AI Coding Agent（AI 程式開發代理）讓工程師寫程式的速度大幅提升，但如果程式碼產出快到連既有開發工具都難以負荷，會發生什麼事、又如何解決？AI 公司 Anthropic 就遇上了這個問題，稱甚至決定捨棄廣泛使用的 Git，自行打造新的版本控制系統 Scion。
類似的開發流程瓶頸，也開始出現在其他企業。哈佛大學研究人員 Fiona Chen 與 James Stratton 分析 718 家企業、約 3 億筆工程工作紀錄，發現導入 AI Coding Agent 後，程式碼產出增加約 30%，但程式碼從提交審查到完成合併的時間也增加約 49%，最終完成的軟體工作量則未出現統計上顯著的提升。
根據 Anthropic 10/13 公布的工程文章，隨著 Claude 大量參與程式開發，其內部每日合併的程式碼變更，從今年 5 月約 2,500 次增至 9 月超過 3 萬次，成長逾 12 倍，並稱版本控制已成為其最大的開發瓶頸。Anthropic 因此重新設計版本控制基礎設施，更預期未來 6~12 個月，其他企業也可能面臨類似挑戰。
Git 為何難以負荷？程式碼合併量暴增 12 倍
Git 是目前軟體開發領域廣泛使用的分散式版本控制系統，讓工程師能記錄程式碼修改、追蹤歷史版本、建立開發分支，並整合不同開發者的變更。它也是 GitHub、GitLab 等開發平台的重要基礎，支援企業進行程式碼協作、審查與後續自動化測試。
Git 的一項核心特色，是開發者能在本地保存版本歷史，即使沒有網路連線，也能查詢修改紀錄及進行版本操作。不過，當程式碼儲存庫規模持續擴張，維護大量資料副本也可能增加系統負擔。
Anthropic 內部採用將大量專案程式碼集中管理的 Monorepo（單一程式碼儲存庫）架構，光是主要分支的版本歷史就接近 100 GB，持續整合（CI）系統每天更需執行約 2,500 萬次程式碼檢出（Checkout），供自動化建置及測試使用。為了支撐這樣的工作量，Anthropic 過去曾部署數百台 Git 鏡像伺服器，並利用部分下載、儲存庫快照等方式降低負擔，但隨著程式碼合併量快速增加，原有架構也越來越難擴充。
Anthropic 發現，內部版本控制系統的使用者大多已是持續連線的 AI Agent 與自動化工作，不再需要 Git 強調的完整本地版本歷史與離線操作能力。這些原本適合分散式開發的設計，反而隨著程式碼儲存庫擴大，增加系統的擴充負擔。因此，Anthropic 決定重新設計適合大量 Agent 使用的版本控制系統。
自研 Scion，Anthropic 如何讓版本控制跟上 AI Agent？
Anthropic 推出的 Scion 改採以伺服器為中心的架構。不同於 Git 將大量版本控制能力保留在本地端，Scion 將建立版本、合併、查詢修改歷史等工作交由伺服器處理，客戶端只需保留有限的資料快取，並依需求取得檔案。
Scion 也提供版本控制 API，讓 CI 或 AI Agent 能直接向伺服器查詢程式碼差異、修改紀錄等資訊，不必為了執行單一操作，就先下載及維護大型儲存庫。此外，Scion 支援按需檢出程式碼，僅取得特定目錄或實際使用的檔案，並透過分層快取與可水平擴充的伺服器架構，降低大量 Agent 同時存取程式碼的成本。
根據 Anthropic 公布的內部數據，Scion 所需的 CPU 與記憶體基礎設施資源，較原有 Git 鏡像架構減少約 200 倍；CI 與研究工作的程式碼檢出速度提高約 100 倍，從分鐘級縮短至秒級，CI 整體也節省約 25% 的 CPU 容量。
值得注意的是，Claude 不只造成開發工作量激增，也參與解決問題。Anthropic 表示，Claude Mythos Preview 曾協助重新撰寫 Git 轉入 Scion 的資料處理程式，使記憶體消耗降低 20 倍、執行速度提高 4 倍。
最終，7 名工程師在短短 5 個月內，不只完成 Scion，也打造程式碼審查工具 Antique、程式碼搜尋及權限管理等相關系統，並完成內部 Monorepo 的遷移。
Anthropic 預警未來 6~12 個月，其他企業可能遇到類似問題
不過，Anthropic 並不認為所有企業都應該捨棄 Git。該公司坦言，Scion 是為超大型 Monorepo，以及大量 AI Agent 持續產生程式碼的特殊工作負載設計，並不適合普遍取代 Git。此外，Scion 與 Git 的架構差異很大，企業若要採用，也必須連帶調整程式碼審查、搜尋、CI 等系統，遷移成本未必合理。
儘管如此，Anthropic 預期，未來 6~12 個月，越來越多企業可能面臨類似的擴充性瓶頸。如果每家公司都必須獨立重新開發版本控制系統，將浪費大量工程資源。因此，Anthropic 選擇公開 Scion 的設計經驗，希望其他開發者能在保留 Git 整體架構的前提下，參考部分成功做法，包括改善伺服器端架構、提供更完整的版本控制 API，以及強化部分檢出與資料傳輸機制。
Anthropic 也希望與 GitHub、GitLab 及開源社群合作，讓現有開發工具逐步適應 AI Agent 帶來的新需求。
不只是寫程式變快！Anthropic 帶來三大軟體工程啟示
除了版本控制架構，Anthropic 也從 Scion 的開發經驗提出幾項觀察，認為 AI Coding Agent 正在改變工程團隊的工作方式。
首先，小型團隊有機會更快完成大型專案，但工程師的角色也將改變。7 名工程師在 5 個月內完成 Scion 及相關系統，顯示 AI 可以協助小型團隊加速開發。Anthropic 強調，這不代表工程師的價值降低，而是工作更著重系統架構、技術取捨與設計限制。工程師仍需審查變更，但重點逐漸從逐行檢查程式碼，轉向確認修改意圖與整體設計是否合理。
其次，AI 的價值不只在於產出程式碼，也能改善品質、安全與維運。Anthropic 表示，Claude 讓團隊能投入更多測試與效能最佳化；Scion 也為更細緻的程式碼存取權限與安全管控建立基礎。在日常維運方面，Anthropic 更讓 Claude 分析服務日誌與遙測資料，協助發現傳統監控可能忽略的異常。
最後，傳統軟體開發流程的設計假設也需要重新檢視。Anthropic 指出，當大量 Agent 持續提交程式碼，原本為人類開發速度設計的合併佇列與 CI 流程，未必仍然適用。例如，當數百甚至數千項程式碼變更可能在測試期間持續合併，團隊便需要重新思考測試與部署安排，因此 Anthropic 也開始加強程式碼合併後、正式部署前的自動化測試。
從 Scion 的經驗可以看到，AI Coding Agent 帶來的改變，已不只是讓工程師寫出更多程式碼，也開始推動企業重新思考軟體開發的分工、品質管理與基礎設施架構。
【推薦閱讀】
◆ GitHub 爆紅的 REA 真能逆向任何軟體？從 51 件實作看 AI Agent 的能力與限制
＊本文開放合作夥伴轉載，資料來源：Anthropic、《Techradar》、〈Artificial Intelligence in the Firm: Bottlenecks in Software Production〉，首圖來源：Anthropic
