科技腾讯新闻·新智元··AI 生成
Claude写代码太快，Anthropic连源码系统都重造了！7人只用5个月
Anthropic 披露其代码合并量在 5 个月内从日均 2500 次暴增至 3 万次，原有 Git 和 CI 系统不堪重负，一个 7 人团队在 5 个月内自建了新版本控制系统 Scion 并完成迁移。文章核心价值在于展示了 AI 加速代码生成后，对下游审查、测试、合并环节带来的系统性压力，以及 Anthropic 的应对策略——包括重建 CI 服务、自建 Scion、和强调工程师对 AI 提案说“不”的架构判断力。适合对 AI 编程工程化、大型代码库基础设施有实际困扰的技术管理者与架构师阅读。原文 ↗原文 ↗
核心观点
- ▍AI 加速代码生成后，对下游审查、测试、合并等环节会产生系统性压力，迫使工具链整体升级，否则省下的时间会浪费在等待和返工中。
- 012024 年 5 月到 9 月，Anthropic 的每日代码合并量从约 2500 次增长到超过 3 万次，增长 12 倍。
- 02持续集成（CI）任务量在六个月内达到原来的 25 倍，负责判断测试范围的服务器三次临时补救（扩容、拆分、重启）分别维持了 70 天、29 天和不到一天。
- 03一名工程师用三周重构了测试选择服务，新架构运行成本更高但更容易扩展，最终保持稳定。
- 04一个 7 人团队用 5 个月自建了新的版本控制系统 Scion，将单体代码库从 Git 完整迁移，系统规模约为此前 Git 基础设施的 1/200。
- 05团队手写的 Git 到 Scion 数据导入管线原型，经 Claude 内部早期版本重写后，速度达到原来的 4 倍，内存占用约为原来的 1/20。
- 06Anthropic 特别强调，工程师的核心工作是判断何时对 Claude 说“不”，评估局部方案在全局系统中的复杂性和长期维护成本。
反方 / 局限
- — Anthropic 明确表示 Scion 面向极大规模代码库，并非一般用途的 Git 替代品；大公司自建工具（如 Meta 的 Sapling）有长期工程积累，不同项目起点和范围不同，不能仅以开发周期比较效率。
- — 文章虽强调工程师的架构判断力，但未深入探讨普通人/小团队在缺少系统背景知识时，如何有效使用 AI 编程及避免技术债务累积。
前置背景
平行视角
未来推演
延伸追问