日本免费在线观看:新页要从已有栏目接进去，孤立地址更难被连续发现。在日常更新节奏里，描述不要留空，也不要整站复用同一句，摘要才不容易乱抽。已收录页做实质性增补并保持网址不变，再评估才有对照。
中国创亚运会境外参赛金牌最好成绩
日本免费在线观看
在 Anthropic，编码已不再是系统构建或研究的瓶颈。Claude 能够自主迭代研究循环、微优化复杂程序，并以前所未有的速度和规模从头构建新服务。当前的瓶颈已转移至为人类规模设计的开发者基础设施：源代码控制、构建和持续集成（CI）。
2026 年 5 月，Anthropic 平均每天合并约 2,500 次代码变更；截至 9 月，日均合并量已超过 30,000 次。公司表示，这种增长速度短期内不会放缓；消除每一个瓶颈都会立即引发代码产出量的进一步增加。
为支持这一增长，Anthropic 构建了内部版本控制系统 Scion，并在五个月内将单体仓库（monorepo）从 Git 完全迁移至 Scion。同期，公司还发布代码审查界面 Antique、代码搜索功能及源代码控制 IAM 系统等。Anthropic 指出，Claude 编写代码的能力既是造成当前局面的原因，也是快速构建高质量、可扩展系统解决该问题的关键。
扩展单体仓库的挑战
Anthropic 使用 Claude 编写软件的程度远超其他公司，因此率先遭遇为人类规模设计的工具瓶颈。随着单体仓库壮大，Git 的去中心化设计逐渐不再适用。仅主分支历史记录就接近 100 GB，压缩工作副本超过 25 GB。CI 每天执行约 2,500 万次代码检出，若直接获取数据，每日 Git 流量将超过 600 PB。
尽管采用了浅层克隆、稀疏检出、内部 Git 镜像和 Blob 存储快照等变通方案，但随着合并率增加，这些方案的操作难度显著提升。Anthropic 意识到，既然客户端主要是始终在线的代理和作业，Git 为离线工作设计的特性反而削弱了扩展能力。因此，公司决定重新设计面向代理始终在线事实的源代码控制系统。
面向代理规模的源代码控制原则
借鉴 Google Piper 和 Meta Sapling 的经验，Anthropic 在构建 Scion 时确立了以下核心原则：
客户端始终在线。 Scion 围绕始终可达的服务器设计，客户端按需获取数据，不再假设离线工作能力。
客户端 - 服务器不对称性。 服务器负责处理文件历史、责任追溯、提交创建及合并等操作；客户端仅维护有界本地对象缓存，大幅减少本地数据需求。
全面的源代码控制服务驱动新应用。 所有源代码控制查询均通过 API 暴露，作业无需维护本地仓库即可访问，使自动二分查找和回滚流水线等工具在规模上成为可能。
水平可扩展性。 数据分布式存储，各组件独立扩展，无完全物化的仓库副本，无需类似 Git packfiles 的维护操作。
廉价、增量且无锁的提交。 提交、变基或合并均在服务器端发生，成本随变更大小而非仓库大小扩展。除主引用外，不鼓励使用全局状态引用以避免扩展问题。
可选且稀疏的工作副本。 协议以稀疏检出为中心，CI 作业可按需请求差异或文件内容，避免全量检出，降低磁盘和带宽消耗。
Scion 的技术实现
Scion 的基本工作单位是 "changeset"（变更集），存储相对于父节点变化的文件列表及指向 Blob 存储的指针。Changesets 在服务器端创建并立即全局可用，无需锁定或协调。为解决责任追溯等问题，Scion 从 changesets 构建 " 衍生数据 "（如专用索引和跳表），支持递归计算和按需物化，便于后续优化和扩展。
在架构上，Scion 服务器水平可扩展，本质上是大型缓存。scn 客户端协议偏离 Git fetch 协议，仅请求缺失的树和 blob，类似分层缓存机制。集群内，客户端通过 scion-daemon 通信，daemon 与 scion-cache 交互，缓存缺失时向 scion-servers 请求。该架构实现了超过 99% 的缓存命中率。
相比之前的 Git 镜像基础设施，Scion 在 CPU 和内存需求上减少了 200 倍。CI 和研究任务的代码检出速度提升了两个数量级（从分钟级降至秒级），仅 CI 就实现了 25% 的 CPU 容量提升。
构建 Scion 的经验与启示
Anthropic 在推出 Claude Mythos Preview 和 Claude Tag 的同时构建 Scion，AI 加速了开发进程。一个七人团队在五个月内完成了 Scion 和 Antique 的开发及迁移，期间日均代码合并量增加了 10 倍。
工程师角色转变。 工程师不再专注于逐行编写代码，而是提供高层组件理解、设计权衡及对 AI 输出的审查。工程师的主要任务之一是引导 Claude 避免过度工程化，并检查变更意图而非代码细节。
优化与质量提升。 借助 Claude，Scion 成为测试最充分、保护最严密的代码库之一。AI 还能发现显著的性能优化，如祖先查询算法改进，这在传统模式下需专家数周分析。
新型单体仓库安全。 Scion 支持目录级访问控制和复杂的代码审查语义约束，区分仅评论更改与敏感逻辑更改，提升安全性。
