Anthropic用Scion替换Git，应对Claude每日超3万次代码合并压力

Anthropic 近期完成了一项低调却关键的基础设施升级：将内部代码版本控制系统从 Git 全面替换为自研的 Scion。这一变动并非出于技术炫技，而是直面一个现实问题——Claude 写代码太快了，快到传统工具链开始“堵车”。

根据 Anthropic 官方披露的数据，今年 5 月，其内部每日合并的代码变更次数约为 2500 次；到了 9 月，这一数字已突破 3 万次，9 月 9 日单日峰值达 30,401 次。需要强调的是，这里的“变更”指一次提交（commit）或一次合并请求（merge），而非代码行数——一次变更可能涉及多个文件，且多由 AI 自动生成。

代码写完只是起点。后续还需经历下载代码、构建可执行程序、运行自动化测试（CI/CD 流程）等环节。当合并频率指数级增长时，原本被忽略的“准备时间”变得愈发昂贵：每天约 2500 万次的代码副本准备操作，消耗大量计算资源，却并未用于实际测试或研究。

Anthropic 采用单体仓库（monorepo）架构，主分支历史接近 100GB，单份压缩后代码副本仍超 25GB。在高频更新下，即使通过镜像（mirror）、快照（snapshot）和增量拉取等优化手段缓解压力，系统仍面临两难：减少数据同步虽能提速，却损害历史追溯能力；维持完整历史则导致每次任务启动延迟加剧。

面对这一瓶颈，Anthropic 选择重构底层逻辑，而非继续打补丁。一支 7 人团队耗时 5 个月，开发出 Scion——一套专为大规模、高并发、在线化场景设计的版本控制系统，并配套推出审查工具 Antique、代码搜索与权限管理模块。

Scion 的核心思路是“去本地化”与“服务端集中化”。传统 Git 的优势在于分布式与离线可用性，但 Anthropic 的主要用户是始终在线的 AI 任务与自动化流水线，它们无需断网操作，也无需在本地保存完整历史。因此，Scion 将版本比对、历史查询、合并冲突解析等重型计算统一收归服务器处理，客户端仅保留轻量接口。

例如，在旧架构中，每个 CI 任务需从主仓库拉取完整历史以构建上下文；而在 Scion 中，任务只需声明所需“时间点快照 ID”，系统即从预生成的快照池中快速提供对应状态，避免重复解压与校验。同时，Scion 引入“变更集”（changeset）作为基本单位，结构化记录作者、时间、父版本、修改文件列表及内容哈希，便于高效索引与跨任务复用。

技术细节上，Scion 的存储层分为三层：

Spanner 层：负责变更集元数据、分支拓扑与目录树结构，类似 Git 的对象数据库，但采用更紧凑的序列化格式；
云存储层：存放实际文件内容，按块（blob）存储，支持按需加载；
scion-cache 区域缓存：部署在各计算集群边缘，缓存高频访问的目录与文件，减少跨区带宽压力。

其客户端组件包括：

Antique：面向工程师的 Web 界面，用于审查、评论与批准变更；
scion-daemon：运行于每个节点的守护进程，负责本地缓存管理与变更提交代理；
scion-server：中央协调服务，处理合并、权限验证与快照生成。

值得注意的是，Scion 并非完全抛弃 Git 的思想。它仍保留“提交—父版本—差异”的核心模型，但在实现上大幅简化：不再强制要求每个 commit 都携带完整 tree 对象，而是将目录结构与文件内容解耦；合并逻辑也从“三路合并”转向基于变更集依赖图的自动协调，更适合机器生成代码的批量整合。

迁移过程本身也颇具挑战。Anthropic 未采用“双写过渡”模式，而是选择一次性切换——在完成全量数据导入与一致性校验后，于某日凌晨停机窗口内完成切换。由于 Scion 与 Git 在协议层面不兼容，所有自动化脚本、CI 配置与权限策略均需重写。但结果证明投入值得：切换后，CI 任务平均准备时间下降 68%，高峰时段服务器负载波动显著平滑，且新系统支持每秒处理超 500 次并发合并请求。

这一举措揭示了一个正在成型的趋势：当 AI 成为代码生产的主力，开发工具链必须从“为人设计”转向“为机器协同设计”。Git 自 2005 年诞生以来，凭借其简洁模型与强一致性广受赞誉，但其隐含假设——开发者是低频、手动、离线操作的个体——在 AI 高频、批量、在线生成的场景下正遭遇极限。

业内已有类似探索：Google 的 Piper、Meta 的 Mercurial for Monorepos、微软的 VFS for Git，均针对单体仓库做了深度定制。而 Anthropic 的 Scion 更进一步，直接放弃兼容性，构建纯服务化版本控制系统，反映出其对 AI 原生工作流的坚定押注。

对行业而言，这不仅是 Anthropic 的一次内部优化，更是一次信号：未来代码基础设施的竞争，将不再局限于编辑器或 LLM 能力，而延伸至支撑整个生成-验证-集成闭环的底层管道效率。当 AI 每天产出数万次有效变更时，谁能让这些变更“跑得更快、更稳、更少卡顿”，谁就掌握了下一代软件开发的节奏主导权。