Entire propõe trilhas no lugar de pull requests para revisão de código com agentes de IA

A Entire, startup liderada por Thomas Dohmke (ex-CEO do GitHub), lançou um Git forge construído do zero para um cenário em que agentes de IA↳Agentes de IA42 conteúdosOpera passa a integrar ChatGPT, Claude e outros agentes de IADev (Back & Front) · mar 2026Operações mais inteligentes, decisões mais rápidas: o impacto da IA agêntica na rotina de TIAI · abr 2026Adobe aposta em orquestração de agentes de IA: o que muda para devsDev (Back & Front) · abr 2026Ver tudo em AI → geram, revisam e iteram código em alta velocidade. A aposta da empresa, segundo reportagem do InfoQ, é que o modelo de pull request que sustentou GitHub e GitLab por mais de uma década não foi desenhado para esse ritmo.

O argumento de Dohmke é direto: GitHub e GitLab organizaram a colaboração humano-humano em torno de revisão de código assíncrona e versionamento. Um forge multiagente, na visão dele, precisa se organizar em torno de outra coisa: a orquestração, o versionamento e a auditoria assíncrona de agentes de IA trabalhando ao lado de humanos.

O problema que a Entire diz ter identificado

A crítica central da empresa ao PR tradicional é que a timeline de comentários e commits deixou de servir ao desenvolvedor humano. Ela virou, na prática, um registro que só o próprio agente de IA consulta para saber o que fez.

O timeline do pull request virou um log de auditoria que só o agente lê. Ele não entrega ao desenvolvedor a informação necessária para decidir, com confiança, se pode fazer o merge.

Thomas Dohmke, CEO da EntireThe pull request [timeline] has become an audit log that only the agent reads. It does not provide the information for the developer to decide whether they can merge with confidence.

Em vez de rolar dezenas de comentários e commits incrementais de um agente trabalhando sozinho, a proposta da Entire concentra no topo da página a informação que, segundo a empresa, realmente importa para decidir o merge.

Trails: eval score em cada push

O componente central do produto se chama trails (trilhas). Uma trail pode nascer de um bug report, de uma feature request ou ser aberta manualmente, e pode atravessar vários repositórios ao mesmo tempo.

A cada push de código novo, um agente de revisão roda em um sandbox na nuvem e devolve uma nota com justificativa, cobrindo quatro eixos: qualidade de código, segurança, "slop" (código gerado de forma descuidada ou redundante) e necessidade de revisão humana. Se o score de slop vier laranja, por exemplo, o desenvolvedor pode pedir ao agente de coding que melhore o trecho e empurrar uma nova mudança, abrindo mais uma iteração do ciclo.

A interface mostra as últimas cinco rodadas de avaliação mais a rodada atual lado a lado, e isso é descrito como decisão de design deliberada:

As últimas cinco rodadas e a rodada atual são mostradas para cada avaliação. Acreditamos que isso é crucial porque os ciclos de uma tentativa só costumam deixar passar um problema crítico. Repetir os ciclos e estabilizar os scores é essencial para o sucesso do coding agêntico.

Thomas Dohmke, CEO da EntireThe last 5 runs and the current run are shown for each eval. We believe this is crucial as one-shot loops are often missing a critical issue. Repeating the loops and stabilizing the scores is crucial for the success of agentic coding.

Os agentes de avaliação podem ser configurados pela interface da Entire ou por um arquivo JSON no nível do repositório, o que dá controle de time sobre quais critérios pesam mais em cada projeto. Equipes também podem definir Gates (portões) no nível do repositório, especificando condições obrigatórias de aprovação. Enquanto a trail está aberta, todos os apontamentos do agente revisor precisam ser resolvidos ou fechados antes do merge: o merge só acontece quando a confiança está alta, o risco está baixo e não sobrou nenhum achado pendente.

