7.8
深览指数
科技腾讯新闻·CSDN··AI 生成
Git不够用了？Anthropic 7人团队重造源代码控制系统，5个月完成迁移
Anthropic 因 AI 生成代码量激增，面临 Git 版本控制瓶颈。一支 7 人团队在 5 个月内，借助 Claude 辅助开发，自研了新型版本控制系统 Scion，并完成了内部大型代码仓库的迁移。文章详细解析了 Scion 为何抛弃 Git 的分布式设计，转而采用客户端-服务器模式、内容寻址存储与分层缓存架构，将服务器资源消耗降至原来的约 1/200，提速两个数量级。适合关注 AI 工程化、大规模基础设施或版本控制系统架构的读者，了解当前 AI 原生开发环境面临的真实挑战与解决方案。原文 ↗
核心观点
- ▍传统 Git 架构难以满足 AI 高速生成代码带来的版本控制需求，Anthropic 自研的 Scion 通过重构客户端-服务器分工来解决根本问题。
- ▍Scion 代表了版本控制从默认离线、客户端完整复制的范式，向默认在线、服务器负担核心计算、客户端按需获取的范式转变。
- 01Anthropic 在 2026 年 5 月至 9 月期间，日均合并代码变更从 2500 处暴增至 30000 处以上，增长 12 倍。
- 02其主代码分支历史记录接近 100GB，压缩后工作副本超过 25GB；每天约执行 2500 万次代码检出，若全用传统方式，理论日数据传输量超 600 PB。
- 03Scion 采用变更集作为核心数据结构，直接记录相对于父变更集变化的文件列表，通过内容寻址保存，减少了服务器处理压力。
- 04Scion 采用三层缓存架构（节点守护进程、区域缓存服务器、权威服务器），各层缓存命中率均超过 99%。
- 05与前期 Git 镜像基础设施相比，Scion 的 CPU 和内存需求降至约 1/200，CI 与研究任务检出速度提升两个数量级（从分钟级到秒级），仅 CI 任务即节省相当于 25% CPU 容量的资源。
- 067 人团队在 5 个月内完成 Scion 及其生态工具（如代码审查工具 Antique）的开发与迁移，期间日均合并代码量增长 10 倍。
- 07Claude 辅助重写了 Git 数据导入原型程序，将内存消耗降低 20 倍，运行速度提高 4 倍，无需额外指令即保留了隐含约束。
反方 / 局限
- — Anthropic 明确表示 Scion 不适合作为 Git 的通用替代品，它面向的是拥有数万名工程师或大量 AI Agent 持续编码的超大规模单体仓库。
- — 迁移至 Scion 不仅需要迁移代码仓库，还需调整代码审查、搜索、CI 等配套系统，且 Anthropic 为此投入了大量自研工具与计算资源，一般企业难以复制。
14 分钟 · 5 卡片 · 8 资料
读原文 →