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/zh/articles/anthropic-scion-source-control-for-30-000-037c8176.md.
生成更多代码并不自动意味着软件交付更快。每一项变更仍需经过源代码管理、审查、构建和测试。在足够高的规模下，这些基础设施会成为限制因素。
生成更多代码并不自动意味着软件交付更快。每一项变更仍需经过源代码管理、审查、构建和测试。在足够高的规模下，这些基础设施会成为限制因素。
Anthropic 表示，其每日合并的变更数量从 2026 年 5 月约 2,500 次 增长至 9 月超过 30,000 次。为支持这一增长，7 名工程师构建了内部版本控制系统 Scion、审查工具 Antique 及其他配套服务。团队在五个月内完成了单体仓库迁移。
Anthropic 的合并量图表，转载自新智元/BAAI 报道。
版本控制用于记录变更，并支持差异对比、追溯、合并和恢复等操作。即使由智能体编写变更，这些能力依然必不可少。发生变化的是这些操作被请求的频率，以及有多少短生命周期任务需要访问代码。
Anthropic 描述，其主分支历史记录接近 100 GB，压缩后的工作副本超过 25 GB，并且每天约有 2,500 万次 CI 检出操作。若每次检出都下载完整的压缩工作副本，每日流量将超过 600 PB。这只是对朴素方案的说明，并不意味着其网络实际传输了如此规模的数据。
该公司此前已使用浅克隆、稀疏检出、承诺远程仓库、仓库种子以及数百个内部 Git 镜像。这些措施有所帮助，但随着仓库规模和合并速率增长，镜像和快照变得更难维护。
所提供的报道还描述了 Anthropic 此前对 CI 工作负载的说明：六个月内，CI 工作负载增长了 25 倍。据称，对测试选择服务连续实施的临时修复，分别在 70 天、29 天和不足一天后，就不得不再次重新设计。
根据该说明，一名工程师花了三周时间重建该服务。替代方案的运行成本更高，但在完成调优后，其扩展性更具可预测性。这是与 Scion 不同的基础设施案例，其成本比较不应与 Scion 的节省效果混为一谈。
其中共同的工程问题很直接：即使每一项单独的变更都很小，将工作拆分为更多变更，并让智能体在正常工作时间之外运行，也会增加每一个下游服务的负载。
Scion 从 Anthropic 的特定工作负载出发：几乎所有客户端都是在线智能体或任务，并且该组织已经围绕一个权威仓库开展工作。因此，它将大量工作转移到服务器端。
服务器负责创建提交、计算合并和变基，并响应历史查询。客户端保留一个有界对象缓存，并按需获取所需数据。仅需要差异或祖先关系查询的任务，甚至无需检出仓库即可调用 API。
这一设计也改变了工作单元。Scion 的变更集记录相对于其第一父提交发生变化的文件，以及指向文件数据的内容寻址指针。额外的索引支持路径历史和追溯等操作。Anthropic 将这些索引称为派生数据，并可选择预先计算或按需计算。
Anthropic 的检出架构，转载自新智元/BAAI。
检出路径具有多个缓存层。节点级守护进程在任务之间共享对象；区域缓存提供树和二进制对象；需要时，权威服务器会查询持久化存储。请求识别不可变对象，因此缓存能够复用响应，而无需反复协商大规模仓库传输。
Anthropic 表示，每个缓存层的命中率都超过 99%。该公司还强制执行层级边界，以防区域缓存故障压垮上游服务。
| 报告结果 | 对比范围 |
|---|---|
| CPU 和内存占用缩小 200 倍 | Scion 基础设施与此前 Git 镜像基础设施的对比 |
| 检出速度约提升两个数量级 | Anthropic 环境中的 CI 和研究任务 |
| CI CPU 容量提升 25% | 在公司 CI 集群内释放出的容量 |
| 导入器速度提升四倍，内存使用减少 20 倍 | 由 Claude 辅助重写的版本，与团队早期数据导入原型的对比 |
这些都是来自一个异常庞大工作负载的内部观察结果。它们并不意味着所有工程工作都变得便宜 200 倍，也不意味着普通仓库会获得同等改进。
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
导入器案例也有其特定背景。Anthropic 表示，Claude Mythos Preview 的一个早期内部快照在保持所需排序和数据结构约束的同时，重写了其 Git 到 Scion 的数据导入管道。该结果描述的是一个特定实现，而不是该模型所有使用方式的基准测试。
Anthropic 认为 Claude 加快了实现、测试和优化工作，同时也强调，工程师必须理解系统如何协同运行，并拒绝违反约束条件的方案。
其中一个例子是，智能体通过线性读取提交日志来判断某项变更何时进入主分支，尽管审查系统已经提供了这一信息。另一个例子是，可信内部服务之间存在过多防御性检查。这两种做法都可能产生可运行的代码，却增加不必要的成本或复杂性。
Scion 还建立在大型仓库基础设施的既有工作之上，包括 Google 的 Piper，以及 Meta 的 Sapling 和 Mononoke。Anthropic 更新后的文章明确承认了这段历史。若只比较开发时间线，而不比较范围和继承的理念，就会忽略这一背景。
对于其他团队而言，有用的起点是识别自身真正的瓶颈：检出时间、审查队列、测试选择、合并冲突，还是其他问题。Anthropic 明确表示，Scion 面向超大型单体仓库，并非 Git 的通用替代方案。
Scion 是 Anthropic 面向其大型单体仓库和智能体密集型开发工作负载的内部源代码管理系统。它采用服务器端操作和 API，以减少每个客户端所需的仓库数据量。
该工程公告将其描述为内部系统，并未提供面向公众的通用下载。Anthropic 表示，它是为超大型单体仓库设计的，而非普通 Git 使用场景。
其仓库规模、快速增长的合并量以及每天数百万次检出的组合，对既有 Git 基础设施造成了压力。Scion 假设客户端在线，并将原本需要更多本地数据或重复传输的操作集中处理。
Anthropic 表示，一个由 7 人组成的团队构建了 Scion、Antique 及若干相关系统，并在五个月内完成迁移。这一说法涵盖该内部项目；其设计同样借鉴了既有的源代码管理研究和系统。
不会。200 倍这一数字比较的是源代码管理基础设施的 CPU 和内存需求，与早期 Git 镜像方案相比的差异。它不是对软件开发总成本的衡量。
工程师仍需定义约束条件、选择架构、审查变更，并管理系统之间的交互。Anthropic 的案例表明，一个在局部看来合理的实现，在更大的服务体系中仍可能是错误的。
Scion 应对的是 Anthropic 异常高的代码变更量所带来的基础设施压力。服务器端操作、稀疏访问和分层缓存，减少了智能体与 CI 任务之间的重复工作。
所报告的收益仅适用于该环境。只有当审查、测试和源代码管理能够处理随之而来的负载时，更快的代码生成才有价值。
从一句话开始，几分钟内拿到完整网站。