运营卓越。 团队利用 " 超级粉丝 " Claude 代理监控各组件健康状况，检测细微异常，补充传统警报系统。
重构工作流先验知识。 代理规模下，传统合并队列意义不大。Anthropic 转而投资合并后和部署前的自动化测试，依靠 Claude 在人类识别前修复并发冲突。
对生态系统的贡献
Anthropic 明确表示，Scion 并非 Git 的通用替代品，其架构仅适用于拥有数万工程师或大量 AI 代理的超大规模单体仓库。由于 Scion 与 Git 差异巨大且高度定制，公司暂无计划将其开源。
然而，Anthropic 预计类似问题将在未来六到十二个月内更加普遍。公司希望分享其思路，推动 GitHub、GitLab 及开源社区改进 Git 服务端架构，例如提供更全面的服务器端 RPC 和优化协商协议，以支持开发者不断变化的需求。
【星途科讯 图文丨伊贝 首发于 ZAKER 科技，转载请注明出处】
在 Anthropic，编码已不再是系统构建或研究的瓶颈。Claude 能够自主迭代研究循环、微优化复杂程序，并以前所未有的速度和规模从头构建新服务。当前的瓶颈已转移至为人类规模设计的开发者基础设施：源代码控制、构建和持续集成（CI）。
2026 年 5 月，Anthropic 平均每天合并约 2,500 次代码变更；截至 9 月，日均合并量已超过 30,000 次。公司表示，这种增长速度短期内不会放缓；消除每一个瓶颈都会立即引发代码产出量的进一步增加。
为支持这一增长，Anthropic 构建了内部版本控制系统 Scion，并在五个月内将单体仓库（monorepo）从 Git 完全迁移至 Scion。同期，公司还发布代码审查界面 Antique、代码搜索功能及源代码控制 IAM 系统等。Anthropic 指出，Claude 编写代码的能力既是造成当前局面的原因，也是快速构建高质量、可扩展系统解决该问题的关键。
扩展单体仓库的挑战
Anthropic 使用 Claude 编写软件的程度远超其他公司，因此率先遭遇为人类规模设计的工具瓶颈。随着单体仓库壮大，Git 的去中心化设计逐渐不再适用。仅主分支历史记录就接近 100 GB，压缩工作副本超过 25 GB。CI 每天执行约 2,500 万次代码检出，若直接获取数据，每日 Git 流量将超过 600 PB。
尽管采用了浅层克隆、稀疏检出、内部 Git 镜像和 Blob 存储快照等变通方案，但随着合并率增加，这些方案的操作难度显著提升。Anthropic 意识到，既然客户端主要是始终在线的代理和作业，Git 为离线工作设计的特性反而削弱了扩展能力。因此，公司决定重新设计面向代理始终在线事实的源代码控制系统。
面向代理规模的源代码控制原则
借鉴 Google Piper 和 Meta Sapling 的经验，Anthropic 在构建 Scion 时确立了以下核心原则：
客户端始终在线。 Scion 围绕始终可达的服务器设计，客户端按需获取数据，不再假设离线工作能力。
客户端 - 服务器不对称性。 服务器负责处理文件历史、责任追溯、提交创建及合并等操作；客户端仅维护有界本地对象缓存，大幅减少本地数据需求。
全面的源代码控制服务驱动新应用。 所有源代码控制查询均通过 API 暴露，作业无需维护本地仓库即可访问，使自动二分查找和回滚流水线等工具在规模上成为可能。
水平可扩展性。 数据分布式存储，各组件独立扩展，无完全物化的仓库副本，无需类似 Git packfiles 的维护操作。
廉价、增量且无锁的提交。 提交、变基或合并均在服务器端发生，成本随变更大小而非仓库大小扩展。除主引用外，不鼓励使用全局状态引用以避免扩展问题。
可选且稀疏的工作副本。 协议以稀疏检出为中心，CI 作业可按需请求差异或文件内容，避免全量检出，降低磁盘和带宽消耗。
Scion 的技术实现
Scion 的基本工作单位是 "changeset"（变更集），存储相对于父节点变化的文件列表及指向 Blob 存储的指针。Changesets 在服务器端创建并立即全局可用，无需锁定或协调。为解决责任追溯等问题，Scion 从 changesets 构建 " 衍生数据 "（如专用索引和跳表），支持递归计算和按需物化，便于后续优化和扩展。
在架构上，Scion 服务器水平可扩展，本质上是大型缓存。scn 客户端协议偏离 Git fetch 协议，仅请求缺失的树和 blob，类似分层缓存机制。集群内，客户端通过 scion-daemon 通信，daemon 与 scion-cache 交互，缓存缺失时向 scion-servers 请求。该架构实现了超过 99% 的缓存命中率。
相比之前的 Git 镜像基础设施，Scion 在 CPU 和内存需求上减少了 200 倍。CI 和研究任务的代码检出速度提升了两个数量级（从分钟级降至秒级），仅 CI 就实现了 25% 的 CPU 容量提升。
构建 Scion 的经验与启示
Anthropic 在推出 Claude Mythos Preview 和 Claude Tag 的同时构建 Scion，AI 加速了开发进程。一个七人团队在五个月内完成了 Scion 和 Antique 的开发及迁移，期间日均代码合并量增加了 10 倍。
