2026年10月13日，Anthropic 喺官方工程博客發表長文，詳細披露公司已成功將龐大嘅單體代碼庫（monorepo）由 Git 完整遷移到自研版本控制系統Scion。呢套系統由只有 7 人嘅研發團隊喺大約 5 個月內完成設計、實現同全量遷移，同步上線咗代碼審查工具 Antique、代碼搜索同權限管理系統。遷移嘅直接驅動因素係 AI 智能體帶嚟嘅代碼合併量爆炸式增長——日均合併次數由 2026 年 5 月約 2,500 次，飆升至 9 月超過 30,000 次。

詳細情況

Anthropic 指出，隨著 Claude 等模型可以自主迭代研究循環、微優化複雜程式同由頭構建服務，寫代碼本身已經唔再係瓶頸，真正限制發展嘅，係為「人類規模」而設計嘅開發基礎設施：源代碼控制、構建同 CI。

由 2026 年 1 月至 9 月，每星期合併到 Scion 同 Antique 代碼庫嘅變更數量。

具體規模數據令人震驚：

主分支歷史接近 100 GB，壓縮工作副本超過 25 GB。
僅 CI 系統每日執行約 2,500 萬次代碼檢出；若按傳統 Git 方式全量獲取，日流量將超過 600 PB。
公司之前依賴數百個內部 Git 鏡像、部分克隆與快照等權宜之計，但隨住合併量增長 12 倍，呢啲方案難以為繼。

Scion 嘅核心設計理念同 Git 形成鮮明對比：

恆常在線假設：Git 係分散式、支援離線完整副本嘅模型；Scion 假設用戶端（主要係 AI 智能體同 CI 任務）恆常在線，由伺服器作為權威處理歷史查詢、blame、合併、rebase 同提交建立。
細粒度物件同增量：變更以「changeset」為單位記錄，淨係儲存相對父節點嘅改動文件同內容尋址嘅壓縮 blob；用戶端只保留有限本地快取，按需拉取。
虛擬化檢出：好多任務甚至唔需要完整檢出，直接通過 API 獲取 diff 或特定文件。
參考咗 Google Piper 同 Meta Sapling 等超大規模系統嘅經驗，但針對 AI 智能體高頻、細粒度變更作出優化。

遷移效果顯著：

基礎設施 CPU 同記憶體占用降到原先 Git 鏡像方案嘅約 1/200。
CI 同研究任務嘅代碼檢出時間由分鐘級降到秒級（約兩個數量級嘅提升）。
CI 系統釋放咗約 25% 嘅 CPU 容量。
各層快取命中率均超過 99%。

值得注意嘅係，開發過程中 Claude 本身發揮咗重要作用。團隊曾經讓 Claude 重寫從 Git 到 Scion 嘅資料導入管道，結果喺無額外指示嘅情況下，生成咗一個內存占用降 20 倍、速度提升 4 倍嘅版本。

目前 Scion 只供 Anthropic 內部使用，公司明確表示唔會開源或對外提供，強調主要面向「數萬工程師或智能體集群」級別嘅超大規模場景，普通項目無必要採用。

可能影響

1. 暴露 AI 時代開發基礎設施嘅新瓶頸

當 AI 大幅降低「寫代碼」嘅成本同時間之後，版本控制、CI、代碼審查等下游系統會迅速成為新嘅制約點。Anthropic 嘅案例顯示，為人類設計嘅傳統工具喺智能體規模下可能系統性失效，呢點可能推動更多公司重新檢視自身嘅工具鏈。

2. 推動「伺服器中心化」版本控制趨勢

Scion 放棄咗 Git 嘅完整本地副本模式，轉向權威伺服器 + 輕量用戶端。呢個同 Google、Meta 等巨頭內部實踐一致，可能加速業界對超大規模 monorepo 工具嘅討論同投入。對於中小團隊，啟示係「按需優化」而非盲目自研。

3. AI 輔助基礎設施開發嘅示範