For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/de/articles/anthropic-scion-source-control-for-30-000-037c8176.md.
Mehr Code zu generieren bedeutet nicht automatisch, Software schneller auszuliefern. Jede Änderung muss weiterhin Versionskontrolle, Review,...
Mehr Code zu generieren bedeutet nicht automatisch, Software schneller auszuliefern. Jede Änderung muss weiterhin Versionskontrolle, Review, Builds und Tests durchlaufen. Bei ausreichend hohem Volumen wird diese Infrastruktur zum Engpass.
Anthropic zufolge stieg die Zahl der täglich zusammengeführten Änderungen von etwa 2.500 im Mai 2026 auf mehr als 30.000 im September. Um dieses Wachstum zu unterstützen, entwickelten sieben Ingenieure neben dem Review-Tool Antique und weiteren unterstützenden Diensten Scion, ein internes Versionskontrollsystem. Das Team migrierte sein Monorepo innerhalb von fünf Monaten.
Anthropics Diagramm zum Merge-Volumen, wiedergegeben im Bericht von Xinzhiyuan/BAAI.
Versionskontrolle zeichnet Änderungen auf und ermöglicht Vorgänge wie Diffs, Blame, Merges und Wiederherstellung. Diese Funktionen bleiben notwendig, auch wenn ein Agent die Änderungen schreibt. Was sich verändert, ist die Häufigkeit ihrer Anforderung und die Zahl kurzlebiger Jobs, die Zugriff auf den Code benötigen.
Anthropic beschreibt eine Historie des Main-Branches, die sich 100 GB nähert, eine komprimierte Arbeitskopie von mehr als 25 GB und ungefähr 25 Millionen CI-Checkouts pro Tag. Für jeden Checkout eine vollständige komprimierte Arbeitskopie herunterzuladen, würde täglich mehr als 600 PB Datenverkehr bedeuten. Dies veranschaulicht einen naiven Ansatz und ist keine Behauptung, dass sein Netzwerk tatsächlich diese Datenmenge übertragen hat.
Das Unternehmen nutzte bereits flache Klone, Sparse-Checkouts, Promisor Remotes, Repository-Seeds und Hunderte interne Git-Mirrors. Diese Maßnahmen halfen, doch Mirrors und Snapshots wurden mit dem Wachstum des Repositorys und der Merge-Rate zunehmend schwieriger zu warten.
Der bereitgestellte Bericht beschreibt außerdem eine frühere Anthropic-Darstellung, laut der die CI-Workloads innerhalb von sechs Monaten um das 25-Fache zunahmen. Darin heißt es, dass aufeinanderfolgende kurzfristige Korrekturen an einem Dienst zur Testauswahl 70 Tage, 29 Tage und weniger als einen Tag hielten, bevor jeweils ein weiteres Redesign notwendig wurde.
Diesem Bericht zufolge verbrachte ein Ingenieur drei Wochen mit dem Neuaufbau des Dienstes. Der Ersatz war im Betrieb teurer, skalierte nach der Feinabstimmung jedoch besser vorhersagbar. Dies ist eine von Scion getrennte Infrastrukturgeschichte, und ihr Kostenvergleich sollte nicht mit den Einsparungen durch Scion zusammengeführt werden.
Das gemeinsame technische Problem ist einfach: Arbeit in mehr Änderungen aufzuteilen und Agenten außerhalb der üblichen Arbeitszeiten auszuführen, kann die Last auf jedem nachgelagerten Dienst erhöhen, selbst wenn jede einzelne Änderung klein ist.
Scion geht von Anthropics spezifischem Workload aus: Fast alle Clients sind Online-Agenten oder Jobs, und die Organisation arbeitet bereits mit einem maßgeblichen Repository. Deshalb verlagert Scion erhebliche Arbeit auf Server.
Der Server erstellt Commits, berechnet Merges und Rebase-Vorgänge und beantwortet Historienabfragen. Clients behalten einen begrenzten Objekt-Cache und beziehen die benötigten Daten. Jobs, die nur einen Diff oder eine Abstammungsabfrage benötigen, können eine API aufrufen, ohne überhaupt ein Repository auszuchecken.
Dieses Design verändert auch die Arbeitseinheit. Ein Scion-Changeset erfasst geänderte Dateien relativ zu seinem ersten Parent und inhaltsadressierte Verweise auf Dateidaten. Zusätzliche Indizes ermöglichen Vorgänge wie Pfadhistorie und Blame. Anthropic bezeichnet diese Indizes als abgeleitete Daten und kann sie vorab oder bei Bedarf berechnen.
Anthropics Checkout-Architektur, wiedergegeben von Xinzhiyuan/BAAI.
Der Checkout-Pfad verfügt über mehrere Caching-Ebenen. Ein Daemon auf Node-Ebene teilt Objekte zwischen Jobs; regionale Caches stellen Bäume und Blobs bereit; maßgebliche Server greifen bei Bedarf auf persistenten Speicher zu. Anfragen identifizieren unveränderliche Objekte, sodass Caches Antworten wiederverwenden können, ohne wiederholt eine umfangreiche Repository-Übertragung auszuhandeln.