工程师角色转变。 工程师不再专注于逐行编写代码，而是提供高层组件理解、设计权衡及对 AI 输出的审查。工程师的主要任务之一是引导 Claude 避免过度工程化，并检查变更意图而非代码细节。
优化与质量提升。 借助 Claude，Scion 成为测试最充分、保护最严密的代码库之一。AI 还能发现显著的性能优化，如祖先查询算法改进，这在传统模式下需专家数周分析。
新型单体仓库安全。 Scion 支持目录级访问控制和复杂的代码审查语义约束，区分仅评论更改与敏感逻辑更改，提升安全性。
运营卓越。 团队利用 " 超级粉丝 " Claude 代理监控各组件健康状况，检测细微异常，补充传统警报系统。
重构工作流先验知识。 代理规模下，传统合并队列意义不大。Anthropic 转而投资合并后和部署前的自动化测试，依靠 Claude 在人类识别前修复并发冲突。
对生态系统的贡献
Anthropic 明确表示，Scion 并非 Git 的通用替代品，其架构仅适用于拥有数万工程师或大量 AI 代理的超大规模单体仓库。由于 Scion 与 Git 差异巨大且高度定制，公司暂无计划将其开源。
然而，Anthropic 预计类似问题将在未来六到十二个月内更加普遍。公司希望分享其思路，推动 GitHub、GitLab 及开源社区改进 Git 服务端架构，例如提供更全面的服务器端 RPC 和优化协商协议，以支持开发者不断变化的需求。
【星途科讯 图文丨伊贝 首发于 ZAKER 科技，转载请注明出处】
9岁孩子开门杀致路人死亡 司机获刑
日本免费在线观看
在 Anthropic，编码已不再是系统构建或研究的瓶颈。Claude 能够自主迭代研究循环、微优化复杂程序，并以前所未有的速度和规模从头构建新服务。当前的瓶颈已转移至为人类规模设计的开发者基础设施：源代码控制、构建和持续集成（CI）。
2026 年 5 月，Anthropic 平均每天合并约 2,500 次代码变更；截至 9 月，日均合并量已超过 30,000 次。公司表示，这种增长速度短期内不会放缓；消除每一个瓶颈都会立即引发代码产出量的进一步增加。
为支持这一增长，Anthropic 构建了内部版本控制系统 Scion，并在五个月内将单体仓库（monorepo）从 Git 完全迁移至 Scion。同期，公司还发布代码审查界面 Antique、代码搜索功能及源代码控制 IAM 系统等。Anthropic 指出，Claude 编写代码的能力既是造成当前局面的原因，也是快速构建高质量、可扩展系统解决该问题的关键。
扩展单体仓库的挑战
Anthropic 使用 Claude 编写软件的程度远超其他公司，因此率先遭遇为人类规模设计的工具瓶颈。随着单体仓库壮大，Git 的去中心化设计逐渐不再适用。仅主分支历史记录就接近 100 GB，压缩工作副本超过 25 GB。CI 每天执行约 2,500 万次代码检出，若直接获取数据，每日 Git 流量将超过 600 PB。
尽管采用了浅层克隆、稀疏检出、内部 Git 镜像和 Blob 存储快照等变通方案，但随着合并率增加，这些方案的操作难度显著提升。Anthropic 意识到，既然客户端主要是始终在线的代理和作业，Git 为离线工作设计的特性反而削弱了扩展能力。因此，公司决定重新设计面向代理始终在线事实的源代码控制系统。
面向代理规模的源代码控制原则
借鉴 Google Piper 和 Meta Sapling 的经验，Anthropic 在构建 Scion 时确立了以下核心原则：
客户端始终在线。 Scion 围绕始终可达的服务器设计，客户端按需获取数据，不再假设离线工作能力。
客户端 - 服务器不对称性。 服务器负责处理文件历史、责任追溯、提交创建及合并等操作；客户端仅维护有界本地对象缓存，大幅减少本地数据需求。
全面的源代码控制服务驱动新应用。 所有源代码控制查询均通过 API 暴露，作业无需维护本地仓库即可访问，使自动二分查找和回滚流水线等工具在规模上成为可能。
水平可扩展性。 数据分布式存储，各组件独立扩展，无完全物化的仓库副本，无需类似 Git packfiles 的维护操作。
廉价、增量且无锁的提交。 提交、变基或合并均在服务器端发生，成本随变更大小而非仓库大小扩展。除主引用外，不鼓励使用全局状态引用以避免扩展问题。
可选且稀疏的工作副本。 协议以稀疏检出为中心，CI 作业可按需请求差异或文件内容，避免全量检出，降低磁盘和带宽消耗。
Scion 的技术实现
Scion 的基本工作单位是 "changeset"（变更集），存储相对于父节点变化的文件列表及指向 Blob 存储的指针。Changesets 在服务器端创建并立即全局可用，无需锁定或协调。为解决责任追溯等问题，Scion 从 changesets 构建 " 衍生数据 "（如专用索引和跳表），支持递归计算和按需物化，便于后续优化和扩展。
在架构上，Scion 服务器水平可扩展，本质上是大型缓存。scn 客户端协议偏离 Git fetch 协议，仅请求缺失的树和 blob，类似分层缓存机制。集群内，客户端通过 scion-daemon 通信，daemon 与 scion-cache 交互，缓存缺失时向 scion-servers 请求。该架构实现了超过 99% 的缓存命中率。
