Migracja zaczyna się od gwałtownej zmiany popytu. Około 2500 połączeń dziennie w maju 2026 wzrosło do ponad 30 tysięcy we wrześniu. Według Anthropic rozwój i badania z Claude podniosły koszt Git. Scion zaprojektowano dla agentów online, nie samowystarczalnych lokalnych repozytoriów.
Firma mówi, że siedmiu inżynierów zbudowało też Antique oraz usługi pomocnicze i migrowało w pięć miesięcy. To konkretny problem architektury, nie ogólny wyrok na Git. Gdy przyjmowanie i rozsyłanie kodu tanieje, sprawdzanie zachowania całości i odpowiedzialność nadal kosztują.
Obciążeniem były pobrania, nie tylko commity
Główna historia zbliżała się do 100 GB, a skompresowana kopia robocza przekraczała 25 GB. Bez środowisk, agentów i badań samo CI wykonywało około 25 milionów checkoutów dziennie. Proste pobieranie generowałoby ponad 600 petabajtów ruchu Git, obliczyła firma.
Stosowano już płytkie klony, wybiórcze pobieranie, snapshoty i setki luster. Snapshoty starzały się między odświeżeniami, a częściowa historia komplikowała diff, wyszukiwanie i blame. Dodatkowy cache nie musiał rozwiązać podstawowego wzorca żądań.
Git przekazuje klonom historię i funkcje do niezależnej pracy offline. Dominowały jednak zadania online potrzebujące katalogu, różnicy lub podstawy połączenia. Ciągłe dawanie im samodzielności laptopa oznaczało koszt rzadko używanej cechy.
Serwer staje się komputerem kontroli wersji
Scion przenosi historię, tworzenie commitów, różnice, łączenie i rebase na serwer. Lekki klient ma ograniczony cache i tworzy tylko potrzebne pliki. Część zadań działa przez API bez checkoutu. Synchronizację pełnych kopii zastępuje wspólna usługa obliczeń.
Podstawą jest changeset w dzienniku zapisu wyprzedzającego, opisujący pliki zmienione względem rodzica. Skompresowane obiekty adresowane treścią przechowuje się osobno. Niezmienność daje bezpieczny cache; nie trzeba tworzyć i przesyłać dużych packfile Git dla każdej zmiany.
Referencje, gałęzie i tagi pozostają, ale poza główną linią i wydaniami ogranicza się je z powodu globalnej koordynacji. Indeksy blame, kopii i grafu są danymi pochodnymi, tworzonymi od razu lub na żądanie. Ich zmiana nie wymaga zmiany podstawowych zapisów i klientów.
Demony węzłów współdzielą obiekty, a cache regionalny oddziela je od serwerów nadrzędnych. Hierarchia powstrzymuje lawinę żądań do centrum po awarii regionu. Wybiórcze i wirtualne checkouty oraz API ograniczają pliki, ale wymagają sieci i centrum bardziej niż klon Git.
Zyski wewnętrzne nie są zaleceniem dla każdej firmy
Anthropic podaje trafienia cache ponad 99 procent na każdym poziomie, 200 razy mniej CPU i pamięci niż lustra, sekundy zamiast minut oraz odzyskane 25 procent CPU CI. To pomiary wewnętrznego obciążenia, nie odtwarzalny zewnętrzny benchmark.
Claude pomagał budować. Wczesny model miał przepisać ręczny prototyp importu z dwudziestokrotnie mniejszą pamięcią i czterokrotnie większą szybkością, zachowując ukryte wymagania. To konkretna deklaracja, nie dowód, że każde przepisanie poprawia wydajność lub chroni założenia.
Google Piper i Meta Sapling wcześniej rozwiązywały skalę monorepo; Sapling wspiera znane procesy Git. Scion wyróżnia klient automatyczny zawsze online. Wdrożenie wymagałoby wyszukiwania, przeglądu, tożsamości, praw i CI, a nie szybszego polecenia.
Człowiek ocenia zamiar, ale interakcje pozostają trudne
Każda zmiana ma według firmy ocenę człowieka, skupioną na zamiarze zamiast każdej linii. Więcej zaufania przypada testom, wyjaśnieniom i analizie automatycznej. Zgodność celu nie gwarantuje poprawności ani niewypowiedzianych reguł systemu.
Inżynierowie wielokrotnie odmawiali Claude. Komponenty skanowały log liniowo zamiast pytać Antique o wiążący czas połączenia. Krytyka adversarialna wywoływała nadmiar zabezpieczeń i złożoności. Modele optymalizujące wymagały też odrzucania wiarygodnych lokalnych rozwiązań.
Scion blokuje konflikty tekstu, nie znaczenia. Jedna zmiana aktualizuje funkcję i wywołania, druga dodaje wywołanie ze starym założeniem. Łączą się czysto, lecz działają źle. Kolejka zwykle testuje wspólny stan przed następnym pakietem, ale setki lub tysiące zmian podczas testu czynią globalną blokadę niepraktyczną.
Anthropic przenosi inwestycje na testy po połączeniu, przed wdrożeniem. Fuzzing, izolowane symulacje, limity, prawa katalogów i zgody według ryzyka pomagają. Nie usuwają ryzyka semantycznego: wykrywanie i naprawa zbliżają się do wydania, które musi zatrzymać zły zestaw przed użytkownikiem.
Brakuje porównania jakości w czasie
Stałe monitory Claude, superfans, obserwują telemetrię i logi na Slacku obok zwykłych alarmów. Wykrywanie wzorców poza progami jest możliwe, ale monitoring sam nie jest wynikiem. Szybka naprawa wymaga szybkiego wykrycia i izolacji lub cofnięcia skutków.
Liczba połączeń obejmuje drobne, eksperymentalne i cofnięte zmiany. Nie ujawniono niezależnych błędów, rollbacków, trendów incydentów ani udziału agentów w pisaniu i ocenach. Bez mianowników nie wiemy, czy przepustowość pomogła niezawodności, czy tylko zwiększyła ciężar nadzoru.
Przenośna lekcja jest węższa niż wymiana Git. Serwerowe API, wspólne cache, wirtualne środowiska i ocena ryzyka mogą leczyć bottleneck bez utraty historii i odporności offline. Większość firm nie dowiodła takiej nietypowej skali i integracji modeli.
Scion pokazuje, jak generowanie wymusza zmianę platformy. Mocniejszy sukces łączy oszczędności ze stabilnymi wydaniami, jasnymi właścicielami i mniejszą liczbą błędów poza kontrolą. Na razie to wynik inżynierii z kompromisem weryfikacji, nie uniwersalny model bezpieczeństwa.
Dodatkowa lektura o dokumentowaniu kontekstu pracy: bazy wiedzy dokumentacji technicznej ; drugie mózgi oparte na AI.