Git AI é uma extensão de código aberto do Git projetada para rastrear código gerado por IA em repositórios. Ela vincula linhas escritas por IA aos agentes, modelos e prompts que as geraram. Usando checkpoints e hooks, a ferramenta rastreia alterações incrementais de código ao longo do desenvolvimento. Cada checkpoint contém um diff entre o estado atual e o anterior, marcando as linhas como de autoria humana ou de IA. Essa abordagem oferece uma atribuição mais detalhada das contribuições de IA do que simplesmente contar linhas de código no momento em que são adicionadas.
A extensão utiliza um padrão aberto baseado no Git Notes para rastrear código gerado por IA. À medida que o código gerado por IA se torna mais comum no desenvolvimento do dia a dia, manter a responsabilidade e entender a intenção original por trás do código torna-se cada vez mais importante. Tanto pessoas desenvolvedoras quanto agentes de IA podem consultar sessões arquivadas para recuperar o contexto original e as decisões de design. Dado o seu valor potencial para responsabilidade e manutenibilidade em fluxos de trabalho agênticos, movemos o Git AI para “Avalie”.
O Git AI é uma extensão do Git de código aberto que rastreia código gerado por IA em seus repositórios, vinculando cada linha escrita por IA ao agente, modelo e prompts que a geraram. O Git AI usa checkpoints e hooks para rastrear mudanças incrementais no código entre o início e o fim de um commit. Cada checkpoint contém um diff entre o estado atual e o checkpoint anterior, marcado como sendo de autoria de IA ou humana. Essa abordagem é mais precisa do que métodos focados em rastrear a autoria de código de IA pela contagem de linhas de código no momento da inserção.
O Git AI usa um padrão aberto (open standard) para rastrear código gerado por IA usando o Git Notes. Embora o ecossistema de agentes suportados ainda esteja amadurecendo, acreditamos que vale a pena avaliar o Git AI para times que buscam reter a capacidade de manutenção a longo prazo e a responsabilidade em um fluxo de trabalho baseado em agentes. Tanto humanos quanto agentes de IA podem consultar a intenção original e as decisões arquiteturais por trás de um bloco de código específico via skill /ask, referenciando a sessão arquivada do agente.
