AI资讯

Anthropic 自研源码控制系统 Scion 替代 Git:日合并代码变更从 2500 次涨到 3 万次

来源Simon Willison查看原文

速览

  • Anthropic 因代码变更量激增,自研 Scion 替代 Git
  • 日合并变更量四个月内从约 2500 涨到超 30000
  • 主分支历史近 100 GB,日检出约 2500 万次
  • 新系统由 7 人团队开发,迁移耗时 5 个月
  • Scion 被 Simon Willison 类比为集中式版本控制的再发明
  • Antique 是配套的新代码评审系统
  • Anthropic 大量使用对抗式评审,但需工程师纠偏
  • 模型发布时间与代码合并量增长曲线高度吻合

Anthropic 工程团队发文介绍其自研的源码控制系统 Scion 与代码评审系统 Antique,用以替代 Git。推动这次重构的直接原因是代码变更速率的暴涨:2026 年 5 月 Anthropic 平均每天合并约 2500 个代码变更,到 9 月已超过每天 30000 个。Simon Willison 在转述时指出,这一增长曲线与 Anthropic 在 2026 年陆续发布的 Claude 模型时间点高度相关,他推测 Fable/Mythos 系列模型的引入是编码速度提升的关键因素。新系统由 7 人团队开发,从 Git 迁移耗时 5 个月。

关键事实

  • 2026 年 5 月 Anthropic 平均每天合并约 2500 个代码变更,到 9 月每天合并超过 30000 个
  • 图表显示 9 月 9 日单日合并量达到峰值 30401 次
  • Anthropic 主分支历史记录接近 100 GB,压缩后的工作副本超过 25 GB
  • Anthropic 每天执行约 2500 万次代码检出用于 CI,尚未计入开发者环境、Agent 沙箱和研究任务
  • 若按传统方式拉取,每天将产生超过 600 PB 的 git 流量
  • 新源码控制系统名为 Scion,新代码评审系统名为 Antique

本站视角

这件事最直接的指向是两类人。第一类是维护大型 monorepo 和 CI 基础设施的工程团队——如果你的仓库规模接近 Anthropic 描述的量级,或者检出次数正在因为 Agent 自动提交而快速上升,那么 Git 的分布式模型带来的全量历史传输成本会先于其他环节成为瓶颈,Scion 选择回归集中式、按需获取的思路值得作为架构参考。第二类是做 AI 编程工具和 Agent 的团队——Anthropic 的数据等于给出了一个可观测的因果链:模型能力提升直接转化为代码产出量,而产出量提升会倒逼底层工具链重构。这意味着 Agent 产品的竞争不只在模型侧,配套的评审、合并、CI 环节同样是决定实际吞吐量的因素。 我们的判断是,这次重构属于实质性的工程应对,而非营销包装。理由有两点:一是驱动因素是内部可量化的指标(日合并量、检出次数、仓库体积),不是对外宣传口径;二是 7 人 5 个月完成迁移,这个投入规模说明问题是真实且紧迫的。但需要指出,Anthropic 没有披露 Scion 的具体架构、性能对比数据或迁移过程中的失败案例,因此外界目前只能看到「他们这么做了」,无法判断这套方案是否可复制、成本是否合理。 需要观察的是:其一,Simon Willison 把增长曲线与模型发布时间对齐,并推测 Fable/Mythos 系列是关键因素,但这是他的推断而非 Anthropic 的结论,原文只给出了公开发布日期,并未说明模型何时开放内部使用,因此这条因果链尚未被证实;其二,Anthropic 自己承认对抗式评审会导致过度工程化,这实际上暴露了 AI 驱动开发的一个普遍风险——模型会针对假想问题增加复杂度,最终仍需人类工程师兜底,这一点对正在把评审流程交给模型的团队尤其值得警惕。

背景与影响

Git 是为分布式协作和相对低频的提交节奏设计的,其核心假设之一是仓库体积和检出次数处于可控范围。Anthropic 披露的数据显示,当 AI 生成代码把变更频率推高一个数量级后,这些假设开始失效:单是主分支历史就近 100 GB,每天约 2500 万次 CI 检出如果按传统方式拉取,会产生超过 600 PB 的流量。这意味着瓶颈不在存储本身,而在每次检出都要重复传输大量历史数据。Scion 的思路因此转向集中式版本控制——Simon Willison 认为它更像 Subversion 的重新发明,即把历史集中托管、按需获取,而不是让每个工作副本都持有完整仓库。配套的 Antique 则承担代码评审职能。值得注意的是,Anthropic 内部大量使用对抗式评审(让模型互相挑错),原文也承认这种方式虽然有效但视野狭窄,需要资深工程师介入,避免模型针对假想问题把系统过度工程化。对国内做 Agent 编程工具、CI 基础设施和大型 monorepo 的团队来说,这是一个可参考的样本:当 AI 把提交量推高到某个阈值,版本控制层本身会成为需要重新设计的对象。

本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。

编辑与审校

AI大海啸编辑部

负责选题、审校与「本站视角」的判断。

编辑流程与 AI 使用说明