Anthropic以Scion替代Git应对AI代码激增

Anthropic用5个月让7名工程师开发版本控制系统Scion，并迁移核心代码仓库。其日均合并变更从5月约2500项增至9月3万项，CI每天约2500万次检出，传统Git的仓库准备和历史查询成本迅速上升。

同期，GitHub以微调ModernBERT承担密钥风险分类；哥伦比亚大学、Google DeepMind等团队则通过BTTF把芯片仿真波形转成SQLite数据。三种方案都在把面向人工操作的系统改造成适合Agent高频访问的接口。

Git的离线能力对短生命周期的CI任务反而造成重复开销。Anthropic主分支历史近100GB，压缩工作副本超25GB；若2500万次检出都获取完整副本，理论流量超过600PB。浅克隆、稀疏检出、快照和数百台镜像仍需同步与补齐历史。

Scion把客户端变成轻量入口，提交、合并、变基和历史查询交由中心服务，本地只保留缓存，CI可直接调用API计算diff。其changeset以预写日志记录相对父提交的文件修改，分支更新时再通过Spanner的compare-and-swap处理并发。

Scion为blame、路径历史和提交图预计算派生数据，检出时按需获取tree与blob，经scion-daemon、区域缓存访问后端存储。

对象不可变使缓存可跨任务复用，命中率超过99%。迁移后资源需求约降200倍，检出由分钟降至秒级，并释放约25% CI CPU；但Anthropic仍需维护代码评审、搜索、IAM和批量合并工具。

BTTF将波形写入SQLite：signal_metadata保存信号信息，signal_changes记录信号、时间和新值。SQL可查询时刻状态或时间窗内翻转，数据库负责检索，Agent负责规划。通过时钟过滤、裁剪无跳变信号和批量写入，数据库由1420MB、410.5毫秒降至395MB、94.8毫秒；继续裁剪可降至185MB，但覆盖率仅64.23%。4.2GB波形实验准确率95.33%，多Agent质量提高17.3%，延迟约为单Agent的1.96倍。

GitHub保留正则筛选候选，再让量化后的ONNX版ModernBERT结合密钥类型、变量名、路径和上下文分类。新方案离线Precision提升13%、Recall提升19%，线上扫描中位耗时下降86%，模型服务成本下降超98%，告警接受指标提高11.5%。接下来，CI还需解决高频变更下构建缓存、增量测试及验证结果与提交版本的对应关系；普通团队更适合先完善依赖分析和缓存，而非重建版本控制系统。