AI 摘要
- Anthropic 7 人團隊耗時 5 個月打造全新版本控制系統 Scion，成功替換無法承受高負載的 Git。
- Scion 將基礎設施規模縮減至原 Git 鏡像的 1/200，日均代碼合併量從 5 月的 2,500 次飆升至 9 月的逾 30,000 次。
- 團隊藉由 Claude 重寫數據導入管線原型，使運行速度提升至 4 倍且記憶體佔用降至 1/20。
隨著人工智慧編程能力的飛躍發展，Anthropic 正式公開其內部打造的全新版本控制系統 Scion。這款系統由 7 人工程團隊耗時 5 個月研發完成，專門針對超大規模單體代碼庫設計，已成功取代既有的 Git 基礎設施，徹底解決因 AI 輔助開發所引發的吞吐量瓶頸。
代碼激增逼近極限：Git 無法滿足 AI 時代需求
根據 Anthropic 披露的運作數據，內部日均代碼合併量在今年 5 月約為 2,500 次，但到了 9 月已飆升至超過 30,000 次。面對龐大吞吐量，原有的 Git 版本控制系統與持續集成服務不堪重負。團隊在歷經三次維持時間逐漸縮短的臨時補救後，決定透過架構重構自建專用系統。
Scion 架構特色與技術規格優勢
Scion 採用由服務端處理核心操作、客戶端按需獲取數據的架構設計，並配備高效的分層緩存機制。這項重大變革讓源碼管理相關基礎設施規模縮減至原有 Git 鏡像系統的 1/200。此外，團隊利用 Claude 重新編寫數據導入管線原型，實現了顯著的效能提升：
| 評估項目 | 原版手寫管線 | Claude 重寫版管線 |
|---|---|---|
| 運行速度 | 基準效能（1x） | 4 倍（4x） |
| 記憶體佔用 | 基準用量（1x） | 降至 1/20 |
AI 輔助工程的實戰架構思維
在享受十倍速生產力提升的同時，Anthropic 團隊也指出，工程師必須在架構層面做好取捨，嚴格審核 AI 生成的方案，對不合理的輸出勇於說「不」。唯有理清系統邏輯並把控好整體設計，才能避免 AI 節省的開發時間被後續等待與頻繁返工消耗殆盡。
Reference Link : news.aibase.com
