Entire сохраняет рядом с кодом контекст работы ИИ-агента: промпты, транскрипт, вызовы инструментов, затронутые файлы и другие данные сессии. Стартап бывшего CEO GitHub Томаса Домке привлёк на эту идею $60 млн, потому что при агентной разработке дорожает уже не сам код, а возможность понять, почему он появился именно таким.
В рилсе эта история звучит чуть громче: человек, который управлял GitHub, якобы ушёл, чтобы построить его замену, а новый агент теперь буквально читает мысли предыдущего. Суть ролик поймал правильно, но детали интереснее самого хайпа.
Почему бывший глава GitHub решил сохранять код вместе с контекстом
Томас Домке возглавил GitHub в ноябре 2021 года, а об уходе объявил в августе 2025-го, поэтому корректнее говорить примерно о четырёх годах на посту CEO, а не о пяти. На момент его ухода GitHub сообщал о более чем 150 млн разработчиков и миллиарде репозиториев вместе с форками. Именно при Домке Copilot из эксперимента превратился в один из главных продуктов платформы.
10 февраля 2026 года он представил Entire и объявил стартовый раунд на $60 млн. Раунд возглавил Felicis, к нему присоединились Madrona, M12, Basis Set, 20VC, Cherry Ventures, Picus Capital и Global Founders Capital. TechCrunch и Axios написали, что инвесторы оценили компанию в $300 млн.
Сумма выглядит огромной для продукта, который начинается с утилиты командной строки. Однако инвесторы покупают не утилиту, а ставку на смену главного дефицита в разработке. Когда код пишет человек, Git отлично хранит результат его работы: вот коммит, вот изменения, вот автор. Когда за день десятки агентов создают сотни вариантов, одного результата уже мало, потому что через неделю никто не помнит, какие ограничения были у задачи, что агент уже пробовал и почему отказался от других решений.
Вот за что на самом деле заплатили $60 млн: не за ещё одну модель, которая пишет код, а за инфраструктуру, которая не даёт агентам каждое утро просыпаться новыми людьми.
Как Entire привязывает сессию ИИ-агента к коммиту
Первый продукт компании называется Checkpoints. Entire CLI подключается к обычному Git-процессу и при коммите связывает SHA изменения со структурированной записью сессии. Туда попадают промпты, транскрипт, ответы агента, вызовы инструментов, затронутые файлы, расход токенов и другие доступные данные.
Эта запись уезжает в отдельную ветку entire/checkpoints/v1, а основной код остаётся таким же, каким был. В итоге можно открыть изменение и увидеть рядом список правок и контекст, который к ним привёл; другой агент, в свою очередь, может продолжить работу, не восстанавливая всю историю по обрывкам файлов и комментариев.
На старте Checkpoints поддерживал Claude Code и Gemini CLI, затем компания добавила Codex, Cursor и другие агентные среды. К августу открытый репозиторий CLI собрал около 4,9 тыс. звёзд на GitHub, а продукт уже умеет искать по прошлым сессиям, объяснять происхождение изменений, возвращаться к рабочему checkpoint и переносить контекст между агентами.
Похожий принцип я уже разбирал в статье про AI-native компании: если знания, правила и решения лежат в файлах, которыми одновременно пользуются люди и агенты, новый исполнитель гораздо быстрее входит в работу. Entire переносит эту логику глубже - на уровень каждой отдельной сессии и каждого изменения кода.
Почему «читает мысли агента» - красивая, но неверная формулировка
Здесь рилс делает понятное медийное упрощение. Entire не получает доступ к скрытой внутренней цепочке рассуждений модели. Он сохраняет то, что реально было доступно в сессии: запросы, ответы, транскрипт, вызовы инструментов, изменения файлов, расход токенов и сгенерированные агентом объяснения.
