Claude 寫快到 Git 撐唔住：Anthropic 自建 Scion，GitHub 換 ModernBERT

Claude 寫得快到 Git 撐唔住：Anthropic 自研 Scion、GitHub 用 ModernBERT 取代 LLM

AI 編程工具越寫越快，底層卻開始出問題。Anthropic 今年 5 月每日合併約 2500 項代碼變更，到 9 月已突破 3 萬項；單是 CI 系統，每日要執行約 2500 万次代碼檢出。Anthropic 主分支歷史接近 100 GB，壓縮後工作副本仍超 25 GB。若每日 2500 万次檢出每次都要拉完整副本，理論流量可超 600 PB。

Anthropic：Git 撐唔住，自建 Scion

Anthropic 決定為 Claude 生成的代碼另建一套版本控制系統，名為 Scion。7 名工程師花了 5 個月完成開發，將核心倉庫遷移過去。

傳統 Git 的分散式設計本來係為斷網工程師設計，可以離線提交、合併、查歷史。但 Anthropic 面對的係另一種負載：持續聯網的 CI 作業同 Agent 沙箱，運行幾分鐘即銷毀，只取幾個文件、一份 diff，或確認兩提交的祖先關係。為這些操作反覆準備本地倉庫，重複成本越積越高。

Scion 把提交創建、合併、變基同歷史查詢放進中心服務，本地只保留少量緩存，需要工作目錄時按需展開。CI 若只需計算 diff，可直接調用 API，唔使完整檢出。提交格式亦改：Scion 的 changeset 以預寫日誌條目記錄相對首個父提交修改過的文件，透過內容尋址指針引用數據，創建時唔使生成 Git packfile。

Anthropic 公佈，Scion 相對於舊 Git 鏡像體系，CPU 及記憶體需求約縮小 200 倍，檢出時間由分鐘級降至秒級，CI 釋放約 25% 的 CPU 容量。公司同時在建設 Antique 代碼評審、源碼搜索、IAM 同批量合併工具，以適配新協議。

需要留意：200 倍是指基礎設施資源佔用的變化，並非 Git 操作整體提速。

GitHub：ModernBERT 取代通用 LLM 做密鑰掃描

幾乎同一時期，GitHub 在密鑰掃描上也做了改動，用微調後的 ModernBERT 取代通用 LLM 判斷。

原有流程中，正則表達式負責找到可疑格式，通用 LLM 再判斷上下文。問題是候選越多，推理費用同延遲便不斷累積；對 Push Protection（需在提交被接受前出結果）尤為敏感。

新方案保留正則作候選入口，將後續判斷交予微調後的 ModernBERT。它讀取候選字符串、密鑰類型、變量名、文件路徑同附近代碼，輸出風險分類得分，再由閾值決定是否告警。ModernBERT 經前向計算即可返回類別，唔使逐 token 生成，適合批量處理。部署時模型導出為 ONNX 並進行 8 位量化，以降低推理資源開銷。

相對舊 LLM 管線，新方案離線 Precision 提高 13%，Recall 提高 19%。線上 A/B 實驗顯示，Post-push 掃描執行時間中位數下降 86%，模型服務成本下降超 98%（指模型服務費用，非整套安全系統總成本），按倉庫所有者加權的告警接受指標提高 11.5%。

需留意：分類器只能判斷正則已找到的候選，前置規則的覆蓋範圍仍決定漏報表現。

BTTF：芯片仿真波形入 SQLite，Agent 用 SQL 排查異常

哥倫比亞大學同 Google DeepMind 等機構開發的 BTTF（波形數據轉 SQL 查詢），則處理另一種問題。RTL 仿真產生的 VCD、FSDB 波形記錄大量信號隨時間變化的狀態，複雜設計轉儲可達數十 GB 至 TB 級。人類可以用眼睛在波形查看器中沿時間軸搜尋異常；但 Agent 若將原始波形轉為文本，上下文很快便被時間戳、信號名同重複跳變占滿。

BTTF 將數據存取交予 SQLite：signal_metadata 保存信號名稱、類型同層級；signal_changes 記錄信號 ID、時間戳同變化後的值，兩表透過 ID 關聯。數據庫負責檢索，模型決定下一步查什麼。

研究團隊在 4.2 GB 波形、18450 個信號同 150 條專家標注查詢的實驗中，取得 95.33% 的執行準確率。Multi-Agent 質量評分比單 Agent 提高 17.3%，平均延遲增至約 1.96 倍，靜態 SVA 檢查準確率為 84.62%。持續攝取與複雜歸因仍待驗證。