AI百科网 AI教程
AI百科

AI 每天改三万处代码,Anthropic 把版本控制重造了一遍

据开发者转述的 Anthropic 工程博客:合并量半年涨十倍,Git 扛不住,七人团队五个月自研新系统完成迁移。读完能看懂 AI 写码如何倒逼基础设施重构。

本文目录 · 6 节

Git 二十岁了,还没人真正动摇过它的地位。动摇它的可能不是更好的命令行,而是写代码的 AI。Anthropic 披露,公司每天合并的代码变更半年里涨了十倍还多,Git 体系先撑不住了。他们由七个人组成团队、花五个月造了一套新系统,把整个代码仓库搬了过去。这件事对所有重度使用 AI 编码的团队都是一个预告:瓶颈不在写代码,在接代码。

一、发生了什么

信息源分两层:第一层是 Anthropic 工程博客 10 月发布的文章,第二层是知名开发者西蒙·威利森 10 月 13 日对其的转述和评注,本文以前者为主要口径、后者为佐证。据该博客,2026 年 5 月 Anthropic 平均每天合并约 2500 处代码变更,到 9 月已超过 30000 处,涨幅主要来自 AI 的写码量。

规模之外是体量:仅主分支历史就接近 100 GB,压缩后的工作副本超过 25 GB;每天为持续集成要执行约 2500 万次代码检出,若按老办法用 Git 拉取,流量将达到每天数百 PB——物理上就不可行。新系统名为 Scion,由七人团队用五个月完成从 Git 的整体迁移;另有一个叫 Antique 的代码审查系统配套使用。博客承认设计参考了谷歌和 Meta 的内部版本控制系统,Meta 系统的服务端组件是其中「派生数据」概念的直接灵感。威利森评价,这套新东西听起来更像把集中式版本控制重新发明了一遍,他还在博客里给原图补上了各家模型发布时间点的标注,并猜测新模型的引入是编码提速的主因——这是他的个人推测,非官方口径。

一个耐人寻味的取舍:新系统不支持离线工作。工程师在社区问答里解释,因为 AI 是这套系统最重的用户,而 AI 必然在线,离线支持就不重要了。博客还提到,对抗式审查——让模型互相挑错——非常有效,但视野窄,容易对着假想的担忧过度设计,仍需资深工程师掌舵。

二、跟你有什么关系

工程负责人:团队里 AI 写码占比一旦过半,评审、集成、存储的瓶颈会一起暴露。基础设施要提前规划,不能等仓库拖垮了再想办法。

独立开发者:小项目不必照搬大厂方案,但「让模型互审」「记录一次性写入」「按检出次数重新设计缓存」这些思路可以直接借用。

工具厂商:Git 周边的商业机会正在转移。谁能吃下「为 agent 优化」的托管和协作需求,谁就拿到下一波市场。

三、怎么判断

读到这儿,可以顺路看 SaaS 接 AI 的第一步:给你的应用配一个 MCP 服务器 读完能明白 MCP 是什么、为什么 SaaS 接 AI 先做 MCP,以及从选 SDK、挑工具、调试到上架注册表的六步落地路径。
  1. 先量自己的变更速率。每天合并量、持续集成的检出次数,这两个数字决定你离「仓库瓶颈」有多远,离得远就不必动。
  2. 把 agent 当成一等公民用户来设计流程。它永远在线、提交频繁、需要完整历史,任何为人类习惯保留的环节——离线、本地提交、手动合并——都要重新审视值不值得留。
  3. 对「重造轮子」保持警惕也保持开放。这次自研的前提是极端量级,先看问题规模是否真的到了自研划算的程度,再决定跟不跟。

四、三个别信的说法

「Git 要被淘汰了。」 触发迁移的条件是每天数万次合并和 PB 级流量,绝大多数团队离这个量级差着几个数量级。Git 仍是默认正确答案,未来很多年都是。

「代码量涨十倍等于产出涨十倍。」 变更数量不直接换算成产品价值。评审和验证压力同步放大,真正的产出要看通过了多少有效变更,而不是生成了多少行。

「这套架构谁都能抄。」 背后是七人全职团队、五个月专注迁移和巨额基础设施投入。参考思路可以,直接照搬大概率是给自己找麻烦。

五、一句话结论

AI 改的不只是写代码这件事,还有承接代码的那块地基。

信息来源

功能与价格以官方公告为准。本文写于 2026 年 10 月 20 日。

下一站 · 起步必读 企业 AI 缺的不是工程师,是懂业务的人 从 Anthropic 一亿美元人才培养计划和桥水的知识库实践看:企业 AI 落地的瓶颈是懂业务又能定义对错的人。给出三类岗位缺口和可照做的组队思路。
下一篇,直接发你邮箱

每周一封,只发新教程和可复制模板。不发广告,随时退订。

复制规范引用格式,便于转载注明出处
这篇有用吗?