- Published on
Anthropic重构版本控制:面向AI时代的Scion系统
- Authors
- Name
- Philpax
- anthropic.com

背景:AI带来的开发瓶颈
在Anthropic,编码本身已不再是构建系统或开展研究的瓶颈。Claude能够自主迭代研究循环、微优化复杂程序,并以前所未有的速度和规模从零构建新服务。真正的瓶颈转移到为人类规模设计的开发者基础设施上:源代码控制、构建和持续集成。2026年5月,Anthropic平均每天合并约2500个代码变更;到9月,每天合并超过30000个。这种增长并未放缓的迹象,合并代码的潜在需求几乎是无限的,每消除一个瓶颈立即导致代码产出进一步增加。
增长中的单仓(Monorepo)问题
Anthropic使用的git是去中心化系统:每个克隆都是完整的独立仓库,可以离线计算差异、读取历史和查看责任归属,并检出任何版本。对于绝大多数仓库而言,这是正确设计,也是git成为标准的原因。然而随着单仓不断增长,git越来越不适应需求。主分支的历史接近100 GB,压缩后的工作副本超过25 GB。他们每天执行约2500万次CI代码检出,加上开发环境、智能体沙箱和研究任务,每日git流量超过600 PB。
尽管git提供了浅克隆、稀疏检出等工具,Anthropic也使用了内部镜像和种子(snapshot)等变通方案。峰值时他们运营数百个内部git镜像应对负载,但这只买来了时间:种子与主线尖端差距越来越大,维护依赖历史的功能(如diff和blame)也愈发困难。
核心设计原则
Anthropic意识到,像大多数公司一样,他们把git当作具有单一权威副本的中心化系统,但几乎所有客户端都是智能体和在线作业。git为分布式离线工作设计的特性反而阻碍了规模扩展。因此他们自问:如果从一开始就假设智能体始终在线,源代码控制应该是什么样?基于Google Piper和Meta Sapling的经验,他们构建了Scion,并确立了五项原则:
客户端始终在线
git假设客户端离线工作并需要完整仓库副本。Scion的客户端和协议设计为服务器始终可达,客户端按需获取数据。
客户端-服务器非对称
git中每个客户端都可成为完整服务器。Scion中,服务器负责回答文件历史和blame问题、创建提交、执行合并和变基等。客户端维护有界本地对象缓存、部署工作副本文件、监控文件系统变化,并提供与服务器交互的便利方式。客户端本地计算极少,但所需本地数据也大幅减少。
综合服务API
Scion将客户端使用的所有查询(如last-change、commit关系)也通过API暴露,因此许多作业无需本地仓库即可获取答案。内部工具(如自动二分和回滚管道)因低成本程序化访问而变得实用。
水平可扩展
Scion中仓库数据分布存储,每个组件独立扩展,服务器上也不存在完整的物化副本。没有packfile(git的压缩对象包),无需仓库维护。
提交必须廉价、增量且无锁
git在本地提交后推送;Scion中每个提交、变基或合并都在服务器上完成,没有推送操作,但每项都必须快速。创建提交并更新下游数据结构的成本应与变更规模成正比,而非整个仓库大小。Scion不鼓励使用refs(分支、标签等指针),除主ref或发布分支外,因为全局一致状态是潜在的扩展问题。
Scion的工作机制
数据结构
Scion的工作单元是“changeset”,即预写日志中的条目。changeset存储文件变更列表(相对第一父提交),以及内容寻址的压缩文件内容指针。它不像git commit存储树指针,而是记录相对于父提交的变更文件列表。changeset在服务器端创建,立即可用。这种结构允许高吞吐接受changeset,因为没有packfile要接收、无锁无跨服务器协调、无ref移动。Scion技术上支持refs,但创建或获取提交不涉及它们,移动ref只是在Spanner单行上的compare-and-swap操作。
派生数据
单个changeset只记录变更,所以无法直接回答“谁最后编辑了某行”等问题。为此Scion从changeset构建额外数据结构:文件blame和路径历史专用结构,提交图跳跃表等。这些“派生数据”通过统一的递归机制计算:某类型派生数据对changeset的值由其对父changeset的值计算得出。这种机制有三点好处:一是可轻松添加新派生数据类型加速操作;二是对每种类型可选择即时或延迟计算,避免不必要的数据物化;三是客户端不接触内部结构,优化不影响客户端。实际中已多次添加新类型,如复制检测索引、基于路径的文件搜索索引。
扩展性架构
Scion服务器小群组提供所有源码控制API,如获取changeset、计算diff、找合并基、获取blob。由于所有数据内容寻址,一旦存储永不改变,任意服务器可缓存而无需协调,因此服务器水平可扩展、协调需求低,本质上是大型缓存,同时可按需计算派生数据并写回Spanner。
Scion的客户端(scn)与git fetch协议有重大区别:scn不与服务器协商客户端已有内容,而是基于客户端想要的树和blob。从根树开始,客户端检查本地存储获取缺失树,递归请求,再重复blob过程。每个请求针对特定不可变对象,任何缓存可响应,架构接近传统分层缓存,高效且可恢复。
总结与展望
Anthropic通过构建Scion在五个月内从git迁移到自研版本控制系统,并同步开发了代码审查界面Antique、代码搜索、丰富的源代码控制IAM系统,以及管理大量已审查代码的新方法。Scion的设计基于智能体始终在线的假设,通过服务器端集中计算、内容寻址数据、派生数据机制和水平扩展架构,解决了单仓规模扩大和合并速率激增带来的瓶颈。文中提及,这种压力点将很快影响其他使用AI编码工具的组织,因此分享这些经验有助于行业应对类似挑战。
原标题:Redesigning source control at Anthropic。 HN 原始发布时间:2026年10月13日星期二。当前记录为 869 分、967 条评论。