Anthropic 弃用 Git，推出自研版本管理工具 Scion

以下是视频口播的自动转写，可能有错字。

最近，anthropic 推动了自己的内部的一个新的项目，叫做 science，用来替代的是 git。git 就是过去20多年工程师来管理开发流程、协同开发的很重要的一个工具，是在2005年由 linux 的创始人 linux torvalds 发明的。

这个工具呢可以简单介绍一下，基本上现在所有工程师都在用，就是每一个工程师有一个本地的版本，在开发过程中呢，需要去管理的是协同工作中的增删改查，因为代码之间呢，常常在开发过程中互相会有冲突，所以需要一个版本管理，需要发 pull request，就是请求合并。

最终呢，合并过程呢，传统工作也是有人来做的。虽然现在这个 git 的很多操作已经由 ai 来做了，包括呢关于代码的合并的工作，依然是限制了 anthropic 公司的开发效率。为什么呢？因为 anthropic 公司内部大规模的 model calling，就是 ai 来开发，带来了前所未有的并发量。

举个例子来说，今年5月份，anthropic 整个公司的平均每天合并，就 merge 的代码的次数呢，是2500次。这已经是一家大型科技公司的活跃的水平。但是四个月之后呢，今年9月份，这个数字暴涨了12倍，达到了每天3Once，也就是在24小时不间断的情况下，每2.8秒就有一次经过测试跟审核的新代码合并到 anthropic 的核心代码库里。

对此呢，anthropic 针对 git 做大规模的优化，依然发现 git 这工具变成了 anthropic 进一步提升效率的瓶颈。为什么有这种情况呢？因为其实按照 anthropic 的说法，他们是在用一套传统的断网人类的设计的系统，就所谓的 git，每个人在本地端开发并合并了一个传统的工人开发的系统，但是却是在服务一个永远在线的 ai 智能体。

ai 的开发合并协同几乎是实时在线，而且信息呢是实时沟通的。想通这点之后呢，anthropic 决定不再给 git 打补丁，直接重新造轮子，推出了自研的版本控制系统，就是我们现在说的 sany。sany 的大的逻辑也是在做版本管理，但是里面解决了一个很重要的问题呢，就是它是一个实时在线的，所有的代码的调整，它不需要把整个库拉下来，完全在线上做开发以及线上做测试。

具体来说，一个 ai 智能体永远在线，没有必要在本地存一个100g 的历史记录，包括谁最后改了这一行，两版本差在哪里，agent 直接发一个 api 请求问服务器就行。甚至连代码文件都不用下载到本地。sign 呢支持呢虚拟化的 checkout，就是拉下代码库，由 ai 来修改，改哪文件只需要拉对应的文件，甚至只有当程序真正去读取某一行文件时，数据才会从缓存里流逝的传过来。

所以呢这版本管理不存在本地端这个概念，所有的任何操作都是在云端管理，云端呢会记录每一个贡献者实时的多版本的修改内容。这样呢 sign 呢就砍掉了繁琐的本地打包和全局锁，ai 提交一次代码的耗时只跟它改了多少代码相关，跟整个代码库有几百 g 毫无关系。

就是原来呢上传下载大部分的代码库的工作跟它修改内容是无关的，需要给人类提供上下文，现在呢这上下文在云端管理就可以，每个 agent 只需要关心自己的模块。这个主要呢受益于 ai agent 对于整个复杂代码库的快速的上下文的解读能力。相比之前几百台支持 git 的镜像的集群，sign 消耗的 cpu 的内存规模降低了200倍，各级的缓存的命中率超过了99%，原因是大部分的代码都没有调整，所以呢缓存的命中率大幅提升。

ai 和测试任务拉取代码要从几分钟缩短到几秒钟，单单。这一项提速就帮助整个公司持续性集成，就是 continuous integration 系统节省了25%的算力。那这个系统是怎么做成的呢？据说呢，整个的项目团队也非常的精简，只有7个工程师，5个月时间，大部分代码是由 cloud 深度参与开发的。

他们内部早期模型把工人手写的一个数据迁移管道重写了一遍，最终做到内存占用降到原来的1/20，速度提升了4倍。可见 ai 在构建这个系统的过程中大幅的提升了开发效率。而工程师在开发中呢，做的最主要的工作就是审核。他们发现对于 cloud 说的最多的一个字居然是 no。

让 cloud 互相进行对抗式的代码审核时，ai 往往呢是过于偏执，为了防范一些极小概率的假设性的风险，写出过于复杂、过度工程化的代码。这时候必须由人类教师出手叫停，帮 ai 做减法。就是有些时候 ai 谨小慎微嘛，不敢犯错。反而呢，人类作为领导是可以大胆的冒一些风险，take some risk。

那这个案例可以给大家的一个心得就是，现在 ai 在真的是所有的范式在调整，在 vibe 问题下呢，所有工具也得重新的升级。git 这个统治了软件界版本管理20多年的一个工具呢，在 ai 的时代已经不适用了，因为 ai 的写代码的速度、提交审核的速度、线上管理的速度、merge 速度都是大幅提升的，伴随新的速度也需要新的工具，否则呢，工具就变成了未来 ai 开发的一个瓶颈。