Memória contínua: o contexto que some entre sessões

O segundo pilar do produto é a continuous memory, pensada para resolver um problema específico de agentes: cada sessão nova começa do zero, sem acesso ao raciocínio que levou a decisões de código anteriores. A Entire implementa isso com duas ferramentas open source↳Open source71 conteúdosComo o Open Source Está Liberando o Poder da Automação para TodosDev (Back & Front) · out 2025Código aberto: programadores criam software da NASA sem saberDev (Back & Front) · abr 2021N8N: O que é a ferramenta open source que está revolucionando a automação em TI?Dev (Back & Front) · dez 2025Ver tudo em Dev (Back & Front) →:

• entire-graph: constrói um mapa pré-computado do repositório Git, com busca de código ranqueada, mapeamento de definições e chamadas de função, tipos e rotas;
• entire-brain: cria uma camada de memória persistente combinando esse mapa de código com sessões anteriores de agentes e o histórico registrado no Git.

A ideia, segundo a empresa, é que o agente tenha sempre o contexto certo na hora certa: o "porquê" por trás do "o que mudou", e não só o diff bruto. A Entire também anuncia integração com plataformas de CI como Buildkite e Depot.

A reação no Hacker News

O lançamento gerou debate no Hacker News. Um usuário identificado como conartist6 argumentou que engenheiros passaram a delegar a escrita de código a agentes porque linguagens e ferramentas de programação deixam muito a desejar. Haimantika, que hoje trabalha na Entire, discordou do diagnóstico:

O problema nunca foi linguagem ou ferramenta. É que o raciocínio se perde 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 só tornaram isso agudo, porque agora não tem mais ninguém que lembra. É essa a parte que estamos tentando consertar. Se uma linguagem melhor resolve isso também, sinceramente eu toparia.

Haimantika, engenheira na Entireit's that the reasoning gets thrown away between the person and the artifact. Commit messages were always bad, docs always rotted, "why is this here" was answered by whoever remembered. Agents just made that acute, because now there's no one who remembers. That's the bit we're trying to fix. If a better language fixes it too, honestly I'd take that.

Entire não está sozinha

O InfoQ lista a Entire como um entre vários novos players disputando o espaço de gerenciamento de código-fonte voltado a fluxos agênticos: Zed DeltaDB, Anthropic Scion, East River Source Control, Cursor Origin e Radicle também aparecem na mesma categoria. É um sinal de que GitHub e GitLab (que em paralelo vem reforçando recursos agênticos, como mostrou o lançamento do GitLab 19.5) não são mais os únicos endereços possíveis para quem decide onde versionar código gerado por IA.

O que isso muda para quem revisa código aqui

Para times brasileiros que já colocaram Claude Code, Cursor ou Copilot no fluxo de trabalho, o recado da Entire é menos sobre trocar de forge amanhã e mais sobre nomear um problema real: PR gigante, gerado por agente, revisado por humano cansado, é teatro de revisão, não revisão. O eval score por push e as Gates configuráveis atacam diretamente esse ponto, trazendo um critério objetivo (mesmo que imperfeito) antes de pedir atenção humana.

A parte mais replicável, independente de trocar de plataforma, é o conceito de memória contínua: times que hoje dependem de prompts repetidos a cada sessão de agente podem olhar para entire-graph e entire-brain, ambos open source, como referência de arquitetura, não só como feature proprietária. Vale também um pé atrás saudável: é um produto novo, de uma empresa recém-criada, competindo contra GitHub e GitLab com anos de integração em pipeline de CI/CD↳CI/CD23 conteúdosCI/CD Mobile: o caos invisível que separa times comuns de times de alta performanceDev (Back & Front) · abr 2026Lambda: implementando com GitLab CI/CD e Terraform para Integração SFTP, S3 e Databricks em GoDev (Back & Front) · nov 2023Publicando sua aplicação Web Python no WebApp do Azure e configurando o CI/CD da sua aplicaçãoDevSecOps · abr 2019Ver tudo em DevSecOps →, SSO corporativo e compliance já resolvidos. Antes de migrar um repositório de produção, o caminho mais razoável é testar a trail em um projeto pequeno e comparar o tempo de merge com o fluxo de PR atual.

Fonte: InfoQ