Anthropic ప్రకారం, దాని అంతర్గత monorepoలో రోజుకు merge చేసిన మార్పులు మే నెలలో సుమారు 2,500 నుంచి 2026 సెప్టెంబరులో 30,000కు మించి పెరిగాయి. దాని అక్టోబర్ 13 ఇంజినీరింగ్ వివరణ ఆ వృద్ధిలో ఎక్కువ భాగానికి వెనుక ఉన్న ఏజెంట్లు, ఆటోమేటెడ్ పనుల కోసం నిర్మించిన సోర్స్-కంట్రోల్ వ్యవస్థ Scionను వివరిస్తుంది. కేంద్ర సేవ చరిత్ర, కమిట్‌లు, మెర్జ్‌లను నిర్వహించగలిగినప్పుడు క్లయింట్ ఇంకా ఏ పనులు చేయాలి అనేదే ఉపయోగకరమైన ఇంజినీరింగ్ ప్రశ్న.
పెద్ద మార్పు
- ఏం మారింది: Anthropic ఐదు నెలల్లో తన monorepoను Git నుంచి Scionకు మార్చింది. Scion క్లయింట్లు అవసరమైన ఆబ్జెక్టులను మాత్రమే పొందుతాయి; కమిట్‌లు, మెర్జ్‌లు, రీబేస్‌లు, చరిత్ర ప్రశ్నలను సర్వర్‌కు వదిలేస్తాయి. ఆన్‌లైన్ ఏజెంట్లు, పనులు ఆధిపత్యం వహించే పనిభారం కోసం Anthropic దీన్ని నిర్మించింది.
- ఇది ఎందుకు ముఖ్యం: స్థానిక repositoryను నిర్వహించకుండా CI పని API ద్వారా diff లేదా merge base అడగగలదు. ఫైళ్లు అవసరమైనప్పుడు sparse లేదా virtualized checkout డిస్క్‌కు చేరే వాటిని పరిమితం చేస్తుంది. దీంతో ఖర్చు, నిర్వహణ బాధ్యత కేంద్ర సేవ వైపు మారుతాయి.
- ఏమి గమనించాలి: తన స్వంత ఫ్లీట్‌లో వేగవంతమైన checkoutలు, తక్కువ మౌలిక వసతుల వినియోగాన్ని Anthropic నివేదించింది; ఇక్కడ స్వతంత్ర ధృవీకరణ లేదు. Scion ప్రత్యేకంగా రూపొందించిన అంతర్గత వ్యవస్థ అని, దాని మార్పుకు code review, search, CIలో కూడా సవరణలు అవసరమయ్యాయని కంపెనీ చెబుతోంది.
ఈ monorepoలో Git ఎందుకు ఖరీదైంది
Git పంపిణీ రూపకల్పనలో ప్రతి పూర్తి cloneకు offline పనికి అవసరమైన చరిత్ర, ఆబ్జెక్టులు ఉంటాయి. Anthropic ప్రకారం, దాని monorepo ప్రధాన శాఖ చరిత్ర దాదాపు 100 GB; compressed working copy 25 GBను మించింది. developer పరిసరాలు, ఏజెంట్ sandboxలు, పరిశోధనా పనులు మినహా దాని CI ఫ్లీట్ రోజుకు సుమారు 25 మిలియన్ code checkoutలు చేస్తుంది. ఇవి Anthropic పనిభారపు గణాంకాలు; Git పనిచేయడం ఆగిపోయే సాధారణ పరిమితి కాదు.
కంపెనీ ఇంతకుముందే shallow cloneలు, sparse checkoutలు, అంతర్గత mirrorలు, repository snapshotలను ఉపయోగించింది. repository, merge రేటు పెరిగేకొద్దీ వందల mirrorలను నిర్వహించడం చివరికి కష్టమైందని చెబుతోంది. Anthropic నిర్ధారణ ప్రత్యేకమైనది: చాలా క్లయింట్లు అప్పటికే ఆన్‌లైన్ ఏజెంట్లు లేదా పనులే అయినప్పటికీ, స్థానిక repositoryని ఉంచే ఖర్చులో అధిక భాగం సాధనాలపైనే ఉండేది.