相比之前的 Git 镜像基础设施，Scion 在 CPU 和内存需求上减少了 200 倍。CI 和研究任务的代码检出速度提升了两个数量级（从分钟级降至秒级），仅 CI 就实现了 25% 的 CPU 容量提升。
构建 Scion 的经验与启示
Anthropic 在推出 Claude Mythos Preview 和 Claude Tag 的同时构建 Scion，AI 加速了开发进程。一个七人团队在五个月内完成了 Scion 和 Antique 的开发及迁移，期间日均代码合并量增加了 10 倍。
工程师角色转变。 工程师不再专注于逐行编写代码，而是提供高层组件理解、设计权衡及对 AI 输出的审查。工程师的主要任务之一是引导 Claude 避免过度工程化，并检查变更意图而非代码细节。
优化与质量提升。 借助 Claude，Scion 成为测试最充分、保护最严密的代码库之一。AI 还能发现显著的性能优化，如祖先查询算法改进，这在传统模式下需专家数周分析。
新型单体仓库安全。 Scion 支持目录级访问控制和复杂的代码审查语义约束，区分仅评论更改与敏感逻辑更改，提升安全性。
运营卓越。 团队利用 " 超级粉丝 " Claude 代理监控各组件健康状况，检测细微异常，补充传统警报系统。
重构工作流先验知识。 代理规模下，传统合并队列意义不大。Anthropic 转而投资合并后和部署前的自动化测试，依靠 Claude 在人类识别前修复并发冲突。
对生态系统的贡献
Anthropic 明确表示，Scion 并非 Git 的通用替代品，其架构仅适用于拥有数万工程师或大量 AI 代理的超大规模单体仓库。由于 Scion 与 Git 差异巨大且高度定制，公司暂无计划将其开源。
然而，Anthropic 预计类似问题将在未来六到十二个月内更加普遍。公司希望分享其思路，推动 GitHub、GitLab 及开源社区改进 Git 服务端架构，例如提供更全面的服务器端 RPC 和优化协商协议，以支持开发者不断变化的需求。
【星途科讯 图文丨伊贝 首发于 ZAKER 科技，转载请注明出处】
在 Anthropic，编码已不再是系统构建或研究的瓶颈。Claude 能够自主迭代研究循环、微优化复杂程序，并以前所未有的速度和规模从头构建新服务。当前的瓶颈已转移至为人类规模设计的开发者基础设施：源代码控制、构建和持续集成（CI）。
2026 年 5 月，Anthropic 平均每天合并约 2,500 次代码变更；截至 9 月，日均合并量已超过 30,000 次。公司表示，这种增长速度短期内不会放缓；消除每一个瓶颈都会立即引发代码产出量的进一步增加。
为支持这一增长，Anthropic 构建了内部版本控制系统 Scion，并在五个月内将单体仓库（monorepo）从 Git 完全迁移至 Scion。同期，公司还发布代码审查界面 Antique、代码搜索功能及源代码控制 IAM 系统等。Anthropic 指出，Claude 编写代码的能力既是造成当前局面的原因，也是快速构建高质量、可扩展系统解决该问题的关键。
扩展单体仓库的挑战
Anthropic 使用 Claude 编写软件的程度远超其他公司，因此率先遭遇为人类规模设计的工具瓶颈。随着单体仓库壮大，Git 的去中心化设计逐渐不再适用。仅主分支历史记录就接近 100 GB，压缩工作副本超过 25 GB。CI 每天执行约 2,500 万次代码检出，若直接获取数据，每日 Git 流量将超过 600 PB。
尽管采用了浅层克隆、稀疏检出、内部 Git 镜像和 Blob 存储快照等变通方案，但随着合并率增加，这些方案的操作难度显著提升。Anthropic 意识到，既然客户端主要是始终在线的代理和作业，Git 为离线工作设计的特性反而削弱了扩展能力。因此，公司决定重新设计面向代理始终在线事实的源代码控制系统。
面向代理规模的源代码控制原则
借鉴 Google Piper 和 Meta Sapling 的经验，Anthropic 在构建 Scion 时确立了以下核心原则：
客户端始终在线。 Scion 围绕始终可达的服务器设计，客户端按需获取数据，不再假设离线工作能力。
客户端 - 服务器不对称性。 服务器负责处理文件历史、责任追溯、提交创建及合并等操作；客户端仅维护有界本地对象缓存，大幅减少本地数据需求。
全面的源代码控制服务驱动新应用。 所有源代码控制查询均通过 API 暴露，作业无需维护本地仓库即可访问，使自动二分查找和回滚流水线等工具在规模上成为可能。
水平可扩展性。 数据分布式存储，各组件独立扩展，无完全物化的仓库副本，无需类似 Git packfiles 的维护操作。
廉价、增量且无锁的提交。 提交、变基或合并均在服务器端发生，成本随变更大小而非仓库大小扩展。除主引用外，不鼓励使用全局状态引用以避免扩展问题。
可选且稀疏的工作副本。 协议以稀疏检出为中心，CI 作业可按需请求差异或文件内容，避免全量检出，降低磁盘和带宽消耗。
