Anthropic七人五个月完成Scion版本控制系统迁移

Anthropic的代码合并量从5月日均约2500次增至9月超过3万次，四个月增长12倍以上。Claude驱动的编程智能体可自主修改代码、测试和迭代，使代码产出快速提升，也把原有开发基础设施推向瓶颈。

其Monorepo主分支历史接近100GB，压缩工作副本超过25GB，CI每天约2500万次检出。若采用常规Git数据获取方式，日传输量可能超过600PB。浅克隆、稀疏检出、内部镜像和对象存储快照等措施已接近极限，团队高峰期还维护数百台Git镜像服务器。由于多数任务由联网Agent和自动化系统完成，Anthropic决定不再让每个客户端保存完整仓库能力。

10月13日披露的Scion项目由7名工程师在5个月内完成，并迁移了整个Monorepo；团队还同步开发了代码审查工具Antique、代码搜索和权限管理系统。迁移后，基础设施CPU与内存占用降至原Git镜像方案约1/200，代码检出速度提升约两个数量级，CI节省约25%的CPU容量，检出时间由分钟级缩短至秒级。这些数字分别对应资源占用、速度和容量收益，并非所有操作都快200倍。

Scion采用在线客户端—服务器架构，将提交、合并、变基和历史查询等主要操作放到服务端，客户端只维护有限缓存、工作目录并监测文件变化。系统以Changeset记录相对父提交的文件变化，并写入预写日志；文件内容存放在Blob Storage，部分元数据由Spanner协调。提交不再需要传统Git的push步骤，CI和回滚工具也能通过API直接查询差异与历史。其思路与Google Piper、Meta Sapling面对超大仓库的实践相似，但新增了Coding Agent并行工作带来的压力。

Scion保留分支和标签形式的ref，却尽量减少全局状态更新，以避免协调瓶颈。考虑到大量Agent和CI请求可能压垮中央存储，系统进一步采用分层缓存：计算节点上的scion-daemon共享文件对象缓存，区域scion-cache提供第二层缓存，未命中时才访问scion-server、Spanner或云存储。

客户端请求的是内容寻址的不可变对象，各层可独立扩容，缓存命中率均超过99%，并能隔离区域故障。稀疏检出和虚拟化检出被设为基础能力，部分文件可延迟到实际访问时加载，只需元数据的任务甚至无需创建工作目录。

Scion和Antique的开发也大量使用Claude。工程师让早期版本Claude Mythos Preview重写Git数据导入管线后，内存消耗降低20倍、速度提高4倍，同时保持原有导入顺序和数据结构约束。Anthropic表示，Claude已能参与复杂基础设施优化，但架构取舍、组件关系和生产约束仍需工程师判断，很多时候关键工作是明确哪些方案不能采用。

团队还部署了名为“superfans”的Claude Agent，分别监控scion-daemon、scion-cache和Antique合并队列。它们可读取遥测数据与日志，持续检查系统状态并寻找传统监控规则之外的问题，显示AI不仅加速了系统建设，也开始参与日常运维。