一、案例背景
Anthropic 是全球领先的人工智能安全与研究中心，以开发大型语言模型 Claude 系列而闻名。2026年，该公司在AI编程辅助领域取得了突破性进展——其AI Coding Agent能够自主修改代码、执行测试、反复优化程序，甚至从零开始构建服务。这一技术能力极大地提升了软件开发效率，但也给公司内部的开发基础设施带来了前所未有的压力。
数据清晰地揭示了这一压力的增长轨迹：2026年5月，Anthropic平均每天合并约2500次代码修改；到了9月，这一数字已超过3万次——短短四个月增长了12倍以上。这种指数级增长的背后，是大量并行工作的AI Coding Agent在持续不断地产生代码变更。
然而，代码生产速度的提升并未同步带来开发基础设施的升级。Anthropic的Monorepo（单体代码仓库）主分支历史已接近100GB，压缩后的工作副本超过25GB。仅持续集成（CI）系统，每天就需要执行约2500万次代码检出。如果采用朴素的Git数据获取方式，每天可能产生超过600PB的数据传输需求。
为维持Git的运行，Anthropic此前已采用了多种优化手段：Git浅克隆、稀疏检出、内部镜像、对象存储快照等。巅峰时期，公司甚至维护着数百台Git镜像服务器。然而，随着代码合并量持续增长，这套方案越来越难以维持——镜像需要不断同步，快照很快落后于主分支，在部分克隆环境中保持diff、blame等依赖历史信息的操作正常工作也变得越来越复杂。
2026年10月13日，Anthropic在官方工程博客中披露了一项激进的工程决策：一个只有7名工程师的团队，在五个月内开发出名为Scion的新版本控制系统，并完成了整个Monorepo的迁移。与此同时，他们还开发了代码审查工具Antique、代码搜索系统、权限管理以及其他配套基础设施。
迁移后的效果显著：Scion的基础设施CPU和内存占用降至原有Git镜像方案的约1/200，CI和研究任务的代码检出速度提高约两个数量级，仅CI就节省了约25%的CPU容量。更具深意的是，Claude既是造成这场基础设施压力的重要原因，也是帮助Anthropic完成系统改造的重要工具——AI既制造了问题，也参与了问题的解决。
……