Entire - Platform pengembang baru untuk agen AI

• Didirikan oleh mantan CEO GitHub, Thomas Dohmke, dengan tujuan membangun platform pengembang generasi berikutnya tempat manusia dan agen dapat berkolaborasi, belajar, dan melakukan deployment bersama
• Terdiri dari tiga elemen inti: database yang kompatibel dengan Git, lapisan penalaran semantik universal, dan SDLC native AI
• Sebagai produk pertamanya, perusahaan merilis CLI open source Entire CLI yang terintegrasi dengan Git, yang secara otomatis mengelola versi konteks kerja agen
• Memperkenalkan konsep bernama Checkpoints, yang secara otomatis menyimpan konteks agen ke Git sebagai data berversi, memungkinkan peninjauan proses penalaran, penggunaan token yang efisien, serta dukungan multi-sesi
• Mendukung Anthropic Claude Code dan Google Gemini CLI, dengan dukungan untuk Codex dan Cursor CLI yang juga direncanakan

---

Perubahan paradigma pengembangan perangkat lunak

• Dalam beberapa bulan terakhir, berbagai model coding berbasis agen seperti Anthropic Claude Code, OpenAI GPT-5.3-Codex, dan Cursor Composer 1.5 telah bermunculan
  • Pengembang bekerja dengan mengendalikan banyak agen secara bersamaan di beberapa jendela terminal
  • Pengembangan berbasis spesifikasi (spec-driven) muncul sebagai pusat pembuatan kode
  • Agen menghasilkan dan mengevaluasi ratusan variasi kode secara paralel, sehingga kecepatan produksi kode melampaui batas pemahaman manusia
• Namun, sistem pengembangan saat ini yang berpusat pada issue tracking, Git, dan Pull Request dirancang dengan asumsi kolaborasi manusia, sehingga kurang cocok untuk era AI
  • Batas kapasitas dan kecepatan API yang tersentralisasi menurunkan efisiensi agen
  • Struktur sistem yang ada sulit dialihkan ke model produksi yang berpusat pada AI
• Karena itu, dibutuhkan 'sistem pengembangan bergaya lini perakitan' baru yang sesuai untuk era ketika mesin menjadi produsen utama kode

Visi dan struktur Entire

• Entire bertujuan membangun platform pengembang generasi berikutnya tempat manusia dan agen dapat berkolaborasi, belajar, dan melakukan deployment bersama
• Platform ini terdiri dari tiga komponen utama
  • Database kompatibel Git: menyatukan kode, niat, batasan, dan penalaran dalam satu sistem version control
  • Lapisan penalaran semantik universal (semantic reasoning layer): mendukung kolaborasi antar banyak agen melalui grafik konteks
  • SDLC native AI: merancang ulang siklus hidup pengembangan untuk kolaborasi manusia-agen
• Proyek ini memperoleh pendanaan seed sebesar 60 juta dolar AS yang dipimpin oleh Felicis, dengan partisipasi dari Madrona, M12, Basis Set, 20VC, Cherry Ventures, Picus Capital, dan Global Founders Capital
  • Investor individu mencakup Gergely Orosz, Theo Browne, Jerry Yang, Olivier Pomel, dan Garry Tan

Produk pertama: Entire CLI dan Checkpoints

• Saat ini, sesi agen bersifat sementara; prompt dan isi penalaran di terminal hilang ketika sesi berakhir
  • Git hanya mencatat perubahan kode, dan tidak menyimpan konteks mengapa perubahan itu dibuat
• Checkpoints adalah unit dasar baru untuk menyelesaikan masalah ini, yang secara otomatis menyimpan konteks agen ke Git sebagai data berversi
  • Saat commit dilakukan, seluruh sesi dicatat bersama-sama, termasuk prompt, perubahan file, penggunaan token, dan pemanggilan tool
  • Data ini menjadi dasar bagi lapisan penalaran semantik dan dapat ditelusuri per branch
• Keunggulan utama Checkpoints
  • Traceability: memungkinkan peninjauan proses penalaran di balik perubahan yang dihasilkan agen
  • Peningkatan efisiensi review: meninjau niat dan batasan, bukan sekadar diff
  • Perbaikan handoff pekerjaan: pekerjaan dapat dilanjutkan tanpa menjalankan ulang prompt
  • Pengurangan pemborosan token: mempelajari revisi sebelumnya untuk mencegah kesalahan berulang
  • Dukungan multi-sesi dan multi-agen: memungkinkan kolaborasi agen secara paralel
• Saat ini mendukung Anthropic Claude Code dan Google Gemini CLI, dan dukungan untuk Codex serta Cursor CLI juga akan ditambahkan