Scion 的技术实现
Scion 的基本工作单位是 "changeset"（变更集），存储相对于父节点变化的文件列表及指向 Blob 存储的指针。Changesets 在服务器端创建并立即全局可用，无需锁定或协调。为解决责任追溯等问题，Scion 从 changesets 构建 " 衍生数据 "（如专用索引和跳表），支持递归计算和按需物化，便于后续优化和扩展。
在架构上，Scion 服务器水平可扩展，本质上是大型缓存。scn 客户端协议偏离 Git fetch 协议，仅请求缺失的树和 blob，类似分层缓存机制。集群内，客户端通过 scion-daemon 通信，daemon 与 scion-cache 交互，缓存缺失时向 scion-servers 请求。该架构实现了超过 99% 的缓存命中率。
相比之前的 Git 镜像基础设施，Scion 在 CPU 和内存需求上减少了 200 倍。CI 和研究任务的代码检出速度提升了两个数量级（从分钟级降至秒级），仅 CI 就实现了 25% 的 CPU 容量提升。
构建 Scion 的经验与启示
Anthropic 在推出 Claude Mythos Preview 和 Claude Tag 的同时构建 Scion，AI 加速了开发进程。一个七人团队在五个月内完成了 Scion 和 Antique 的开发及迁移，期间日均代码合并量增加了 10 倍。
工程师角色转变。 工程师不再专注于逐行编写代码，而是提供高层组件理解、设计权衡及对 AI 输出的审查。工程师的主要任务之一是引导 Claude 避免过度工程化，并检查变更意图而非代码细节。
优化与质量提升。 借助 Claude，Scion 成为测试最充分、保护最严密的代码库之一。AI 还能发现显著的性能优化，如祖先查询算法改进，这在传统模式下需专家数周分析。
新型单体仓库安全。 Scion 支持目录级访问控制和复杂的代码审查语义约束，区分仅评论更改与敏感逻辑更改，提升安全性。
运营卓越。 团队利用 " 超级粉丝 " Claude 代理监控各组件健康状况，检测细微异常，补充传统警报系统。
重构工作流先验知识。 代理规模下，传统合并队列意义不大。Anthropic 转而投资合并后和部署前的自动化测试，依靠 Claude 在人类识别前修复并发冲突。
对生态系统的贡献
Anthropic 明确表示，Scion 并非 Git 的通用替代品，其架构仅适用于拥有数万工程师或大量 AI 代理的超大规模单体仓库。由于 Scion 与 Git 差异巨大且高度定制，公司暂无计划将其开源。
然而，Anthropic 预计类似问题将在未来六到十二个月内更加普遍。公司希望分享其思路，推动 GitHub、GitLab 及开源社区改进 Git 服务端架构，例如提供更全面的服务器端 RPC 和优化协商协议，以支持开发者不断变化的需求。
【星途科讯 图文丨伊贝 首发于 ZAKER 科技，转载请注明出处】
C罗18次金球提名依旧领跑
日本免费在线观看
在 Anthropic，编码已不再是系统构建或研究的瓶颈。Claude 能够自主迭代研究循环、微优化复杂程序，并以前所未有的速度和规模从头构建新服务。当前的瓶颈已转移至为人类规模设计的开发者基础设施：源代码控制、构建和持续集成（CI）。
2026 年 5 月，Anthropic 平均每天合并约 2,500 次代码变更；截至 9 月，日均合并量已超过 30,000 次。公司表示，这种增长速度短期内不会放缓；消除每一个瓶颈都会立即引发代码产出量的进一步增加。
为支持这一增长，Anthropic 构建了内部版本控制系统 Scion，并在五个月内将单体仓库（monorepo）从 Git 完全迁移至 Scion。同期，公司还发布代码审查界面 Antique、代码搜索功能及源代码控制 IAM 系统等。Anthropic 指出，Claude 编写代码的能力既是造成当前局面的原因，也是快速构建高质量、可扩展系统解决该问题的关键。
扩展单体仓库的挑战
Anthropic 使用 Claude 编写软件的程度远超其他公司，因此率先遭遇为人类规模设计的工具瓶颈。随着单体仓库壮大，Git 的去中心化设计逐渐不再适用。仅主分支历史记录就接近 100 GB，压缩工作副本超过 25 GB。CI 每天执行约 2,500 万次代码检出，若直接获取数据，每日 Git 流量将超过 600 PB。
尽管采用了浅层克隆、稀疏检出、内部 Git 镜像和 Blob 存储快照等变通方案，但随着合并率增加，这些方案的操作难度显著提升。Anthropic 意识到，既然客户端主要是始终在线的代理和作业，Git 为离线工作设计的特性反而削弱了扩展能力。因此，公司决定重新设计面向代理始终在线事实的源代码控制系统。
面向代理规模的源代码控制原则
借鉴 Google Piper 和 Meta Sapling 的经验，Anthropic 在构建 Scion 时确立了以下核心原则：
客户端始终在线。 Scion 围绕始终可达的服务器设计，客户端按需获取数据，不再假设离线工作能力。
客户端 - 服务器不对称性。 服务器负责处理文件历史、责任追溯、提交创建及合并等操作；客户端仅维护有界本地对象缓存，大幅减少本地数据需求。
