Почему Anthropic создала собственную систему контроля версий Scion
Anthropic заменила Git на собственную систему Scion из-за роста автоматизированных мерджей ИИ-агентов; опыт полезен для оптимизации CI в малом бизнесе.
Как пишет Хабр, в октябре 2026 года Anthropic объявила о переходе своего монорепозитория с Git на собственную систему Scion. Причиной стал резкий рост числа мерджей, выполненных автоматическими агентами: с мая по сентябрь 2026 года их количество выросло с примерно 2 500 до более чем 30 000 в день. История основной ветки весит почти 100 ГБ, сжатая рабочая копия превышает 25 ГБ, а система непрерывной интеграции выполняет около 25 миллионов чекаутов ежедневно. Если бы все эти операции выполнялись обычным git fetch, ежедневный трафик превысил бы 600 ПБ, а компания поддерживала несколько сотен внутренних git-зеркал.
Она раскрывает две важные тенденции, которые уже влияют на процессы разработки даже в средних командах: рост автоматизации написания кода и растущая нагрузка на этапы проверки, слияния и запуска тестов. Понимание того, как крупные игроки решают подобные проблемы, помогает выбрать правильные инструменты и избегать типичных узких мест.
Почему Git не справился с нагрузкой агентов
Git спроектирован как распределённая система, где каждый клиент хранит полную копию репозитория и может работать офлайн. В Anthropic почти все клиенты — это агенты и задачи, которые постоянно находятся онлайн и каждый раз начинают работу с чистого листа. Хотя shallow clone, sparse checkout и использование зеркал частично смягчали проблему, при росте числа мерджей их поддержание становилось всё сложнее и требовало значительных усилий по администрированию.
Как отмечает Хабр, модель Git предполагает, что большинство операций выполняется редко и что стоимость хранения полной истории оправдана гибкостью распределённой работы. Когда же основная нагрузка приходится на частые записи и быстрые чекауты, избыточность полных копий становится помехой: сетевой трафик, потребление CPU и памяти растут непропорционально, а операции, которые должны занимать секунды, начинают занимать минуты.
Как устроена Scion и в чём её преимущества
Scion — централизованная система контроля версий. Её базовая единица — changeset, представляющий собой запись в журнале упреждающей записи с перечнем изменённых файлов относительно первого родителя и ссылками на бинарные объекты (blobs) по их хешу. Packfile’ов нет, поэтому не требуется отдельное обслуживание репозитория. Обновление ссылок происходит через операцию compare-and-swap в одной строке Spanner, а клиент scn взаимодействует с локальным демоном, который обращается к региональным кэшам, а те — к авторитетным серверам. На каждом уровне кэша доля попаданий превышает 99 %.
По данным Хабр, переход на Scion сократил потребление CPU и памяти инфраструктуры примерно в 200 раз по сравнению со схемой, основанной на git-зеркалах. Checkout для CI и исследовательских задач теперь занимает секунды вместо минут, а сама система непрерывной интеграции получила около 25 % свободной CPU-мощности. Система и инструмент код-ревью Antique были созданы семью инженерами за пять месяцев, за этот период объём мерджей вырос в десять раз. Перенос данных из Git в Scion был выполнен pipeline-ом, написанным Claude; новая версия использует в 20 раз меньше памяти и работает в четыре раза быстрее.
Что это показывает о будущем разработки с ИИ-агентами
Anthropic подчёркивает, что написание кода стало дёшево, а операции принятия, проверки, слияния и запуска CI — дорогими. Классические merge queue с глобальной блокировкой не подходят для работы в масштабе, когда тысячи агентов предлагают изменения одновременно. Компания перешла к тестированию после мерджа и перед деплоем, а за состоянием каждого компонента следят отдельные агенты на базе Claude вместе с обычным алертингом.
Наблюдение о людях также интересно: инженеры часто тратят время на то, чтобы сказать Claude «нет», поскольку агенты могут нарушать базовые ограничения системы, а состязательное ИИ-ревью иногда оказывается излишне осторожным. Это указывает на необходимость человеческого надзора даже в сильно автоматизированных процессах.
