Anthropic 用 5 个月把 monorepo 从 Git 迁到自研 Scion
Anthropic 每天 3 万次合并把 Git 挤爆了，干脆自己写了 Scion，CPU 占用降到 1/200，讲清了 AI 编程下研发基础设施怎么重做。
Anthropic 的代码合并量从 5 月的每天约 2500 个涨到 9 月的超过 3 万个，Git 在这个规模下成为瓶颈：主分支历史接近 100GB，CI 每天 checkout 约 2500 万次。他们用 5 个月把 monorepo 迁移到自研版本控制系统 Scion，把提交、合并、rebase、blame 都放到服务端，客户端只保留有上限的缓存。迁移后基础设施 CPU 和内存占用缩小 200 倍，CI 研究任务的 checkout 从分钟级降到秒级，CI 省出约 25% 的 CPU 容量。Anthropic 说明 Scion 只适合超大 monorepo 或海量 Agent 场景，不建议一般团队弃用 Git。
Anthropic被 AI 逼到重写是Git。
他们 5 月每天合并约 2500 个代码变更，9 月已超过 3 万个。CI 每天要 checkout 约 2500 万次；主分支历史接近 100GB，压缩工作副本也超过 25GB。
问题不只是Git 慢，而是它的很多前提是为人类离线协作设计的：每个客户端都要尽量拥有一份完整仓库。
当绝大多数客户端都是始终在线的 Agent、CI 和研究任务时，完整克隆从优势变成了成本。
于是 Anthropic 用 5 个月，把 monorepo 从 Git 迁到自研 Scion：
• 提交、合并、rebase、历史和 blame 都交给服务端 • 客户端只保留有上限的缓存，需要什么再取什么 • 许多 CI 任务直接调 API，不再为查 diff 或 blame 而 checkout • 不可变对象配合分层缓存，方便横向扩容
结果是基础设施的 CPU 和内存占用缩小 200 倍，CI 研究任务的 checkout 从分钟级降到秒级，CI 还省出了约 25% 的 CPU 容量。
这篇文章传递是一个信号：AI 写代码把产能放大后，瓶颈会一路往后传。
先是代码生成，再是 review、合并队列、CI、权限、可观测性，最后连什么叫提交一次代码都得重新定义了
人也没有退出loop！！
Anthropic 的说法很坦白：工程师越来越少逐行读代码，更多是在定义系统约束、判断架构取舍，并在 Agent 试图用蛮力解决问题时说一句ok。
当然，这不是让大家弃用 Git。Anthropic 也明确说了：Scion 只适合超大 monorepo 或海量 Agent 的场景。
但对正在把 AI 编程接进团队的人，一个更早该问的问题是：当代码产量涨 10 倍，相应它的研发流程，真的承受10 倍的吞吐吗？