全面的源代码控制服务驱动新应用。 所有源代码控制查询均通过 API 暴露，作业无需维护本地仓库即可访问，使自动二分查找和回滚流水线等工具在规模上成为可能。
水平可扩展性。 数据分布式存储，各组件独立扩展，无完全物化的仓库副本，无需类似 Git packfiles 的维护操作。
廉价、增量且无锁的提交。 提交、变基或合并均在服务器端发生，成本随变更大小而非仓库大小扩展。除主引用外，不鼓励使用全局状态引用以避免扩展问题。
可选且稀疏的工作副本。 协议以稀疏检出为中心，CI 作业可按需请求差异或文件内容，避免全量检出，降低磁盘和带宽消耗。
Scion 的技术实现
Scion 的基本工作单位是 "changeset"（变更集），存储相对于父节点变化的文件列表及指向 Blob 存储的指针。Changesets 在服务器端创建并立即全局可用，无需锁定或协调。为解决责任追溯等问题，Scion 从 changesets 构建 " 衍生数据 "（如专用索引和跳表），支持递归计算和按需物化，便于后续优化和扩展。
在架构上，Scion 服务器水平可扩展，本质上是大型缓存。scn 客户端协议偏离 Git fetch 协议，仅请求缺失的树和 blob，类似分层缓存机制。集群内，客户端通过 scion-daemon 通信，daemon 与 scion-cache 交互，缓存缺失时向 scion-servers 请求。该架构实现了超过 99% 的缓存命中率。
相比之前的 Git 镜像基础设施，Scion 在 CPU 和内存需求上减少了 200 倍。CI 和研究任务的代码检出速度提升了两个数量级（从分钟级降至秒级），仅 CI 就实现了 25% 的 CPU 容量提升。
构建 Scion 的经验与启示
Anthropic 在推出 Claude Mythos Preview 和 Claude Tag 的同时构建 Scion，AI 加速了开发进程。一个七人团队在五个月内完成了 Scion 和 Antique 的开发及迁移，期间日均代码合并量增加了 10 倍。
工程师角色转变。 工程师不再专注于逐行编写代码，而是提供高层组件理解、设计权衡及对 AI 输出的审查。工程师的主要任务之一是引导 Claude 避免过度工程化，并检查变更意图而非代码细节。
优化与质量提升。 借助 Claude，Scion 成为测试最充分、保护最严密的代码库之一。AI 还能发现显著的性能优化，如祖先查询算法改进，这在传统模式下需专家数周分析。
新型单体仓库安全。 Scion 支持目录级访问控制和复杂的代码审查语义约束，区分仅评论更改与敏感逻辑更改，提升安全性。
运营卓越。 团队利用 " 超级粉丝 " Claude 代理监控各组件健康状况，检测细微异常，补充传统警报系统。
重构工作流先验知识。 代理规模下，传统合并队列意义不大。Anthropic 转而投资合并后和部署前的自动化测试，依靠 Claude 在人类识别前修复并发冲突。
对生态系统的贡献
Anthropic 明确表示，Scion 并非 Git 的通用替代品，其架构仅适用于拥有数万工程师或大量 AI 代理的超大规模单体仓库。由于 Scion 与 Git 差异巨大且高度定制，公司暂无计划将其开源。
然而，Anthropic 预计类似问题将在未来六到十二个月内更加普遍。公司希望分享其思路，推动 GitHub、GitLab 及开源社区改进 Git 服务端架构，例如提供更全面的服务器端 RPC 和优化协商协议，以支持开发者不断变化的需求。
【星途科讯 图文丨伊贝 首发于 ZAKER 科技，转载请注明出处】
桂林市东区下属地区
湖北省第21市市区周边
内蒙古自治区第21市市区周边
专家：楼市基本触底
日本免费在线观看
在 Anthropic，编码已不再是系统构建或研究的瓶颈。Claude 能够自主迭代研究循环、微优化复杂程序，并以前所未有的速度和规模从头构建新服务。当前的瓶颈已转移至为人类规模设计的开发者基础设施：源代码控制、构建和持续集成（CI）。
2026 年 5 月，Anthropic 平均每天合并约 2,500 次代码变更；截至 9 月，日均合并量已超过 30,000 次。公司表示，这种增长速度短期内不会放缓；消除每一个瓶颈都会立即引发代码产出量的进一步增加。
为支持这一增长，Anthropic 构建了内部版本控制系统 Scion，并在五个月内将单体仓库（monorepo）从 Git 完全迁移至 Scion。同期，公司还发布代码审查界面 Antique、代码搜索功能及源代码控制 IAM 系统等。Anthropic 指出，Claude 编写代码的能力既是造成当前局面的原因，也是快速构建高质量、可扩展系统解决该问题的关键。
扩展单体仓库的挑战
Anthropic 使用 Claude 编写软件的程度远超其他公司，因此率先遭遇为人类规模设计的工具瓶颈。随着单体仓库壮大，Git 的去中心化设计逐渐不再适用。仅主分支历史记录就接近 100 GB，压缩工作副本超过 25 GB。CI 每天执行约 2,500 万次代码检出，若直接获取数据，每日 Git 流量将超过 600 PB。