| Аспект сравнения | Git (традиционный подход) | Scion (подход Anthropic) |
|---|---|---|
| Основная проблема | Сложности с разрешением конфликтов при большом количестве автоматизированных изменений | Оптимизация обработки множественных автоматических мерджей ИИ-агентов |
| Фокус | Контроль версий для человеческого взаимодействия и ручного разрешения конфликтов | Эффективное управление потоком изменений, генерируемых ИИ |
| Применимость для малого бизнеса | Требует значительных ручных усилий при масштабировании автоматизации | Указывает на необходимость адаптации CI/CD для работы с ИИ-агентами |
| Цель | Отслеживание изменений и совместная разработка | Поддержка высокоскоростной и автоматизированной разработки с участием ИИ |
Уроки для небольших компаний в России и СНГ
Для большинства локальных бизнесов объём кода и частота мерджей остаются на уровнях, где Git работает без заметных проблем. Тем не менее, опыт Anthropic подсказывает несколько практических идей, которые можно применить уже сегодня:
- Оценить нагрузку на CI. Если время чекаута или сборки измеряется минутами, стоит посмотреть на использование shallow clones и sparse checkout в вашей системе сборки. Это уменьшит объём передаваемых данных без потери необходимой истории для текущих задач.
- Кешировать артефакты и зависимости. Центральные кэши с высоким уровнем попаданий, как в Scion, позволяют сократить повторные загрузки одинаковых файлов. В GitLab или Jenkins можно настроить кэширование слоёв Docker, пакетов Maven/npm и артефактов сборки.
- Разделить этапы проверки. Вместо одной длинной очереди merge queue полезно выделить быстрый пре-мердж-чек (lint, unit-тесты) и более тщательный пост-мердж-проверочный этап (интеграционные тесты, статический анализ). Это снижает вероятность блокировки из-за одного долгого задания.
- Использовать ИИ-ассистированный код-ревью как дополнение, а не замену. Инструменты вроде Claude или внутренних моделей могут быстро отмечать очевидные проблемы, но окончательное решение должно оставаться за опытным инженером, особенно когда речь о бизнес-логике и безопасности.
- Инвестировать в наблюдаемость. Метрики времени чекаута, длительности сборок, частоты мерджей и использования CPU помогут вовремя заметить рост нагрузки и принять профилактические меры.
Что сделать на этой неделе
- Проведите аудит текущего времени выполнения checkout и сборки в вашей CI-системе. Запишите средние значения и выделите задачи, которые превышают порог в одну минуту.
- Включите shallow clone depth=1 для всех сборок, где не требуется полная история, и измерьте изменение времени.
- Настройте кэширование зависимостей в вашей системе CI (например, кэш папки node_modules или ~/.m2) и проверьте коэффициент попаданий после нескольких запусков.
- Определите два уровня проверки кода: быстрый пре-мердж (синтаксис, базовые unit-тесты) и более тщательный пост-мердж (интеграционные тесты, сканирование уязвимостей). Настройте отдельные пайплайны для каждого уровня.
- Выделите один час на обсуждение с командой того, как ИИ-инструменты могут помочь в ревью, и согласуйте процесс, при котором их рекомендации рассматриваются как первый шаг, а окончательное решение принимает человек.
Оптимизация процессов CI/CD и интеграция новых технологий, таких как ИИ-агенты, требуют комплексного подхода. Эффективное внедрение инноваций и их продвижение на рынке являются ключевыми для роста. Профессиональный digital-маркетинг обеспечивает видимость этих изменений и привлекает целевую аудиторию.
Краткий вывод
Переход Anthropic на собственную централизованную систему контроля версий показывает, что при экстремальной автоматизации написания кода традиционные инструменты могут стать bottleneckом. Для небольших бизнесов в России и СНГ это не повод отказываться от Git, а сигнал обратить внимание на эффективность CI, использование shallow и sparse техник, кэширование артефактов и разумное сочетание ИИ-ассистированного анализа с человеческим надзором. Простые шаги, описанные выше, позволяют снизить время сборки и повысить надёжность процесса без значительных инвестиций.
Часто задаваемые вопросы
Почему Anthropic отказалась от Git?
Anthropic столкнулась с трудностями при масштабировании Git из-за большого объёма автоматизированных изменений, генерируемых ИИ-агентами. Существующие системы контроля версий не справлялись с таким потоком, что приводило к задержкам.
Что такое Scion и как он работает?
Scion — это внутренняя система контроля версий, разработанная Anthropic для эффективной обработки множественных автоматических мерджей. Она оптимизирована для работы с высокоскоростными изменениями, генерируемыми ИИ, минимизируя конфликты и ускоряя интеграцию.
Как опыт Anthropic может быть полезен малому бизнесу?
Опыт Anthropic демонстрирует важность адаптации инфраструктуры CI/CD к растущей автоматизации и использованию ИИ-агентов. Малому бизнесу следует заранее продумать масштабируемость своих систем для предотвращения узких мест в будущем.
Эксперт по созданию сайтов, рекламе в интернете и маркетингу с 2012 года. Основатель агентства AIFORSALE.