新智元报道
GitHub 前首席执行官 Thomas Dohmke 拓展人工智能编码领域，获得6000万美元种子轮融资，旨在创建一个专为编程智能体设计的原生开发平台。
硅谷投资者正通过实际行动重塑软件工程的基本原则。
2026年2月，Thomas Dohmke 创立的新公司Entire完成了6000万美元种子轮融资，估值达3亿美元。领投方Felicis 称其为开发工具史上最大规模的种子轮。
投资者的背景显示了行业对于 AI 编程潜力的高度认可：它正在推动研发流程从以人为中心的手工艺协作转向以智能体为中心的工业化生产模式。
划时代融资
开发工具有史以来最大的种子轮融资诞生
2026年2月，硅谷风险投资圈迎来一次重大事件。GitHub 前首席执行官 Thomas Dohmke 的初创公司Entire完成了6000万美元的种子轮融资，估值达3亿美元。
此次融资吸引了Madrona、M12（微软风投）、Basis Set和Datadog创始人兼CEO等顶级机构参与，表明了行业领袖对这一领域的信心和支持。
那么Entire想要解决的是什么问题呢？
这要从Thomas Dohmke在GitHub担任首席执行官期间的经历说起。
在他任职的几年间，见证了编程助手 GitHub Copilot 的崛起和发展。
然而，随着Claude Code、GPT-5.3-Codex等AI编程智能体的出现，同时运行多个智能体已成为开发者的常态。这使得传统开发流程开始显露出不适应性。
问题跟踪系统原本是为人类开发者设计的，而非机器可读的工作单元。每天都有大量的智能体因API容量和速率限制而无法充分发挥其能力。
实际上，GitHub 是为了服务人类程序员而设立的手工艺基础设施，在面对大规模使用AI编程时显得力不从心。
这种情况下，AI生成的代码数量激增，导致开发者抱怨代码生成速度过快且难以理解。就像汽车工业从手工生产过渡到流水线制造一样，我们必须重新构思整个软件开发流程以适应机器主导的世界。
构建智能化的编程生产线
Entire的目标是实现智能体与人类之间的高效协作、学习和交付高质量代码。其愿景是一个开放、可扩展且独立的平台，适用于任何类型的AI编码助手或模型。
其解决方案基于三个核心组件：
首先是一个Git兼容数据库，能够统一管理代码、意图、约束条件和推理过程，确保每段代码都能追溯其来源。
接下来是通用语义推理层，通过上下文图谱实现多智能体协同工作。这一技术使不同AI编码助手可以共享记忆，避免重复推理和资源浪费。
最后是一个专为智能体与人类交互设计的原生用户界面，重新定义了整个软件开发流程中的协作体验。
同样在融资当天，Entire发布了其首个开源产品「Entire CLI」，该产品的核心功能是「Checkpoints」，用于保存AI编程过程中的上下文信息。
当前智能体的会话通常是短暂且不持久的：指令仅存在于终端中，推理过程也只在当前窗口内有效。产生的决策、限制和迭代一旦关闭对话便消失无踪。Git虽能记录代码更改，但缺乏关于「为何如此修改」的信息。
Checkpoints技术将智能体编程时的上下文信息作为版本控制系统的一部分进行保存。
提交由AI生成的代码时，会自动捕获完整的对话记录、提示词、涉及文件及token使用量等数据。这些上下文信息成为语义推理层的关键组成部分。
目前Entire CLI已支持 Anthropic 的 Claude Code 和 Google Gemini CLI，并允许多个智能体同时对话。公司明确表示将保持平台的开放性，以促进所有智能体和模型的发展。
有了Checkpoints技术后，每次提交不仅可以追溯代码差异，还能查看产生这些代码的具体推理过程。这使得在进行代码评审时能够关注到大语言模型生成意图和约束条件，而不仅仅是修改内容本身。
对于企业而言，使用Entire CLI意味着更好的交接流程，接手项目时无需重新输入提示或会话即可继续工作，并且由于包含上下文信息，编程智能体将减少重复错误的产生，从而降低token消耗。
实际上操作Entire CLI非常简便。开发者只需执行两条命令
curl -fsSL https://entire.io/install.sh | bashentire enable之后，与智能体的所有对话都将被自动记录并结构化保存下来。
「无需阅读代码」时代的到来
从技术演进的角度来看，Entire的愿景是为未来的人机协作模式奠定基础。前GitHub首席执行官Nat Friedman在一次公开演讲中提到，在大语言模型和AI智能体迅速发展的背景下，人类可能很快就不需要阅读或编写代码。
Friedman预测到2028年，人工智能将生成90%的代码。这意味着当前开发者每天编写的代码仅占总量的一小部分，其余大部分都将由AI完成。
到2030年，全球软件创造者的数量可能会从数千万人增长至十亿级别，这将打破编程作为专业技能的门槛限制，使更多领域的专家能够直接将自己的想法转化为软件产品而无需多年的训练。
然而，这种转型也带来了一些挑战。例如，在90%的代码由AI生成的情况下，如何确保这些代码的安全性、可靠性和伦理合规？当系统出现问题或出现安全漏洞时，责任应当如何界定？
Friedman指出向「无需阅读」未来的转变将逐步发生。
第一阶段是让AI处理重复性的模板化代码和常见模式，从而释放开发者精力用于更具创新性的工作。
在第二阶段，AI将承担更复杂的重构和优化任务，理解现有的代码库并进行改进。
最终阶段则是完全由AI自主完成系统的维护工作，包括错误修复、性能优化和架构演进等复杂操作。
对于重复性高的代码来说，不保存其生成时的上下文信息是可以接受的；但对于复杂的代码，每次修改都需要与AI进行对话来理解背后的原因会大大增加开发难度。
而Entire公司推出的「Checkpoints」技术可以让每段由AI生成的代码都携带其“数字谱系”，从而变得可追溯。这成为未来AI编程中不可或缺的基础设施之一，也是Entire能够获得巨额天使轮融资的重要原因。
国内的编程智能体开发商也应注意到这一需求，并开发具有总结、可视化等功能的类似产品来满足市场需求。
参考资料：
https://techcrunch.com/2026/02/10/former-github-ceo-rAIses-record-60m-dev-tool-seed-round-at-300m-valuation/
https://entire.io/blog/hello-entire-world/
