AI员工排队写代码,Git扛不住了?Anthropic同款系统开源1天狂揽664星
AI员工排队写代码,Git扛不住了?Anthropic同款系统开源1天狂揽664星
最近科技圈被一件事刷屏了:AI 写代码写得太多,把整个行业"卷"出了一个新的开源爆款。
事情是这样的:10 月中旬,AI 巨头 Anthropic 发了一篇技术长文,披露了自家一套内部用的代码仓库管理系统——Scion。更劲爆的是,这套系统要扛住的是一天 3 万多次代码合并。
按说内部系统,关起门来用就完了。结果文章一发,不到一天,GitHub 上就冒出来一个完全照着这套思路实现的开源版本。
刚上线那天:664 颗星、61 个 fork,平均每小时涨星超过 100 颗,直接冲上热度榜前列。我们后来去 GitHub 上又看了一眼——写稿这会儿,星星已经涨到 2000 多颗了,仓库甚至火速改了个更响亮的名字。
一天破百星速是什么概念?很多知名开源项目憋好几周都做不到。它凭什么?
一、先说清楚:AI 把 Git 逼到墙角了
Git 大家都听过,从 2005 年沿用至今的代码仓库工具,几乎所有程序员都靠它存代码。
但 Git 的设计,是按"人类节奏"来的:你程序员把整个仓库复制一份到自己电脑,关上门干上几个小时,攒够一批改动再传回去。
现在 AI 编码员工(业内叫 coding agent)的工作方式完全不同:一天几千个短命任务,每个任务只动几个文件,改完想几秒之内就把代码交回主仓库,而且几百个 AI 同时往同一条分支上交货。
Anthropic 的数据最有说服力:
- 今年 5 月,他们公司平均每天合并代码约 2500 次;到 9 月,一天超过 3 万次,4 个月翻了 12 倍;
- 他们主仓库光历史记录就近 100GB,一份压缩过的工作副本也要 25GB 起步;
- 内部 CI 每天要做 2500 万次代码检出,按传统方式算,每天要搬 600PB 以上的数据——这个流量比全球不少国家一年的网流量还大。
一句话:人类时代的设计,扛不住 AI 时代的吞吐量。Anthropic 干脆自研了一套新系统 Scion,5 个月把整个公司代码库从 Git 全迁了过去,基础设施开销直接缩小到原来的 200 分之一,代码检出从几分钟变成几秒钟。
但问题是:Scion 是 Anthropic 的内部系统,不对外开放。
二、于是,一位开发者把它"复刻"并开源了
有位开发者(GitHub 用户名 feder-cr)干脆照着 Anthropic 公开披露的设计思路,动手实现了一个开源版本,MIT 协议,任何人可自由使用。
它有个很直白的定位:给 AI 编码员工设计的代码仓库系统(Git designed for AI agents)。
用大白话打个比方:
传统 Git 像公共图书馆——每人都要把整排书架的书搬回家,关起门慢慢读,读完了再把笔记交回馆里。
这个新系统更像云端资料中心——AI 员工随时在线,要哪个文件就去要哪个文件,历史问题("这行代码上次是谁改的?")全由服务器代答,干完活直接交"总仓库管理员",不用排队、不用抱着一箱子东西跑。
而且它很聪明:底下一层还是老老实实的 Git 仓库,从 GitLab 的 Gitaly 项目 fork 而来,你原来习惯的 Git 用法完全不受影响,等于在老地基上加盖了一栋为 AI 设计的新楼。
三、到底有多牛?三个亮点全是"AI 场景刚需"
亮点 1:几百个 AI 同时交货,不排队也不打架。
传统系统里,代码要进主分支得排"合并队列",像银行取号——50 个 AI 员工排成一队,轮到你时,代码已经被前面的人改过了,重排、重试、再失败。
