Entire anuncia fim dos pull requests e revoluciona código com IA

Inovação Tech

Nova abordagem da Entire transforma revisão de código com inteligência artificial e avaliações contínuas.

Leia também: Game Off 2026 lança tema SHIFT e desafia criadores a inovar

A Entire, nova plataforma de hospedagem de código liderada por Thomas Dohmke, ex-CEO do GitHub, estreia defendendo que o modelo tradicional de pull requests não dá mais conta do desenvolvimento acelerado com agentes de inteligência artificial — e propõe substituí-lo por trilhas de revisão contínua, memória persistente e integração profunda com ferramentas de CI.

Como funciona o modelo de trails da Entire

No lugar da linha do tempo clássica de um pull request, a Entire organiza o trabalho em “trails” (trilhas), que podem nascer de um bug report, de um pedido de funcionalidade ou ser abertas manualmente, inclusive envolvendo vários repositórios ao mesmo tempo. Cada push dispara uma bateria de avaliações automáticas, executadas por agentes de revisão em sandbox na nuvem, que retornam notas e justificativas sobre qualidade do código, segurança, margem de erro (slop) e necessidade de revisão humana.

Essas notas aparecem no topo da trilha em forma de eval scores, atualizados a cada push, e exibem sempre as últimas cinco execuções de cada métrica. A ideia é fugir de ciclos “one shot” de revisão e incentivar iterações até que os indicadores estabilizem e eventuais problemas críticos sejam de fato resolvidos.

“O pull request [timeline] se tornou um log de auditoria que só o agente lê. Ele não fornece a informação para o desenvolvedor decidir se pode fazer o merge com confiança”, afirma Thomas Dohmke, CEO da Entire. Segundo ele, o merge só deve acontecer quando o conjunto de avaliações aponta um estado realmente saudável para o código. “Só quando a confiança é alta, o risco é baixo e todas as descobertas forem resolvidas, o merge deve acontecer”, diz.

Enquanto a trilha está aberta, as recomendações dos agentes — correções sugeridas, melhorias e alertas — permanecem visíveis e auditáveis. A plataforma permite configurar “gates” em nível de repositório, definindo quais condições objetivas precisam ser atendidas para que a integração seja liberada. Tudo pode ser controlado pela interface da Entire ou por arquivos JSON no próprio repositório.

Memória contínua para não perder o raciocínio

Outro pilar da plataforma é a chamada memória contínua, um esforço para manter vivo o contexto e o raciocínio por trás de cada mudança, algo que historicamente se perde entre commits apressados e documentação desatualizada. A Entire aposta em duas ferramentas open source para isso: entire-graph, que gera um mapa pré-computado do repositório com buscas ranqueadas, referências, tipos e rotas; e entire-brain, que combina esse mapa com sessões anteriores de agentes e o histórico do Git.

Com essa camada persistente de memória, os agentes de IA conseguem reutilizar o conhecimento acumulado em novas sessões, em vez de recomeçar do zero sempre que são acionados. Eles passam a ter acesso não só ao que mudou, mas ao “por que” das mudanças, fator crucial para manutenção e evolução de sistemas complexos no longo prazo.

Haimantika, integrante da equipe da Entire, resume o problema que a empresa tenta atacar. “O problema nunca foram as linguagens ou ferramentas, mas que o raciocínio é descartado entre a pessoa e o artefato. Mensagens de commit sempre foram ruins, documentação sempre apodreceu, ‘por que isso está aqui’ sempre foi respondido por quem lembrava. Os agentes apenas tornaram isso mais agudo, porque agora não há quem lembre. É isso que estamos tentando consertar. Se uma linguagem melhor também resolver, eu aceitaria”, afirma.

Desempenho e integração com CI

Por baixo do capô, a Entire opera sobre uma arquitetura totalmente distribuída, que promete pushes até 89 vezes mais rápidos que os do GitHub, um atrativo direto para times que fazem muitas iterações e contam com vários agentes automáticos trabalhando em paralelo.

A plataforma já oferece integração com ferramentas de integração contínua como Buildkite e Depot, permitindo que pipelines existentes se conectem às trilhas e às avaliações geradas pelos agentes. Com isso, decisões de aprovação e deploy podem levar em conta, de forma automatizada, tanto os testes tradicionais quanto o estado de confiança calculado pela Entire.

Entenda o contexto

A chegada da Entire acontece em um momento em que agentes de codificação baseados em IA passam a participar de todo o ciclo de desenvolvimento: escrevem trechos de código, abrem alterações, respondem a comentários, rodam testes e sugerem correções. Nesse cenário, o pull request, criado para colaboração assíncrona entre humanos, começa a ser usado como canal primário de comunicação entre máquinas — o que, na visão de Dohmke e da comunidade em torno da plataforma, gera ruído para quem precisa decidir o que integrar.

Ao colocar avaliações contínuas, memória persistente e agentes de revisão no centro do fluxo, a Entire tenta redefinir o que significa “trabalhar com IA” em times de software. Em vez de apenas incrementar o editor com sugestões automáticas, a proposta é repensar governança, auditoria e confiança de ponta a ponta, desde a abertura de um bug até o merge final.

Impacto para equipes e mercado

Na prática, a plataforma mira especialmente setores em que velocidade e confiabilidade caminham juntas, como fintechs, saúde digital, e-commerce e tecnologia embarcada. Nesses ambientes, ciclos mais curtos de desenvolvimento costumam esbarrar em exigências rígidas de auditoria e compliance. Ao exigir que todas as pendências apontadas por agentes sejam resolvidas ou explicitamente encerradas antes do merge, a Entire tenta equilibrar pressa com rastreabilidade.

Desenvolvedores que já experimentam o serviço relatam ganhos de transparência na revisão de código gerado por IA, com maior visibilidade sobre riscos de segurança e estabilidade em tempo quase real. A promessa é que, ao reduzir a incerteza na hora de integrar, o time possa iterar mais rápido sem abrir mão de controle.

No mercado, a Entire entra em um cenário cada vez mais movimentado de novas plataformas de gerenciamento de código-fonte, ao lado de iniciativas como Zed DeltaDB, Anthropic Scion, East River Source Control, Cursor Origin e Radicle. O movimento indica uma disputa por estabelecer o próximo padrão de colaboração em software, em um momento em que uma comunidade de mais de 250 mil desenvolvedores seniores discute justamente como trabalhar com múltiplos agentes de IA sem perder clareza e qualidade.

Os próximos passos da Entire incluem ampliar integrações com outras ferramentas de CI e expandir a base de usuários. Se a proposta de aposentar o pull request como centro da colaboração vingar, o modelo de trails com memória contínua pode influenciar tanto a evolução das plataformas de código quanto a forma como linguagens e ferramentas são desenhadas daqui para frente.