ఆన్‌లైన్ కనెక్షన్‌ను Scion రూపకల్పనలోనే ఊహించింది. ఇంజినీరింగ్ వివరణ ప్రకారం, సర్వర్ చరిత్ర, blame ప్రశ్నలకు సమాధానమిస్తుంది, కమిట్‌లను సృష్టిస్తుంది, మెర్జ్‌లు, రీబేస్‌లు చేస్తుంది. క్లయింట్ పరిమిత ఆబ్జెక్ట్ cacheను ఉంచి, కోరిన పని ఫైళ్లను డిస్క్‌లో పెట్టి, స్థానిక ఫైల్ మార్పులను పర్యవేక్షిస్తుంది. ఈ పనులను స్వతంత్రంగా చేసే సామర్థ్యాన్ని వదులుకోవడం ప్రతి క్లయింట్‌కు తక్కువ డేటా పంపేందుకు చేసిన ఉద్దేశపూర్వక రాజీ.
Checkout చిన్నదిగా ఉండొచ్చు, అవసరం లేకపోవచ్చు
తన క్లయింట్లు ఉపయోగించే సోర్స్-కంట్రోల్ ప్రశ్నలను Scion APIలుగా అందిస్తుంది. merge base నుంచి diff కావాల్సిన CI పని నేరుగా సర్వర్‌ను అడగగలదని Anthropic చెబుతోంది. దాని ఆటోమేటెడ్ bisect, revert పైప్‌లైన్‌లు కూడా అదే ప్రోగ్రామాటిక్ మార్గాన్ని వాడతాయి. అలాంటి పనులకు working copyని సృష్టించాల్సిన అవసరమే ఉండకపోవచ్చు.
పనికి ఫైళ్లు అవసరమైనప్పుడు, కోరిన డైరెక్టరీలనే కలిగిన sparse checkoutలు, చదివినప్పుడు ఫైళ్లను తయారుచేసే virtualized checkoutలను Scion మద్దతిస్తుంది. పెద్ద packfile గురించి చర్చించకుండా, క్లయింట్ లేని నిర్దిష్ట treeలు, blobలను పునరావృతంగా కోరుతుంది. ప్రతి కోరిన ఆబ్జెక్ట్‌కు మార్పులేని content-addressed గుర్తింపు ఉంటుంది; అందువల్ల దాని కంటెంట్ మారిందా అని తనిఖీ చేయకుండానే cache తిరిగి ఇవ్వగలదు. క్లయింట్లు, అధికారిక సర్వర్ల మధ్య node-level daemon, ప్రాంతీయ cacheలను Anthropic వివరిస్తుంది; అన్ని స్థాయిలు ఒకే object-request ప్రోటోకాల్‌ను వాడతాయి.
పూర్తి స్థానిక cloneతో పోలిస్తే ఈ రూపకల్పనలో వైఫల్యం, నిర్వహణ సరిహద్దులు వేరుగా ఉంటాయి. Git offlineగా చేయగల పనుల కోసం క్లయింట్ సేవపై ఆధారపడుతుంది; ఫ్లీట్ వేగానికి సరిపడా object, history ప్రశ్నలకు సేవ సమాధానం ఇవ్వాలి. ప్రాంతీయ cache విఫలమైతే upstream సర్వర్లపై అధిక భారం పడకుండా cache స్థాయిలను అమలు చేస్తున్నట్లు Anthropic చెబుతోంది. ఈ నిర్మాణం అందుబాటు కొలతలను వ్యాసం ఇవ్వదు.
సర్వర్ ఏం నిల్వ చేసి లెక్కిస్తుంది
Scion పని యూనిట్ write-ahead logలోని changeset. మొదటి parentతో పోల్చి మారిన ఫైళ్లను నమోదు చేసి, blob నిల్వలోని compressed ఫైల్ కంటెంట్‌కు pointers ఉంచుతుందని Anthropic చెబుతోంది. ప్రతి writeకు shared branch pointerను కదపకుండా సర్వర్ changesetలను సృష్టిస్తుంది. వేరే derived structureలు file blame, path history, commit ancestry వంటి ప్రశ్నలకు మద్దతిస్తాయి; కొన్నింటిని వెంటనే, మరికొన్నింటిని ఆలస్యంగా లెక్కించవచ్చు.