Anthropic zufolge erreicht jede Caching-Ebene eine Trefferquote von über 99 %. Das Unternehmen erzwingt zudem die Grenzen zwischen den Ebenen, damit der Ausfall eines regionalen Caches den übergeordneten Dienst nicht überlastet.
| Berichtetes Ergebnis | Umfang des Vergleichs |
|---|---|
| 200-fach geringerer CPU- und Speicherbedarf | Scion-Infrastruktur gegenüber der vorherigen Git-Mirroring-Infrastruktur |
| Checkouts ungefähr zwei Größenordnungen schneller | CI- und Research-Jobs in Anthropics Umgebung |
| 25 % zusätzliche CI-CPU-Kapazität | Innerhalb der CI-Flotte des Unternehmens zurückgewonnene Kapazität |
| Vierfach schnellerer Importer bei 20-fach geringerem Speicherbedarf | Ein Claude-unterstützter Rewrite im Vergleich zum früheren Ingestionsprototyp des Teams |
Dies sind interne Beobachtungen aus einem außergewöhnlich großen Workload. Sie bedeuten nicht, dass die gesamte Entwicklungsarbeit 200-mal günstiger wurde oder dass ein gewöhnliches Repository vergleichbare Verbesserungen erzielen würde.
Beschreibe deine Idee einmal, und We0 AI erstellt eine Showcase-Website, Seiten und ein CMS und hilft nach dem Launch bei Kunden und Traffic.
Eine komplette Projektgeneration zur kostenlosen Registrierung
Am besten geeignet, um einen vollständigen Generierungsablauf auszuprobieren und schnell einen ersten Projektentwurf zu sehen.
Auch das Importer-Beispiel hat einen spezifischen Kontext. Anthropic zufolge schrieb ein früher interner Snapshot von Claude Mythos Preview seine Git-zu-Scion-Ingestionspipeline neu und bewahrte dabei die erforderlichen Einschränkungen für Reihenfolge und Datenstrukturen. Dieses Ergebnis beschreibt eine bestimmte Implementierung und keinen Benchmark für jeden Einsatz des Modells.
Anthropic schreibt Claude eine Beschleunigung bei Implementierung, Tests und Optimierung zu. Gleichzeitig betont das Unternehmen, dass Ingenieure verstehen mussten, wie die Systeme zusammenwirken, und Lösungen ablehnen mussten, die ihre Einschränkungen verletzten.
Ein Beispiel betraf Agenten, die Commit-Logs linear lasen, um festzustellen, wann eine Änderung Main erreichte, obwohl das Review-System diese Information bereits bereitstellte. Ein weiteres Beispiel waren übermäßige defensive Prüfungen zwischen vertrauenswürdigen internen Diensten. Beide Ansätze können funktionierenden Code erzeugen und dennoch unnötige Kosten oder Komplexität hinzufügen.
Scion baut außerdem auf früheren Arbeiten zur Infrastruktur für große Repositorys auf, darunter Googles Piper sowie Metas Sapling und Mononoke. Anthropics aktualisierter Beitrag würdigt diese Vorgeschichte ausdrücklich. Entwicklungstermine zu vergleichen, ohne Umfang und übernommene Ideen zu berücksichtigen, würde diesen Kontext verfehlen.
Für andere Teams ist der sinnvolle Ausgangspunkt ihr tatsächlicher Engpass: Checkout-Zeit, Review-Warteschlangen, Testauswahl, Merge-Konflikte oder etwas anderes. Anthropic sagt ausdrücklich, dass Scion auf sehr große Monorepos zielt und kein universeller Ersatz für Git ist.
Scion ist Anthropics internes Versionskontrollsystem für sein großes Monorepo und einen Entwicklungs-Workload mit vielen Agenten. Es nutzt serverseitige Vorgänge und APIs, um die Menge an Repository-Daten zu verringern, die jeder Client benötigt.
Die Engineering-Ankündigung beschreibt ein internes System und bietet keinen allgemeinen öffentlichen Download an. Anthropic sagt, dass es für sehr große Monorepos und nicht für gewöhnliche Git-Anwendungsfälle konzipiert ist.
Die Kombination aus Repository-Größe, raschem Merge-Wachstum und Millionen täglicher Checkouts belastete die bestehende Git-Infrastruktur. Scion setzt Online-Clients voraus und zentralisiert Vorgänge, die andernfalls mehr lokale Daten oder wiederholte Übertragungen erfordern würden.
Anthropic zufolge entwickelte ein siebenköpfiges Team Scion, Antique und mehrere verwandte Systeme und schloss die Migration innerhalb von fünf Monaten ab. Die Aussage bezieht sich auf dieses interne Projekt, dessen Design auch auf früherer Forschung und bestehenden Systemen zur Versionskontrolle aufbaut.
Nein. Die Angabe zum 200-Fachen vergleicht den CPU- und Speicherbedarf der Versionskontrollinfrastruktur mit dem früheren Git-Mirroring-Setup. Sie ist keine Messung der gesamten Kosten der Softwareentwicklung.
Ingenieure definieren weiterhin Einschränkungen, wählen Architekturen, prüfen Änderungen und steuern die Interaktionen zwischen Systemen. Anthropics Beispiele zeigen, warum eine lokal plausibel wirkende Implementierung für den größeren Dienst dennoch falsch sein kann.
Scion begegnet dem Infrastrukturdruck, der durch Anthropics ungewöhnlich hohes Volumen an Codeänderungen entsteht. Serverseitige Vorgänge, sparsamer Zugriff und mehrstufige Caches reduzieren wiederholte Arbeit über Agenten und CI-Jobs hinweg.
Die berichteten Gewinne gelten speziell für diese Umgebung. Schnellere Codegenerierung ist nur dann nützlich, wenn Review, Tests und Versionskontrolle die daraus entstehende Last bewältigen können.
Starte mit einem Satz und erhalte in wenigen Minuten eine vollständige Website.
