前 GitHub 執行長創辦的新創公司 Entire 獲得 6000 萬美元種子輪，用於 AI 生成程式碼基礎設施

前 GitHub 執行長帶著 6,000 萬美元種子輪資金重返舞台，旨在為代理時代重建程式編寫

在被描述為開發者工具歷史上規模最大的種子輪融資中，前 GitHub 執行長 Thomas Dohmke 正式揭曉了他的新創企業：Entire。該公司以 6,000 萬美元的注資和 3 億美元的估值從隱身模式中亮相，Entire 旨在拆解並重構軟體開發生命週期（Software Development Lifecycle, SDLC），以適應 AI 程式碼代理（AI coding agents）的爆發式增長。

此輪融資由 Felicis 領投，微軟風險基金 M12、Madrona 和 Basis Set Ventures 也有大量參與。該新創公司還吸引了一系列知名的天使投資人，包括 Y Combinator 執行長 Garry Tan、Datadog 執行長 Olivier Pomel 以及 Yahoo 共同創辦人楊致遠（Jerry Yang），這顯示了業界對 Dohmke 論點的強烈信心：構建開源時代的工具不足以應對 AI 生成（AI generation）時代。

「工匠式」軟體開發的終結

數十年來，軟體工程一直被視為一種數位工藝——人類開發者逐行編寫邏輯，將變更提交到 Git 等版本控制系統，並手動審查拉取請求（Pull requests）。Dohmke 主張，隨著 AI 代理開始以人類工作流程無法維持的數量和速度生成程式碼，這種模型正迅速變得過時。

「我們正處於代理熱潮中，現在生成的程式碼量之大、速度之快，遠超任何人類所能理解的範疇，」Dohmke 在發表會上表示。「事實是，我們手動的軟體生產系統——從 Issues、Git 儲存庫、拉取請求到部署——最初就不是為 AI 時代設計的。」

Entire 的哲學與工業革命有直接的類比。正如汽車工業從手工工作坊轉向移動流水線以實現規模化一樣，軟體開發必須從以人為中心的工具轉向旨在透過代理「製造」程式碼的基礎設施。

引入「Checkpoints」：版本化的是邏輯，而不僅僅是程式碼

Entire 尋求解決的緊迫問題是 AI 生成程式碼的「黑盒子」本質。當像 Anthropic 的 Claude 或 OpenAI 的模型這樣的代理生成腳本時，該程式碼背後的推理、提示詞（Prompts）和上下文通常在文件儲存的那一刻就丟失了。這種上下文的丟失造成了業界所謂的「AI 垃圾」（AI slop）——程式碼雖然可行，但因其意圖不明確而難以維護。

Entire 的首個公開產品是 Checkpoints，這是一個開源命令列介面（CLI）工具。與僅儲存結果程式碼的標準 Git 提交（Commits）不同，Checkpoints 捕捉 AI 代理的整個「對話上下文」（Session context）。這包括：

給予代理的原始提示詞。
代理的「思維鏈」（Chain of thought）或推理過程。
生成過程中應用的特定工具和約束。

透過在 Git 兼容的資料庫中將這些元數據（Metadata）與程式碼一併儲存，開發者可以「重播」創作過程，從而實現真正的可審計性，並更容易對代理生成的軟體進行除錯。

全新的基礎設施堆棧

雖然 Checkpoints 是切入點，但 Entire 的雄心延伸至構建一個作為 AI 開發神經系統的全棧平台。該公司正在開發一種三層架構，旨在取代或增強現有的 CI/CD 工作流程：

Git 兼容資料庫： 一個將程式碼與其生成上下文統一起來的儲存層，確保變更的「原因」與變更的「內容」一樣易於獲取。
語義推理層（Semantic Reasoning Layer）： 一個控制平面，允許個多個 AI 代理進行協調，有效地充當專案經理，能夠理解他們正在修改的代碼庫背後的意圖。
AI 原生介面： 一種不僅為編寫程式碼而設計，更為編排代理集群、審查高階規範並僅在必要時進行干預而設計的使用者體驗。

投資概況

這筆 6,000 萬美元的種子輪融資在當前的風險投資環境中是一個異類，通常種子輪的範圍在 100 萬到 500 萬美元之間。融資規模既反映了構建基礎設施的資本密集度，也反映了創辦人的過往業績。曾在 Copilot 發表和擴展期間領導 GitHub 的 Dohmke，在理解當前生態系統局限性方面具有獨特優勢。

融資輪次詳情

指標	詳情	背景
總募集金額	6,000 萬美元	開發者工具種子輪紀錄
估值	3 億美元	產品與市場契合前的估值
領投人	Felicis	矽谷風險投資公司
關鍵企業支持者	M12 (Microsoft)	與前僱主的戰略結盟
知名天使投資人	Garry Tan, Olivier Pomel, Jerry Yang	來自 YC、Datadog、Yahoo 的領導者
主要重心	AI 原生基礎設施	超越「Copilot」式的輔助

「偏移」困境

Entire 解決的關鍵技術挑戰之一是「偏移」（Drift）。隨著 AI 代理對程式碼進行迭代，它們可能會無意中偏離原始專案規範，或引入隨時間累積的細微錯誤。傳統的程式碼審查流程——人類閱讀差異（Diff）的每一行——正成為瓶頸。

Entire 的平台提議將審查程式碼轉變為審查規範和結果。透過在源頭捕捉意圖，該平台旨在允許人類管理軟體生成的「過程」，而不是檢查每一個輸出。這符合業界邁向「代理式」（Agentic）工作流程的大趨勢，在這種流程中，人類移動到「堆棧上方」，成為自主編碼機器人的架構師和主管。

市場影響

Entire 的推出對 GitHub 和 GitLab 等現有平台構成了潛在挑戰。雖然這些平台已經集成了 AI 助手（如 Copilot 和 Duo），但其底層架構仍根植於 Linus Torvalds 在 2005 年對 Git 的願景——一個用於人類協作的工具。

Dohmke 的賭注是，將 AI 改裝到這些平台上是不夠的。如果他的願景成真，下一代軟體將不僅由 AI 編寫；它還將由基礎設施進行管理、版本控制和部署，而這些基礎設施將人類程式碼視為例外，而非規則。隨著 Checkpoints 的發布，開發者現在可以開始測試這一假設，首次有效地對其 AI 的「想法」進行版本控制。