Entire ra mắt nền tảng Git đầu tiên dành riêng cho sự hợp tác giữa AI agent và lập trình viên

Trong bối cảnh các AI agent ngày càng tham gia sâu vào quá trình viết mã, một startup mang tên Entire vừa chính thức ra mắt nền tảng Git forge đầu tiên được xây dựng riêng cho sự cộng tác giữa con người và agent. Đây là tham vọng định hình lại toàn bộ cách các nhóm phát triển phần mềm làm việc trong kỷ nguyên AI-native.

Ba trụ cột của Entire

Theo Thomas Dohmke, đồng sáng lập kiêm CEO của Entire, nền tảng được xây dựng trên ba nền tảng cốt lõi:

• Trail: Thay vì mô hình pull request truyền thống với việc xem diff thủ công, Trail mang đến cho lập trình viên một "màn hình hiển thị" giống như buồng lái máy bay, với các đánh giá tự động (eval) có thể tùy chỉnh được chấm điểm bởi các agent sau mỗi lần push mã.
• Lưu trữ Git phân tán: Entire xây dựng máy chủ quản lý mã nguồn mới tương thích với Git, cho tốc độ push nhanh gấp 89 lần GitHub và nhanh gấp 6 lần Cursor Origin. Người dùng có thể tự lưu trữ repo và nhân bản ở nhiều vùng khác nhau trên thế giới.
• Continuous Memory: Cách tiếp cận mới giúp đồng bộ các phiên làm việc và prompt của agent vào chính kho Git, biến toàn bộ hiểu biết của agent thành dữ liệu liên tục sẵn sàng cho việc tìm kiếm.

Điểm đáng chú ý là Entire xây dựng hệ sinh thái mở ngay từ đầu, khi hợp tác với Buildkite và Depot cho các giải pháp tích hợp liên tục (CI).

Trail: thay thế pull request?

Theo Entire, mô hình pull request đã bộc lộ nhiều hạn chế khi các agent viết mã liên tục đổ vào timeline. PR dần trở thành một nhật ký kiểm tra mà chỉ có agent đọc, không còn cung cấp thông tin hữu ích để lập trình viên tự tin quyết định merge.

Trail giải quyết vấn đề này bằng cách đưa thông tin quan trọng lên đầu trang dưới dạng điểm eval được tính lại sau mỗi lần push. Vòng đời của Trail gồm ba bước:

1. Khởi tạo Trail: Có thể bắt đầu từ báo cáo lỗi, yêu cầu tính năng, hoặc trực tiếp từ agent. Một Trail có thể trải rộng trên nhiều repo.
2. Chấm điểm bằng eval: Mỗi lần push mã, các agent đánh giá sẽ chạy độc lập trong sandbox đám mây và gửi điểm kèm lý do — giống như một hội đồng giám khảo chấm điểm trượt băng. Các eval phổ biến gồm Security, Slop và Human Review Required. Nếu điểm Slop đang ở mức cam, lập trình viên có thể yêu cầu agent tiếp tục sửa và push cho đến khi điểm chuyển xanh.
3. Xử lý mọi cảnh báo rồi mới merge: Agent có thể trả về các phát hiện cụ thể kèm mức độ nghiêm trọng và gợi ý sửa. Cơ chế Gates đảm bảo mã không thể merge khi chưa xử lý hết cảnh báo của agent, kể cả khi cần sự phê duyệt của con người hay CI.

Bên dưới, Entire sử dụng Claude Code và Codex với các mô hình mới nhất, chạy trên sandbox cô lập do Daytona và E2B cung cấp.

CI và hạ tầng lưu trữ

Với sự hợp tác của Buildkite và Depot, người dùng GitHub Actions có thể chuyển đổi workflow bằng lệnh bk pipeline convert mà không cần viết lại. Depot CI thậm chí có thể chạy các workflow hiện có mà không cần GitHub ở giữa.

Về hạ tầng, Entire đang hoạt động tại Mỹ, EU, Australia và Ấn Độ, cho phép các tổ chức đáp ứng yêu cầu về lưu trú dữ liệu. Người dùng có thể tạo repo mới, nhân bản (mirror) từ GitHub để giữ GitHub là nguồn chân lý, hoặc di chuyển hoàn toàn sang Entire.

Continuous Memory: bộ nhớ dài hạn cho agent

Một trong những ý tưởng đáng chú ý nhất là Continuous Memory — giải quyết vấn đề agent phải "học lại từ đầu" mỗi khi mở phiên làm việc mới. Hai lệnh mới trong CLI của Entire hiện thực hóa điều này:

• entire-graph: Xây dựng bản đồ cấu trúc mã nguồn, giúp tiết kiệm tới 71% token trong thử nghiệm.
• entire-brain: Lập chỉ mục các phiên làm việc của agent và gắn chúng vào bản đồ mã, tạo ra bộ nhớ bền vững mà agent có thể truy xuất nhanh hơn nhiều so với việc grep qua codebase.

Cả hai plugin đều mã nguồn mở, ưu tiên chạy cục bộ và hoạt động bổ trợ cho nhau.

"CI mang mã nguồn lại với nhau. CD đưa nó lên production. Continuous Memory mang theo sự hiểu biết về phía trước."

Ý nghĩa với cộng đồng lập trình viên

Với các nhóm phát triển tại Việt Nam đang ngày càng ứng dụng AI vào quy trình làm việc, những công cụ như Entire mở ra hướng tiếp cận mới: thay vì xem agent như công cụ phụ, có thể tích hợp chúng thành một phần của quy trình review và kiểm soát chất lượng. Tuy nhiên, việc phụ thuộc vào đánh giá tự động của agent cũng đặt ra câu hỏi về độ tin cậy và trách nhiệm cuối cùng vẫn thuộc về con người.

Entire hiện đã sẵn sàng cho mọi lập trình viên dùng thử, với trọng tâm tối ưu cho các nhóm AI-native.