尽管采用了浅层克隆、稀疏检出、内部 Git 镜像和 Blob 存储快照等变通方案，但随着合并率增加，这些方案的操作难度显著提升。Anthropic 意识到，既然客户端主要是始终在线的代理和作业，Git 为离线工作设计的特性反而削弱了扩展能力。因此，公司决定重新设计面向代理始终在线事实的源代码控制系统。
面向代理规模的源代码控制原则
借鉴 Google Piper 和 Meta Sapling 的经验，Anthropic 在构建 Scion 时确立了以下核心原则：
客户端始终在线。 Scion 围绕始终可达的服务器设计，客户端按需获取数据，不再假设离线工作能力。
客户端 - 服务器不对称性。 服务器负责处理文件历史、责任追溯、提交创建及合并等操作；客户端仅维护有界本地对象缓存，大幅减少本地数据需求。
全面的源代码控制服务驱动新应用。 所有源代码控制查询均通过 API 暴露，作业无需维护本地仓库即可访问，使自动二分查找和回滚流水线等工具在规模上成为可能。
水平可扩展性。 数据分布式存储，各组件独立扩展，无完全物化的仓库副本，无需类似 Git packfiles 的维护操作。
廉价、增量且无锁的提交。 提交、变基或合并均在服务器端发生，成本随变更大小而非仓库大小扩展。除主引用外，不鼓励使用全局状态引用以避免扩展问题。
可选且稀疏的工作副本。 协议以稀疏检出为中心，CI 作业可按需请求差异或文件内容，避免全量检出，降低磁盘和带宽消耗。
Scion 的技术实现
Scion 的基本工作单位是 "changeset"（变更集），存储相对于父节点变化的文件列表及指向 Blob 存储的指针。Changesets 在服务器端创建并立即全局可用，无需锁定或协调。为解决责任追溯等问题，Scion 从 changesets 构建 " 衍生数据 "（如专用索引和跳表），支持递归计算和按需物化，便于后续优化和扩展。
在架构上，Scion 服务器水平可扩展，本质上是大型缓存。scn 客户端协议偏离 Git fetch 协议，仅请求缺失的树和 blob，类似分层缓存机制。集群内，客户端通过 scion-daemon 通信，daemon 与 scion-cache 交互，缓存缺失时向 scion-servers 请求。该架构实现了超过 99% 的缓存命中率。
相比之前的 Git 镜像基础设施，Scion 在 CPU 和内存需求上减少了 200 倍。CI 和研究任务的代码检出速度提升了两个数量级（从分钟级降至秒级），仅 CI 就实现了 25% 的 CPU 容量提升。
构建 Scion 的经验与启示
Anthropic 在推出 Claude Mythos Preview 和 Claude Tag 的同时构建 Scion，AI 加速了开发进程。一个七人团队在五个月内完成了 Scion 和 Antique 的开发及迁移，期间日均代码合并量增加了 10 倍。
工程师角色转变。 工程师不再专注于逐行编写代码，而是提供高层组件理解、设计权衡及对 AI 输出的审查。工程师的主要任务之一是引导 Claude 避免过度工程化，并检查变更意图而非代码细节。
优化与质量提升。 借助 Claude，Scion 成为测试最充分、保护最严密的代码库之一。AI 还能发现显著的性能优化，如祖先查询算法改进，这在传统模式下需专家数周分析。
新型单体仓库安全。 Scion 支持目录级访问控制和复杂的代码审查语义约束，区分仅评论更改与敏感逻辑更改，提升安全性。
运营卓越。 团队利用 " 超级粉丝 " Claude 代理监控各组件健康状况，检测细微异常，补充传统警报系统。
重构工作流先验知识。 代理规模下，传统合并队列意义不大。Anthropic 转而投资合并后和部署前的自动化测试，依靠 Claude 在人类识别前修复并发冲突。
对生态系统的贡献
Anthropic 明确表示，Scion 并非 Git 的通用替代品，其架构仅适用于拥有数万工程师或大量 AI 代理的超大规模单体仓库。由于 Scion 与 Git 差异巨大且高度定制，公司暂无计划将其开源。
然而，Anthropic 预计类似问题将在未来六到十二个月内更加普遍。公司希望分享其思路，推动 GitHub、GitLab 及开源社区改进 Git 服务端架构，例如提供更全面的服务器端 RPC 和优化协商协议，以支持开发者不断变化的需求。
【星途科讯 图文丨伊贝 首发于 ZAKER 科技，转载请注明出处】
大学讲GalGame这一块
日本免费在线观看
在 Anthropic，编码已不再是系统构建或研究的瓶颈。Claude 能够自主迭代研究循环、微优化复杂程序，并以前所未有的速度和规模从头构建新服务。当前的瓶颈已转移至为人类规模设计的开发者基础设施：源代码控制、构建和持续集成（CI）。
2026 年 5 月，Anthropic 平均每天合并约 2,500 次代码变更；截至 9 月，日均合并量已超过 30,000 次。公司表示，这种增长速度短期内不会放缓；消除每一个瓶颈都会立即引发代码产出量的进一步增加。