新系统玩的是"先比对、后落库":改动来了先跟最新版本快速核对一下,没冲突直接落,有冲突就自动重试,同时往同一条分支交货的改动还能打包成一批一起处理。
官方给了一组压测数据(50 个 AI 智能体、同抢一条分支、250 次代码落地、其中两成是故意制造的冲突):
- 传统模式:只落地约 100 次,每分钟 240~270 次落地,最慢的请求要等 7 秒;
- 新模式:落地 200 次(没落下的都是计划内的冲突),每分钟 1800 次以上,最慢的请求 1.5 秒内搞定。
吞吐量直接翻了约 8 倍。更狠的是,只要挂上一个"冲突解决器"(随便接哪家的 AI 都行,或者干脆不用 AI、用规则解),250 次改动全部落地,一个不漏——冲突由 AI 自动调平,人都不用出面。
亮点 2:代码上线后自动"验伤",坏了自动揪出元凶。
传统流程是:合并完,测试挂了,人肉排查半天到底是谁的锅。
这套系统内置了个工具,合并落地之后立刻自动测试,一旦发现坏了,自动二分查找、定位到具体是哪一次改动引入的问题,然后自动把那次改动回滚掉。像医院里的自动分诊系统,哪台机器病了直接隔离,不用全院会诊。
亮点 3:给 AI 员工发"工牌",还配了"超粉"监工。
几百个 AI 同时在仓库里跑,权限管控是命门。系统给每个 AI 发独立身份令牌,明确规定哪个 AI 能碰哪些分支、能执行哪些操作——planner 可以往主干交货,builder 就只能动自己的分支,谁也冒充不了谁。
还有个特别有画面感的设计:Anthropic 内部管这叫 superfan(超粉)——专门派 AI 死死盯住某个组件,"像经验老道的工程师,闲得没事就刷监控图表,专找异常",发现苗头直接推送到 Slack。这套开源版也把超粉机制完整实现了。
四、普通人能上手吗?门槛在哪?
先说实话:这不是给非程序员准备的工具,它是给 AI 智能体开发者、DevOps 工程师、大厂平台团队看的。
但好消息是,它不挑硬件:
- 不用显卡,一台普通 Linux 或 Mac 机器就能跑;
- 不用任何网页版、不用部署复杂集群,官方给了个十分钟的快启动脚本,一条命令拉起一个服务器、一个缓存、两个模拟 AI 员工,当场演示一次完整的"代码落地";
- 厂商中立:服务器本身不调用任何大模型,冲突解决环节想接哪家的 AI 都行,一个都不接也照样跑。
要注意的点也提前说清楚:现在还是 0.2 版本,接口以后可能变,官方也明确说这是"社区项目",别指望明天就迁走公司核心代码库;它瞄准的是超大型仓库 + 大规模 AI 并行的场景,小项目用 Git 绰绰有余。
五、接下来的 48 小时,值得盯三件事
第一,涨星曲线能不能扛住。一天 664 星只是开局,热度榜的流量是"一日热"还是"持续热",看这两天新增 issue 和 fork 的质量。
第二,社区 PR 来得快不快。这种"复刻大厂内部系统"的项目,成败就看外部开发者愿不愿意进来干活——第一个社区 PR 什么时候被合入,是重要信号。
第三,大厂会不会入场。Anthropic 在原文里已经明说,愿意和 GitHub、GitLab 以及开源社区合作,把这套思路沉淀下来。巨头公开递橄榄枝了,接下来就看对手怎么接。
其实这个故事真正炸裂的地方,不在 664 颗星,而在那组数据:AI 把代码产量放大了 12 倍之后,第一个被挤爆的不是模型,而是 20 年前的基础工具。
可以预见,接下来构建、CI、代码评审……整条软件研发流水线都要被 AI 的节奏重做一遍。源控制只是第一块倒下的多米诺。
最后留个话题:假设你的公司让 50 个 AI 员工同时往一个仓库里交代码,你猜现在的 Git 服务器,能撑过几分钟?评论区聊聊。