ఈ విభజన API రూపకల్పనకు ముఖ్యం. సమాధానాన్ని స్థానికంగా లెక్కించడానికి కావలసిన అన్ని నిర్మాణాలను మోసుకెళ్లకుండా పనులు merge base లేదా ఫైల్ చరిత్రను అడగగలవు. ఆ నిర్మాణాల నిర్వహణ ఖర్చు కూడా Anthropic సేవకు మారుతుంది. repository డేటాను పంపిణీ చేసి, భాగాలను విడిగా scale చేస్తామని, సర్వర్‌లో కూడా repository పూర్తి ప్రతిని materialize చేయలేదని కంపెనీ చెబుతోంది.
మునుపటి Git mirroring ఏర్పాటుతో పోలిస్తే Scion మౌలిక సదుపాయం CPU, memoryను 200 రెట్లు తక్కువగా వాడుతుందని, CI, పరిశోధనా checkoutలు నిమిషాల బదులు సెకన్లలో పూర్తవుతున్నాయని Anthropic నివేదించింది. CIలో CPU సామర్థ్యం 25% పెరగడానికి ఈ మార్పే కారణమని చెబుతోంది. ఈ పోలికలు Anthropic పాత అంతర్గత వ్యవస్థతో, దాని స్వంత పనిభారంలో చేసినవి; BIG CHANGE ఈ కొలతలను పునరావృతం చేయలేదు, మూల telemetryను చూడలేదు.
వలస ఖర్చూ ఫలితంలో భాగమే
ఏడుగురు ఇంజినీర్లు Scion, దానికి తోడైన code-review సాధనం Antique, సంబంధిత వ్యవస్థలను నిర్మించి, ఐదు నెలల్లో monorepoను మార్చారని Anthropic చెబుతోంది. ఆ వివరణ కొత్త code search, access control, కోడ్ సమీక్షించి చేర్చే విధానంలోని మార్పులనూ పేర్కొంటుంది. ఈ రూపకల్పనను పరిశీలించే సంస్థ సోర్స్-కంట్రోల్ సేవతో పాటు పక్కనున్న పనివిధానాలనూ లెక్కలోకి తీసుకోవాలి.
సాధారణ Git ప్రత్యామ్నాయంగా Scion సరిపోదని Anthropic స్పష్టంగా చెబుతోంది. దాని అంతర్గత review, search, CI భాగాలు ప్రత్యేకంగా రూపొందించబడ్డాయి; Gitను వదిలితే అభివృద్ధి చక్రం అంతటా మార్పులు అవసరం. ఆ వివరణలోని పరిమితమైన వాస్తు పాఠం: ఆన్‌లైన్ సేవ ఆటోమేటెడ్ క్లయింట్లకు మరిన్ని సోర్స్-కంట్రోల్ ప్రశ్నలకు జవాబివ్వగలదు; క్లయింట్లు వాడే ఫైళ్లనే ఉంచగలవు. Scionను స్వీకరించకుండానే, మెరుగైన server APIలు, Git sparse మరియు shallow లక్షణాల మెరుగైన కలయిక వంటి ఆలోచనలను అమలు చేయవచ్చని Anthropic సూచిస్తోంది.
మూలాలు, తదుపరి పఠనం
- Anthropic Engineering, “Redesigning source control at Anthropic” (13 అక్టోబర్ 2026). Scion నిర్మాణం, మార్పు, అంతర్గత పనిభారం మరియు పనితీరు గణాంకాలపై Anthropic మొదటి-పక్ష వివరణ. నివేదించిన కొలతలు, నిర్వహణ ఫలితాలను BIG CHANGE స్వతంత్రంగా ధృవీకరించలేదు; ఈ వ్యాసం కోసం Scion వ్యవస్థను పరీక్షించలేదు.