为支持这一增长，Anthropic 构建了内部版本控制系统 Scion，并在五个月内将单体仓库（monorepo）从 Git 完全迁移至 Scion。同期，公司还发布代码审查界面 Antique、代码搜索功能及源代码控制 IAM 系统等。Anthropic 指出，Claude 编写代码的能力既是造成当前局面的原因，也是快速构建高质量、可扩展系统解决该问题的关键。
扩展单体仓库的挑战
Anthropic 使用 Claude 编写软件的程度远超其他公司，因此率先遭遇为人类规模设计的工具瓶颈。随着单体仓库壮大，Git 的去中心化设计逐渐不再适用。仅主分支历史记录就接近 100 GB，压缩工作副本超过 25 GB。CI 每天执行约 2,500 万次代码检出，若直接获取数据，每日 Git 流量将超过 600 PB。
尽管采用了浅层克隆、稀疏检出、内部 Git 镜像和 Blob 存储快照等变通方案，但随着合并率增加，这些方案的操作难度显著提升。Anthropic 意识到，既然客户端主要是始终在线的代理和作业，Git 为离线工作设计的特性反而削弱了扩展能力。因此，公司决定重新设计面向代理始终在线事实的源代码控制系统。
面向代理规模的源代码控制原则
借鉴 Google Piper 和 Meta Sapling 的经验，Anthropic 在构建 Scion 时确立了以下核心原则：
客户端始终在线。 Scion 围绕始终可达的服务器设计，客户端按需获取数据，不再假设离线工作能力。
客户端 - 服务器不对称性。 服务器负责处理文件历史、责任追溯、提交创建及合并等操作；客户端仅维护有界本地对象缓存，大幅减少本地数据需求。
全面的源代码控制服务驱动新应用。 所有源代码控制查询均通过 API 暴露，作业无需维护本地仓库即可访问，使自动二分查找和回滚流水线等工具在规模上成为可能。
水平可扩展性。 数据分布式存储，各组件独立扩展，无完全物化的仓库副本，无需类似 Git packfiles 的维护操作。
廉价、增量且无锁的提交。 提交、变基或合并均在服务器端发生，成本随变更大小而非仓库大小扩展。除主引用外，不鼓励使用全局状态引用以避免扩展问题。
可选且稀疏的工作副本。 协议以稀疏检出为中心，CI 作业可按需请求差异或文件内容，避免全量检出，降低磁盘和带宽消耗。
Scion 的技术实现
Scion 的基本工作单位是 "changeset"（变更集），存储相对于父节点变化的文件列表及指向 Blob 存储的指针。Changesets 在服务器端创建并立即全局可用，无需锁定或协调。为解决责任追溯等问题，Scion 从 changesets 构建 " 衍生数据 "（如专用索引和跳表），支持递归计算和按需物化，便于后续优化和扩展。
在架构上，Scion 服务器水平可扩展，本质上是大型缓存。scn 客户端协议偏离 Git fetch 协议，仅请求缺失的树和 blob，类似分层缓存机制。集群内，客户端通过 scion-daemon 通信，daemon 与 scion-cache 交互，缓存缺失时向 scion-servers 请求。该架构实现了超过 99% 的缓存命中率。
相比之前的 Git 镜像基础设施，Scion 在 CPU 和内存需求上减少了 200 倍。CI 和研究任务的代码检出速度提升了两个数量级（从分钟级降至秒级），仅 CI 就实现了 25% 的 CPU 容量提升。
构建 Scion 的经验与启示
Anthropic 在推出 Claude Mythos Preview 和 Claude Tag 的同时构建 Scion，AI 加速了开发进程。一个七人团队在五个月内完成了 Scion 和 Antique 的开发及迁移，期间日均代码合并量增加了 10 倍。
工程师角色转变。 工程师不再专注于逐行编写代码，而是提供高层组件理解、设计权衡及对 AI 输出的审查。工程师的主要任务之一是引导 Claude 避免过度工程化，并检查变更意图而非代码细节。
优化与质量提升。 借助 Claude，Scion 成为测试最充分、保护最严密的代码库之一。AI 还能发现显著的性能优化，如祖先查询算法改进，这在传统模式下需专家数周分析。
新型单体仓库安全。 Scion 支持目录级访问控制和复杂的代码审查语义约束，区分仅评论更改与敏感逻辑更改，提升安全性。
运营卓越。 团队利用 " 超级粉丝 " Claude 代理监控各组件健康状况，检测细微异常，补充传统警报系统。
重构工作流先验知识。 代理规模下，传统合并队列意义不大。Anthropic 转而投资合并后和部署前的自动化测试，依靠 Claude 在人类识别前修复并发冲突。
对生态系统的贡献
Anthropic 明确表示，Scion 并非 Git 的通用替代品，其架构仅适用于拥有数万工程师或大量 AI 代理的超大规模单体仓库。由于 Scion 与 Git 差异巨大且高度定制，公司暂无计划将其开源。
然而，Anthropic 预计类似问题将在未来六到十二个月内更加普遍。公司希望分享其思路，推动 GitHub、GitLab 及开源社区改进 Git 服务端架构，例如提供更全面的服务器端 RPC 和优化协商协议，以支持开发者不断变化的需求。
【星途科讯 图文丨伊贝 首发于 ZAKER 科技，转载请注明出处】