Cara kerja dan instalasi

• Checkpoints bekerja sebagai CLI yang sadar Git, menulis objek checkpoint terstruktur untuk setiap commit yang dibuat agen
  • Terhubung ke SHA commit untuk mencatat perubahan kode dan proses penalaran secara bersamaan
  • Metadata disimpan di branch terpisah (entire/checkpoints/v1) dan berfungsi sebagai audit log append-only
• Instalasi dapat dilakukan dalam dua langkah
  1. Jalankan curl -fsSL https://entire.io/install.sh | bash
  2. Di dalam repositori, jalankan perintah entire enable untuk mengatur proyek
  • Setelah itu, sesi agen akan otomatis direkam dalam format terstruktur

Rilis open source dan kolaborasi komunitas

• Entire CLI tersedia sebagai open source di GitHub dan dirancang agar independen serta portabel sehingga dapat digunakan oleh semua agen dan model
• Saat ini Checkpoints menyediakan fungsi pelacakan dan pencatatan, tetapi ke depan akan berkembang menjadi memori bersama antar agen untuk memungkinkan kolaborasi dan serah-terima konteks
• Tim pengembang mengumpulkan umpan balik komunitas melalui Discord dan GitHub Discussions, dan berencana menyusun roadmap berikutnya bersama komunitas
• Dengan frasa “No more stealth. We are building in the open.”, mereka menekankan filosofi pengembangan terbuka

[pseudojo]

Saya tadinya berpikir kalau ditunggu, nanti akan ada yang membuatnya (maksudnya senior developer Big Tech), dan akhirnya benar-benar muncul. Saat pakai MCP dan skill pun, kadang konteksnya malah diabaikan begitu saja, jadi kali ini semoga benar-benar bisa menjaga konteks dengan baik...

[halfenif]

Kami benar-benar mencatat log debugging dalam jumlah sangat besar setiap hari, dan kini terpikir bahwa kami bahkan akan mulai melakukan commit juga.

[roxie]

Dengan kata lain, ini mungkin sinyal bahwa alat-alat yang akan membacakan log debug yang sangat brutal itu menggantikan saya akhirnya mulai bermunculan.

[GN⁺]

Komentar Hacker News

• Konsep baru bernama Checkpoints ini menarik. Saat agen melakukan commit pada kode yang dihasilkan, seluruh sesi—percakapan, prompt, perubahan file, penggunaan token, pemanggilan tool, dan sebagainya—ikut dikelola versinya. Kalau seseorang tidak melihat nilai dari fitur seperti ini, saya tidak tahu harus berkata apa

  • Ini punya makna besar karena kita bisa memahami kenapa kode lama ditulis seperti itu. Dengan begitu, keputusan kode di masa depan bisa diambil lebih cepat dan lebih akurat. Misalnya, kalau kita tahu alasan sesuatu ditulis dengan cara X, akan lebih mudah memutuskan apakah perlu diubah ke Y. Selain itu AI juga bisa mengetahui konteks commit sebelumnya saat menulis commit berikutnya
  • Tentu saja berguna jika AI menambahkan konteks yang dibuatnya lewat git add lalu melakukan git commit, tapi saya ragu apakah itu bernilai 60 juta dolar
  • Saya juga pernah membuat sistem serupa sendiri. Sistem itu bekerja dengan memoisasi semua tahap dalam proses pengembangan kolaboratif
  • Saya bisa melihat kegunaannya sebagai perluasan Git, tetapi saya tidak begitu paham bagaimana VC akan menghasilkan uang dari ini

• Terlepas dari logika VC atau namanya, saya bisa melihat visi dari ide ini. Hanya saja, karena masa depan AI masih tidak pasti, kita juga belum tahu apakah kita benar-benar membutuhkan solusi seperti ini. Secara tradisional, tool developer yang sukses lahir bukan dari modal besar, melainkan dari developer yang memecahkan masalah mereka sendiri

  • Tapi memang pendanaan seed seperti ini pada dasarnya ditujukan untuk eksperimen semacam itu. Harus dicoba dulu untuk tahu apakah benar ada nilainya

• Kalau model sudah cukup bagus, platform seperti ini akan hilang, dan bahkan kalau tidak pun sepertinya tetap akan hilang

  • Itu ungkapan yang tepat. Platform ini mungkin berguna, tetapi tampaknya sulit mencapai kesuksesan setingkat GitHub. Pada akhirnya ini hanya soal menyimpan informasi bersama datanya. Para pendirinya memang berpengalaman, tetapi sekarang bukan masa yang mudah untuk mereplikasi kesuksesan seperti itu
  • Sekarang semua orang berpura-pura jadi ahli AI, tetapi teknologinya berkembang terlalu cepat sampai terasa seperti investasi pengetahuan itu sendiri terdepresiasi. Kalau besok ada model yang lebih baik, apa yang dipelajari hari ini cepat sekali jadi usang
  • Meski begitu, menarik juga membayangkan berapa banyak dana investasi yang akan berpindah tangan di tengah semua itu
  • Toh mereka mungkin dapat investasi hanya karena “dibuat oleh mantan CEO layanan terkenal sebelumnya”