Разница не словесная. Если назвать транскрипт «мыслями», у команды появляется ложное ощущение, что система сохранила абсолютно всё и теперь способна объяснить любое решение. На практике агент может выдать убедительное объяснение уже после действия, пропустить промежуточную гипотезу или просто ошибиться. Checkpoint даёт гораздо больше материала для аудита, но не превращает модель в прозрачный механизм.
Код показывает, что получилось. Контекст показывает, с какой задачей, ограничениями и сомнениями к этому пришли.
Поэтому ценность Entire не в магическом чтении мыслей, а в прозаичной прослеживаемости. А она становится критичной ровно в тот момент, когда скорость производства кода превышает скорость человеческого понимания.
Почему Entire пока не заменяет GitHub
Второе преувеличение рилса касается самого GitHub. Домке действительно строит «следующую платформу для разработчиков» и говорит, что старый цикл из задач, репозиториев и pull request создавался для людей. Но текущий Entire не просит выбросить GitHub.
Наоборот, 8 июля 2026 года компания запустила распределённую сеть зеркал Git, где исходный репозиторий остаётся на GitHub, а агенты клонируют его с ближайшего регионального узла Entire, чтобы не упираться в лимиты и задержки центрального сервиса. GitHub продолжает хранить основной проект, а Entire забирает на себя тяжёлый агентный трафик и слой контекста.
В перспективе Entire действительно хочет подняться выше и построить собственную Git-совместимую базу, общий слой памяти для нескольких агентов и новый интерфейс разработки. Но пока честнее называть его не убийцей GitHub, а ранним дополнением к Git для команд, у которых агенты уже создают больше изменений, чем люди успевают осмыслить.
Почему контекст становится активом дороже файла
Самая сильная мысль этой истории вообще не про программирование. Сегодня ИИ собирает презентации, договоры, отчёты, рекламные кампании и автоматизации, но компании обычно сохраняют только финальный артефакт. Через месяц другой агент видит красивый файл и ничего не знает о том, какие источники использовались, какие цифры отбросили, чего боялся клиент и почему команда выбрала именно этот вариант.
Файл без пути к нему быстро превращается в загадку. Человек ещё способен вспомнить разговор по косвенным признакам, хотя и он ошибается; агент в новой сессии начинает буквально с нуля, если решения нигде не записаны.
Поэтому перед покупкой нового инструмента я бы сначала проверил более базовую вещь: умеет ли ваша команда вообще записывать решения. Есть ли у проекта одна актуальная инструкция, остаются ли рядом с результатом источники и допущения, фиксируются ли проверки, может ли новый человек за десять минут понять, что происходило до него. Если нет, Entire сохранит много сессионных данных, но сам по себе не превратит шум в знание.
Практический минимум выглядит так:
Если хочется собрать такую рабочую среду с нуля, начните с пошагового гайда по Claude и только потом усложняйте систему памятью, навыками и несколькими агентами. Иначе легко получить очень подробный архив хаоса.
У памяти агентов есть неприятная обратная сторона
Чем больше контекста сохраняется, тем дороже его утечка. Entire пишет транскрипты и checkpoint-метаданные в отдельную ветку Git-репозитория, поэтому любой человек с доступом к репозиторию сможет прочитать и эту историю; если репозиторий публичный, ветка с транскриптами тоже публична.
Компания встроила автоматическое скрытие секретов, использует больше 260 правил распознавания и позволяет добавлять собственные шаблоны для внутренних идентификаторов и клиентских данных. Вместе с тем в документации по безопасности прямо сказано, что фильтр может пропустить новые или необычные секреты. Защита персональных данных при этом выключена по умолчанию и требует отдельной настройки.
Получается забавная развилка: без памяти агентная команда забывает собственные решения, а с бесконтрольной памятью начинает хранить слишком много. Значит, следующая большая инфраструктура для ИИ будет строиться не вокруг бесконечного контекста, а вокруг управляемого - с происхождением, правами доступа, сроком жизни и понятным удалением.