Anthropic弃用Git，自研Scion系统应对AI开发浪潮
近日，人工智能公司 Anthropic 宣布将内部版本控制系统从行业标准 Git 迁移至其自主研发的 Scion 系统。这一举动在软件开发领域引发广泛关注，因为 Git 长期以来被视为代码管理的基石。
Anthropic 的技术博客详细阐述了此次迁移的背景：随着 Claude 模型编码能力的提升，AI Agent 已成为代码产出的主力，导致传统为人类程序员设计的 Git 基础设施成为性能瓶颈。
代码变更激增，Git面临性能极限
数据显示，Anthropic 的代码合并量呈现指数级增长。今年 5 月，日均合并代码变更约为 2500 次；至 9 月，该数字已突破 3 万次，四个月内增长超过 12 倍。
这种爆发式增长源于大量 AI Agent 并发执行代码修改、Bug 修复及测试任务。然而，每次变更涉及的代码获取、历史查看、差异比较及合并操作，在规模扩大十余倍后，累积产生了巨大的时间延迟和资源消耗。
此外，Anthropic 的单仓（Monorepo）体量巨大，主分支历史记录近 100GB，压缩工作副本超 25GB。每日 CI 环境中的代码检出操作约 2500 万次，若完整获取代码，理论日传输数据量将超过 600PB。
尽管 Anthropic 曾采用浅克隆、稀疏检出及数百台镜像服务器等优化手段，但随着变更频率增加，仓库快照滞后、客户端数据补充繁琐等问题日益凸显，单纯增加服务器已无法从根本上解决效率瓶颈。
Scion架构设计：轻量化客户端与服务端主导
针对 AI Agent 始终在线且无需完整本地仓库的特性，Anthropic 重新设计了版本控制系统 Scion。与 Git 的分布式本地存储不同，Scion 采用“轻量客户端 + 重服务端”架构。
核心设计理念包括：
- 按需获取：Agent 仅需下载待修改的相关文件，无需同步整个仓库。
- 服务端处理：历史查询、差异比较、Commit、Merge 及 Rebase 等操作均由服务端 API 完成，减轻客户端计算负担。
多级缓存与分布式存储实现百倍提速
为应对海量并发请求，Scion 重构了存储与缓存架构。系统仅记录变更文件，内容通过哈希单独存储以实现复用，并部署了多级缓存机制：
- 本地缓存：同机器上的 Agent 共享。
- 区域缓存：本地未命中时请求区域节点。
- 后端服务：前两级均未命中时才访问核心服务。
各层缓存命中率均超过 99%。配合分布式存储架构，Scion 实现了显著的性能提升：
- Worktree 创建：从 7.1 分钟缩短至 5.1 秒，提速 84 倍。
- 代码拉取：从 3 分钟降低至 9 秒。
- 单次变更耗时：版本控制总时间从 34 分钟降至 3.7 分钟。
- 资源消耗：CPU 和内存需求相比原有 Git 镜像系统缩小了 200 倍。
据估算，新系统每天可节省约 1.1 万个 Agent 小时，大幅提升了 AI 开发的整体效率。
AI辅助开发：7人团队5个月完成重构
值得注意的是，Scion 的开发及全量迁移仅耗时 5 个月，核心研发团队仅 7 人。除版本控制系统外，他们还开发了代码审查工具 Antique 及配套搜索、权限管理系统。
Anthropic 表示，借助 Claude 的深度参与，开发效率远超传统模式。例如，团队让 Claude Mythos Preview 重写数据导入程序后，内存占用降低 20 倍，运行速度提升 4 倍，且完整保留了原有隐含约束。
这一过程形成了正向循环：AI 加速编码导致旧基础设施瓶颈显现，进而利用 AI 高效构建新基础设施，最终进一步释放 AI 生产力。
行业启示：软件工程工具链将迎来重塑
虽然 Scion 目前主要适用于超大规模 AI 驱动的开发场景，但 Anthropic 预测，未来 6 至 12 个月内，更多深入应用 AI 编程的企业将面临类似挑战。
过去几十年，软件开发工具主要围绕人类程序员习惯设计，强调离线开发与本地管理。而在 AI Agent 时代，高并发、全自动化的工作模式要求工具链进行根本性重构。
随着编码成本降低，CI/CD、代码审查、测试等环节可能依次成为新的瓶颈。正如业界所言，“AI 时代，所有软件都将重新做一遍”，Git 仅是这一变革的开端。