• Yang lebih penting daripada kualitas kode buatan AI adalah kemampuan untuk audit. Saya suka karena platform ini tampaknya menangani masalah itu dengan cara yang baru sekaligus tradisional

• Saya melihat penjelasan “menghubungkan konteks agen ke Git lewat CLI”, tetapi kalau ujung-ujungnya hanya membuang konteks ke dalam commit, itu sebenarnya sudah saya lakukan

  • Tapi saya tidak punya seed 60 juta dolar dan valuasi 300 juta dolar
  • Walaupun kamu sudah melakukannya, apakah kamu bisa memaksakannya ke 5.000 karyawan enterprise? Investasi seperti ini adalah upaya untuk memungkinkan hal itu
  • Saya juga berpikir serupa. Malah saya berusaha mengurangi konteks yang masuk ke dalam commit
  • Memasukkan 50KB ke pesan commit Git terasa seperti overhead yang berlebihan
  • Saya merangkum diskusi desain dengan Claude atau Codex lalu menyimpannya sebagai file MD, kemudian setelah diedit saya suruh dibaca lagi. Kalau ada tool yang bisa membuat proses ini tidak terlalu merepotkan, itu bagus, tetapi sekadar menuangkan semua prompt ke branch Git terasa tidak efisien

• Sekarang ini zamannya framework AI baru muncul setiap minggu. Rasanya seperti melihat ledakan framework JavaScript dulu, sampai saya ingin membuat klon HN yang bisa memfilter tulisan terkait AI

  • Kalau melihat skill agen yang populer, fokusnya React dan JS. Pada akhirnya komunitas JS yang berorientasi tren membesar-besarkan kisah sukses LLM. Orang-orang yang dulu melebih-lebihkan framework frontend sekarang terdengar seperti baru menemukan type system dan compiler
  • Ya sudah, bikin saja ekstensi untuk memfilter tulisan tentang AI. AI pasti bisa membuatkannya dalam 10 menit
  • Atau sekalian buat klon HN khusus bot dan kirim bot-bot yang ribut di sini ke sana
  • Kamu pasti sudah tahu cara yang efektif untuk melakukan itu, kan?
  • Saya juga sudah lama berharap feed HN punya fitur filter. Saya ingin menyaring tulisan soal Web3, tetapi akurasinya rendah kalau hanya pakai keyword. Ironisnya, mungkin dengan analisis AI hasilnya bisa lebih baik

• Ini terasa seperti ide yang baru dipikirkan spontan kemarin lalu mendapat investasi berkat riwayat pendirinya. Saya tidak mengerti layanan ini sebenarnya apa, atau apa bedanya dari Show HN lainnya

• Putaran seed 60 juta dolar, apakah ini benar-benar mungkin?

  • Kalau begitu, sebentar lagi kita mungkin akan melihat putaran seed 500 juta dolar

• Data Checkpoints tampaknya bisa bernilai lebih dari emas, bukan cuma untuk kolaborasi sederhana, tetapi juga nantinya sebagai data untuk pelatihan RL

• Masalah pelestarian konteks itu benar-benar menyakitkan. Saya menjaga status sesi dengan task.md atau CLAUDE.md, tetapi itu hanya solusi sementara. Konsep checkpoint yang menyimpan reasoning dan diff sekaligus memang menarik. Hanya saja, saya skeptis jika ini dijadikan platform terpisah di atas Git. Pendekatan yang terintegrasi erat dengan tool yang sudah ada seperti Cursor, Aider, Claude hook sejauh ini lebih berhasil. Kalau developer diminta berpindah ke stack SDLC baru, tantangannya bukan hanya teknologi tetapi juga adopsi. Kalau ini open source, saya penasaran apakah formatnya merupakan spesifikasi terbuka

  • Saya memakai Shelley untuk menyimpan percakapan agen ke DB Sqlite. Tidak perlu dimasukkan ke Git, lalu saya cukup menulis dokumen desain dan melakukan commit. Itu sudah cukup
  • Sebenarnya bukankah git notes juga bisa melampirkan metadata status agen ke commit atau tree?
  • CLI-nya open source dan bisa berjalan hanya dengan Git. Platform terpisah itu cuma berfungsi sebagai viewer checkpoint. Itu juga bisa dilihat dari CLI. https://github.com/entireio/cli