刚刚，Anthropic 宣布弃用Git，统治编程20年的工具顶不住AI了

在人工智能领域，几乎每个人都在热议AI将取代谁——数学家、设计师、经济学家，但被“终结”次数最多的必然是程序员。

Anthropic给出了一个出人意料的答案：在程序员被取代之前，首先被替换的是他们使用了二十年的工具。

由于Claude编写代码的速度极为惊人，在Anthropic内部，真正的瓶颈反而成了人类过去几十年开发的软件工具，它们已经无法应对AI全天候生产代码的能力。

无奈之下，Anthropic组建了一个7人团队，同样借助Claude，花费5个月时间，从零构建了一套全新的代码版本控制系统，并将整个大型仓库迁移了过去。

平均每3秒合并一次代码

那么，过去几个月里，Anthropic内部到底产生了多少代码？

今年5月，Anthropic整个公司日均合并（Merge，即代码通过审核正式入库）的代码变更约为2500次，这已经是一家大型科技公司相当活跃的水平。

但到了今年9月，短短四个月后，这个数字激增了12倍，达到每天30000次。

换算成时间，这意味着24小时不间断，平均每2.8秒，就有一段经过测试和审查的新代码被纳入Anthropic的核心代码库。

更令人担忧的是，“我们预计这种增长速度短期内根本不会放缓。内部对合并代码的潜在需求几乎是无限的，每扫除一个基础设施瓶颈，代码产量就会立刻迎来下一波暴涨。”

这套旧的代码版本控制系统究竟出了什么问题？

统治编程界20年的Git，无法承载AI

许多非技术背景但关注AI的朋友，可能经常听说GitHub上某某项目获得了多少Star。GitHub是全球最大的开源社区，也是无数AI项目的发源地，Meta的Llama、DeepSeek的开源模型，代码都托管在上面。

GitHub中的“Git”，就是全球数千万程序员每天都在使用的版本控制系统。

或者，如果你让Cursor、Claude Code、Codex修改代码，最后的“提交”（commit）同样依赖这套系统。

如果把公司的代码库比作一份众人共同编辑的“超级在线文档”，那么Git就是底层的“时光机与管理员”。

它由Linux之父Linus Torvalds在2005年发明，负责记录谁在何时修改了哪一行，确保数千人同时编辑不会相互覆盖，并能随时一键回退。

在过去21年里，Git是当之无愧的工业界绝对标准。它的底层设计隐含了一个属于2005年的假设：程序员可能在任何地方（尤其是没有网络的地方）编写代码。

为了让人在无网络的飞机或咖啡馆里也能翻阅历史记录、对比修改，Git采用了“去中心化”设计。每次操作时，它会默认将整个代码库的所有历史（在Anthropic，这个包接近100GB），完整地复制一份到你的电脑上。

这个设计在“人类写代码”的时代堪称完美，直到AI开始介入。Git引以为傲的“离线可用、人人持有完整副本”特性，在这种场景下纯属浪费。

每天2500万次的Checkout，即在不同分支间切换、恢复文件、创建新分支等操作，每次都需要拉取庞大的代码包。如果不加特殊优化，每天会产生超过600PB的数据流量，相当于在公司内网中每天搬运1.2亿部4K高清电影。

为了让Git服务继续运转，Anthropic在高峰期内部维护了数百台Git镜像服务器来分流。但由于每秒钟都有新代码合入，镜像同步的速度根本跟不上Claude写代码的速度。

Anthropic也意识到：我们为什么要用一套为“断网人类”设计的系统，来服务一群“永远在线”的AI智能体？

为AI量身定制的Scion

想通这一点后，Anthropic决定不再给Git打补丁，而是直接重造轮子，推出了自研版本控制系统Scion。

既然AI智能体永远在线，就没必要在本地存储100GB的历史记录。谁最后改了这一行？两个版本差异在哪？Agent直接发送API请求询问服务器即可，甚至连代码文件都无需下载到本地。

现在的Scion支持“虚拟化checkout”，AI修改哪个文件夹，就只拉取哪个文件夹；甚至只有当程序真正读取某一行文件时，数据才会从内存缓存中流式传输。

同时，Scion取消了繁琐的本地打包和全局锁，AI提交一次代码的耗时，仅与它修改的行数有关，而与整个代码库的大小（几百GB）毫无关联。

相比之前那数百台支撑的Git镜像集群，Scion消耗的CPU和内存规模降低了200倍，各级缓存命中率超过99%。

AI和测试任务拉取代码的时间从几分钟缩短到了几秒钟。单凭这一项提速，就帮助整个公司的持续集成（CI）系统直接节省了25%的算力。

构建这套系统的，也是AI

如果放在五年前，一家科技巨头想要替换底层的代码控制系统，同时还要重写代码审查平台——Anthropic同步自研了名为Antique的审查工具、代码搜索和权限系统——这意味着什么？

当年Google开发内部的Piper系统，Meta开发Sapling系统，无一不是动用了数十甚至上百人的顶级基础架构团队，耗费数年时间才完成迁移。

但在Anthropic，整个项目的团队配置是：7名工程师，5个月。

秘诀自然又是Claude深度参与了开发。他们使用一个内部早期模型，将工程师手写的数据迁移管道重写了一遍，最终实现了内存占用降到原来的1/20，速度快了4倍。

Anthropic还在博客中提到，这是一场奇妙的闭环：正是Claude强大的写代码能力将他们逼到了系统崩溃的绝境，也正是依靠Claude疯狂写代码，这7个人才能在5个月内构建出这套高并发的分布式系统。

更有趣的是人的角色转变：未来人类顶尖工程师的真实工作状态会是什么样？

这7位人类工程师既不需要敲代码，也不是来审核AI写的代码，而是要弄清楚AI为什么要改动。

他们发现，自己最常对Claude说的一个字，是“不”。

让Claude互相进行“对抗性代码审查”时，AI往往会变得过于偏执，为了防范一些极小概率的假设性风险，写出过度复杂、过度工程化的代码。这时，必须由人类架构师出手叫停，帮AI做减法。

Anthropic表示，他们并不打算将Scion作为商业软件出售。之所以公开这套架构，是因为他们看到了不远处的未来。

当代码由成百上千个Agent在后台并行生成、测试、修复时，所有为“人类手速”设计的软件工程工具，从版本控制、代码审查，到测试流水线，都会在瞬间成为创新的障碍。

Anthropic最近已经发出了许多“警告”，这次也不例外：随着AI编程工具在各行各业的渗透，其他公司也不需要等太久，大概在未来6到12个月内，就会撞上同一堵墙。

本文来自微信公众号“APPSO”，作者：发现明日产品的，36氪经授权发布。