem comprometer clareza e qualidade.
Entre os próximos passos da Entire estão a ampliação das integrações com outras ferramentas de integração contínua e o crescimento da base de usuários. Caso a proposta de reduzir a centralidade dos pull requests avance, o modelo de trilhas com memória contínua poderá influenciar a evolução das plataformas de código e o desenvolvimento de linguagens e ferramentas de software.
Fonte: Miraí Broadcast