你让AI写了个功能，三个月后回来改Bug，盯着那坨代码完全想不起来当时为什么要这么设计。这不是你记忆力差——是那段"意图"根本没被记录下来。
过去两周，我一直在测一个叫Entire的开源工具。它解决的事很小，但痛点极准：把AI编程时的完整对话自动绑到Git提交里。每次commit，它静默附上产生这段代码的完整提示词历史。Git管代码版本，它管"意图版本"。
这事听起来像给程序员做的备忘录，但背后的信号更重要：AI编程工具正在从"生成代码"往"管理意图"演进。Entire踩中了一个没人系统解决过的空白地带。
Prompt Drift：AI编程的隐性债务
作者给这种现象起了个名字：Prompt Drift（提示词漂移）。场景很常见——你用Cursor或Windsurf这类工具 vibe coding，看着AI哗哗输出代码，界面像模像样。你点几下，流程能跑通，以为成了。
但真往深里测，发现只是"看起来能跑"。AI走的是happy path（理想路径），边界情况全没处理。你当时没细想，三个月后回来维护，面对的就是一坨上下文全失的代码。
更麻烦的是迭代过程。大多数人调提示词是"试试看"模式：改一句，跑一下，不行再改。但你怎么知道有没有变好？原来的意图是什么？AI怎么理解你的描述的？这些本该记录下来的决策链条，全散落在聊天记录里，找都找不全。
作者列了四个没人能回答的问题：我的原始意图是什么？我有没有准确传达给LLM？LLM怎么解读的？LLM有没有正确反映我想做的事？三个月后我还能解释为什么这么写吗？
这些问题"straight up go unanswered"——直接被晾在那儿。你可能自己建了个文档系统记历史，但代码本身不携带这些上下文。或者说，上下文存在过，只是没地方住。
Entire的解法：把对话变成可溯源的资产
Entire的核心设计很克制。它是一个CLI工具，安装后挂到IDE的hook上，每次Git提交时自动把完整的AI对话快照附加上去。作者把这种快照叫Checkpoint（检查点）。
技术实现上，它在项目里建一个.entire文件夹存这些对话历史。Git管代码的diff，Entire管"意图的diff"。三个月后你回看某次提交，不仅能看到改了什么代码，还能看到当时跟AI说了什么、AI怎么回应的、中间迭代了几轮。
这个设计有几个巧思。一是零摩擦——装完就不用管了，对现有工作流零侵入。二是免费，作者直接说"你应该在所有项目上都装一个"。三是格式开放，存在本地文件夹里，不绑死某个平台。
我测了两周，最直观的感受是：Review自己代码时突然有"记忆"了。以前看AI生成的代码像看陌生人写的，现在能回溯到当时的决策现场。某个奇怪的实现方式，可能是因为第三轮对话时我临时改了个需求；某个没处理的边界情况，可能是因为我当时说"先跑通主流程"。
新赛道：从"读代码"到"读意图"的工具层
作者提了一个更大的判断：Entire代表了一个新工具层的可能性。
现有的开发工具基本都是读代码的——Linter检查代码规范，CodeRabbit这类Review工具分析代码变更，文档生成工具从代码里抽注释。它们的输入都是Output（输出），是已经固化下来的代码。
Entire带来的变化是：我们可以开始建"读意图"的工具了。那个曾经转瞬即逝的上下文，现在以结构化形式存在.entire文件夹里，成了可被其他工具消费的原材料。
举个例子。现在的代码Review工具，比如BugBot、Greptile，只能"猜测"你的意图。它们看到一段代码，推断你可能想实现什么，然后判断实现得对不对。但如果它们能直接读到原始提示词，读到你和AI的多轮对话，判断依据就从"猜"变成了"有据可查"。
这个逻辑可以延伸出很多工具形态。意图 diff 工具——对比两次提交的提示词变化，看需求是怎么漂移的。意图搜索——按功能描述找代码，而不是按变量名。意图文档——自动生成"这个功能是怎么被讨论出来的"叙事。
作者说"There's an entire ecosystem yet to be built"——整个生态还没建起来。Entire是基础设施层，上面可以长出新东西。
为什么是现在？AI编程的阶段性转折
这个工具的出现时机很微妙。2024年到2025年初，AI编程工具的核心竞争点是"生成能力"——谁能写出更长的代码、更复杂的逻辑、更少的人工干预。Cursor、Windsurf、GitHub Copilot都在卷这个。
但生成能力边际效益在递减。当AI能一次性写几千行能跑的代码时，瓶颈就从"写不出来"变成了"看不懂、改不动、维护不了"。代码债务的问题被急剧放大，因为生产速度太快，人跟不上理解的速度。
Entire踩中的就是这个转折点。它不是帮你写得更快，而是帮你"记得更牢"。在AI编程的语境下，记忆即权力——谁能保留完整的决策链条，谁就能在三个月后不被那坨代码绑架。
作者的身份也值得关注。这篇文章发在个人博客，Entire是开源项目，没有融资信息披露，没有公司背书。这种"个人开发者解决自己痛点"的叙事，在AI工具浪潮里越来越常见。相比大厂做的全家桶，这类工具往往更锋利、更聚焦、更尊重现有工作流。
一个细节：作者反复强调的是"免费"和"零配置"。这不是商业模式的谦虚，是对用户决策成本的精准计算。在AI工具泛滥的当下，让用户"先试试"的门槛越低，工具的传播势能越大。
两周使用下来，Entire确实成了我默认会装的工具。它不改变你写代码的方式，只是在后台默默记账。但正是这些"不改变行为"的基础设施，往往最后成了工作流里拆不掉的部分。
如果三年后回头看，AI编程工具的演进可能会分成两个阶段：前一段比谁生成得快，后一段比谁记得住。Entire是后一段的早期信号。你现在愿意花五分钟装一个，还是等三个月后被自己的AI代码搞懵？
热门跟贴