---
id: "mb-20261014-4b6517"
kind: "deep"
title: "AI写代码太快冲垮Git：Anthropic为什么用7个人造了Scion？"
topic: "AI写代码太快冲垮Git：Anthropic为什么用7个人造了Scion？"
source_type: "generated"
status: "published"
generated_at: "2026-10-14 11:31:39"
frame_type: ["机制"]
legal_anchor_count: 0
transcript_citation_count: 0
---

# AI写代码太快冲垮Git：Anthropic为什么用7个人造了Scion？

过去这一年，全球最大的代码托管平台 GitHub 隔三岔五就出一次故障。
4 月份挂了 10 次，5 月份又出了 9 次事故。
GitHub 自己在系统可用性报告里诉苦：流量涨得太凶，很大一部分全是 AI 刷出来的。
不仅程序员在用 AI 敲代码，成群结队的 AI 智能体自己也在没日没夜地提交修改。
平台在 4 个月里把有效容量翻了一倍多，还是扛得很吃力。
但真要说被逼到墙角的，是做大模型的 Anthropic 自己。
2026 年 5 月，Anthropic 内部每天合并进主分支的代码修改，大概是 2500 次。
到了 9 月，这个数字直接飙到了 3 万多次。
4 个月翻了 12 倍。
一天 3 万多次合并，算下来不到 3 秒钟就有一笔新代码被硬塞进主仓库。
终于，连支撑了全球开发者二十年的版本控制工具 Git，也当场趴下了。

很多人纳闷，Git 这么成熟的底层工具，怎么就被几万次提交给压垮了？
走，我们看一下它底层的规矩。
Git 的逻辑，就像你去图书馆借书。
按正常人的想法，你想看哪一页，去前台把那本书借出来就行。
但 Git 从诞生起就定了一条死规矩：
你想看任何一页，必须先把整座图书馆建馆以来的所有藏书、每次修改草稿，整整齐齐全部复印一份搬回家。
好处当然有。
整座图书馆都在你书房里，哪怕你断网、坐飞机、在深山老林里，本地也能随时查代码历史。
在项目规模小、全靠人类手工打字的年代，这套机制跑得很顺畅。
但 Anthropic 玩的是超大单体仓库。
光是主分支的历史记录，就有将近 100 GB。
解压以后的工作区文件，超过了 25 GB。
更要命的是机器的调用频率。
在 Anthropic 内部，为了跑自动化测试、构建流程、研究任务和智能体沙盒，系统每天要把代码拉取 2500 万次。
如果每次都按 Git 的老规矩，老老实实把整个代码库完整搬一遍呢？
2500 万次乘以 25 GB。
每天光是在内网拉取代码，就要产生超过 600 PB 的网络流量。
相当于每天在机房里来回倒腾 60 万块 1TB 的大硬盘。
再粗的机房光纤，也经不住这么折腾。

工程师们一开始也想修修补补。
他们在本地加文件缓存，在云端存快照，一口气架了几百台镜像服务器。
新任务启动时先读快照，读不到再去问镜像。
可当每天 3 万多次代码修改像暴雨一样落下来时，快照刚生成几分钟就过时了。
几百台镜像服务器天天跑在崩溃边缘，运维人员疲于奔命。
这个时候，团队停下来问了一个最朴素的问题：
Git 那套让人把整个图书馆搬回家的设计，究竟是给谁用的？
是给在飞机上没有网络、还要打开笔记本改代码的人类程序员准备的。
可现在在 Anthropic 仓库里疯狂读写代码的，到底是谁？
几乎全是在机房里 24 小时跑着的自动化脚本、测试任务，以及 AI 智能体。
它们的网线插得比谁都稳，和公司服务器的连接一秒钟都不会断。
它们从来不需要在没有网络的高空写代码。
既然网络永远在线，为什么每次还要扛着整个图书馆的砖头到处跑？
就不能想看哪一页，直接向前台借哪一页吗？

顺着这个直觉，7 名工程师花了 5 个月，自己造了一套叫 Scion 的新系统。
Scion 把 Git 二十年前立下的规矩彻底倒了过来。
它开宗明义：默认所有客户端永远在线。
本地机器不需要保留完整的历史记录，只留一个极小的临时缓存。
你或者智能体需要哪个文件夹、哪几行代码，才向服务器实时要哪部分。
查阅谁写了某一行代码、比对文件差异、合并分支这些重体力活，统统丢给中央服务器。
许多测试任务甚至压根不下载代码文件，直接通过接口问服务器想要的结果。
代码提交的逻辑也完全变了。
用 Git 的时候，你得在本地机器打包提交，然后再推送到远端服务器。
在 Scion 里，压根就没有推送这个步骤。
提交动作直接发生在中央服务器上。
敲下确认的那一瞬间，整个机房所有机器，包括刚刚启动的几千个智能体，立刻就能看到新状态。
每一次提交也不再是保存整个目录的快照。
它变成了一张非常薄的变更清单，上面只列出本次修改了哪几个文件。
每个文件只对应一串根据内容算出来的唯一哈希编码。
真正的文件内容直接放进云端存储，相同内容永远只存一次。
不管代码库膨胀到几百个 GB，一次提交所消耗的算力和存储，只跟你实际修改的那几行内容有关。

每天几千万次拉取，如果全直接冲向中央服务器，服务器不会被冲爆吗？
Anthropic 的解法是做了一套三层缓存。
每台物理机上跑一个驻留后台的守护进程。
每个数据中心大区架设一层区域缓存。
最顶端才是主控服务器。
因为所有文件都按内容打上了不可更改的唯一哈希编码，内容不变，编码就终身不变。
这就意味着任何一层缓存只要存过这个文件，就可以放心地直接甩给客户端，完全不需要向上级反复确认文件有没有被改过。
整套体系跑下来，每一层的缓存命中率都超过了 99%。
智能体要读代码，几乎全在本地机器或局域网里就拿到了，根本不需要跑去远端惊动主服务器。

这套专门给 AI 智能体量身定制的系统上线之后，效果干脆利落。
支撑版本控制的基础设施规模，直接比原来几百台 Git 镜像的庞大架构缩减了 200 倍。
自动化测试拉取代码的时间，从过去的几分钟掉到了几秒钟。
光是这一个提速，就给他们的持续集成系统挤出了 25% 的计算资源。
对 AI 智能体来说更是立竿见影。
以前为了给一个新智能体搭建干净的工作沙盒，拉取代码要干等 7 分多钟。
现在只要 5 秒。

更有意思的是造这套系统的过程。
把一个每天几万次合并、接近 100 GB 的超大单体仓库连根拔起换掉底座，顺带还开发了配套的代码审查工具 Antique。
换在过去，大厂至少要派几十个人的专业团队折腾几年。
他们只用了 7 个人，5 个月就全部搞定。
背后的主力助手，正是他们自己的 Claude。
工程师回忆说，有个负责数据导入的手工模块写得很笨重。
他们把代码扔给早期的内部版 Claude，没给具体优化指令，Claude 自己把模块重写了一遍。
跑出来的结果，内存占用直降到二十分之一，运行速度快了 4 倍。
很多人看到这里会问，AI 写代码已经厉害成这样了，那人类工程师在干什么？
Anthropic 的工程师也承认：单看写具体代码，Claude 确实已经比他们更强了。
但工程师的职责彻底转移了。
大家不用整天抠语法、写具体业务逻辑，主要精力全放在理解整套复杂系统如何拼接、权衡不同架构的优缺点上。
更关键的一项工作，是随时对 Claude 说“不”。
AI 在局部非常聪明，但往往容易想出一些在局部合理、在全局却极具破坏性的主意。
比如某些组件为了找一段代码是何时合并的，打算让系统逐个去扫提交记录，人就得在架构层把它拦住。
现在的代码审查，人类不再逐行挑挑拣拣看变量名，只看那行代码背后的真实意图。

那这是不是意味着，Git 已经过时，大家都可以扔掉它了？
Anthropic 自己在技术报告里写得很清楚：千万别。
Scion 压根不是一个通用的代码管理工具。
只有像他们这样拥有成群结队的 AI 智能体、每天在超大单体仓库里疯狂轰炸几万次提交的极端环境，才值得花巨大代价重新造一套轮子。
普通团队的人工开发节奏，Git 依然绰绰有余。
但这次换底座的真正启示在于：
过去几十年，整个软件工程的基石，全都是按照人类的工作习惯雕琢出来的。
人类打字会累，手速有物理极限，偶尔还要在断网的飞机上敲两行代码。
现在坐在键盘前面的，变成了一群 24 小时不眨眼、秒级吞吐成千上万行代码的数字工人。
当写代码的瓶颈被大模型瞬间冲垮之后，最先发出断裂脆响的，不是算法本身。
是版本控制、构建编译、代码审查这些三十年前铺下的工程管道。
AI 跑得太快了。
留给整个软件世界翻修管道的时间，真的不会太多。

_Rendered by mubei-terminal._