Claude با سرعت سرسام‌آور کدنویسی می‌کند؛ تغییرات کد روزانه Anthropic در ۴ ماه ۱۲ برابر شد و Git را به مرز فروپاشی رساند
تیم ۷ نفره Anthropic برای حل این مشکل، سیستم کنترل نسخه Scion را در ۵ ماه ساخت. این سیستم متن‌باز نیست و در دسترس عموم قرار نمی‌گیرد، اما Anthropic ایده‌های طراحی خود را به اشتراک گذاشته و امیدوار است GitHub و GitLab از آن الهام بگیرند.
پیش‌زمینه: عوامل هوش مصنوعی (AI Agents) مخزن GitHub را اشغال کرده‌اند؛ تعداد ارسال‌ها در ماه سپتامبر ۵ برابر سال گذشته شد و زیرساخت Git در حال بازنویسی است.
تکمیل اطلاعات: سرویس میزبانی کد Origin از Cursor، با هدف به چالش کشیدن سلطه GitHub معرفی شده است.
به دلیل سرعت بالای کدنویسی Claude، ابزار طراحی شده برای انسان‌ها، یعنی Git، دیگر قادر به همراهی نیست. طبق اعلام رسمی Anthropic، تعداد تغییرات کدی که روزانه در مخزن اصلی ادغام می‌شود، از میانگین ۲۵۰۰ مورد در ماه می، به بیش از ۳۰۰۰۰ مورد در ماه سپتامبر رسیده است که نشان‌دهنده افزایشی حدود ۱۲ برابری در ۴ ماه است.
در نتیجه، یک تیم ۷ نفره، سیستم کنترل نسخه Scion را در مدت ۵ ماه توسعه دادند و کل مخزن واحد را از Git به آن منتقل کردند.
Anthropic جزئیات این موضوع را در بلاگ مهندسی خود در تاریخ ۱۳ اکتبر شرح داد. با این حال، Scion متن‌باز نیست و در دسترس عموم قرار نمی‌گیرد. این شرکت به صراحت اعلام کرده است که این سیستم «برای جایگزینی استفاده عمومی از Git مناسب نیست» و تنها قصد دارد ایده‌های طراحی خود را به اشتراک بگذارد، به این امید که GitHub، GitLab و جامعه متن‌باز بتوانند بخش‌های قابل اجرا را در سمت سرور Git پیاده‌سازی کنند.
چرا Git دیگر جوابگو نیست؟ سابقه شاخه اصلی مخزن Anthropic به تنهایی نزدیک به ۱۰۰ گیگابایت است و CI (یکپارچه‌سازی مداوم، اجرای خودکار تست‌ها پس از هر تغییر) روزانه حدود ۲۵ میلیون بار کد را بررسی می‌کند. اگر هر بار طبق روش اصلی Git، مخزن به طور کامل دانلود شود، حجم ترافیک روزانه از ۶۰۰ پتابایت فراتر خواهد رفت.
این تیم روش‌هایی مانند کپی سطحی، بررسی پراکنده، سرورهای آینه داخلی Git و اسنپ‌شات‌های ابری را امتحان کردند. در اوج فشار، صدها سرور آینه برای توزیع ترافیک راه‌اندازی شد، اما نگهداری آن‌ها دشوارتر می‌شد.
نکته کلیدی که تیم به آن رسید این بود: Git طراحی توزیع‌شده‌ای دارد و هر کپی، یک مخزن کامل است که می‌تواند به صورت آفلاین کار کند. اما Anthropic، مانند اکثر شرکت‌ها، از Git به عنوان یک نسخه مرکزی و معتبر استفاده می‌کند و تقریباً تمام کلاینت‌ها عوامل هوش مصنوعی و کارهای خودکار هستند که همیشه آنلاین هستند. بنابراین، تیم این سوال را مطرح کرد: اگر از ابتدا فرض کنیم که عوامل همیشه آنلاین هستند، سیستم کنترل نسخه چگونه خواهد بود؟
پاسخ Scion در سه تفاوت اصلی نهفته است:
اول، با فرض آنلاین بودن دائمی کلاینت‌ها، کل مخزن روی دستگاه محلی ذخیره نمی‌شود و داده‌های مورد نیاز از سرور دریافت می‌شود.
دوم، کارهای سنگین به سرور محول می‌شود: بررسی اینکه چه کسی آخرین بار یک خط کد را تغییر داده است (blame)، ایجاد commit و ادغام (merge) همگی در سمت سرور انجام می‌شوند. در Git، commit در محلی انجام شده و سپس push می‌شود، اما در Scion مرحله push وجود ندارد.
سوم، بسیاری از کارها اصلاً نیازی به دانلود کد ندارند. کوئری‌های مورد استفاده کلاینت‌ها از طریق API در دسترس هستند. اگر CI بخواهد تفاوت بین دو نسخه را ببیند، مستقیماً از سرور می‌پرسد. مخزن کامل نیز روی سرور وجود ندارد؛ داده‌ها به صورت پراکنده ذخیره می‌شوند و هر جزء می‌تواند به طور مستقل مقیاس‌پذیر باشد. هنگام دسترسی به کد، از سه لایه کش عبور می‌شود.
نتایج اعلام شده توسط Anthropic: نرخ موفقیت هر لایه کش بیش از ۹۹٪ است. زیرساخت Scion به ۲۰۰ برابر کمتر CPU و حافظه نسبت به سرورهای آینه Git نیاز دارد. بررسی کد برای CI و کارهای تحقیقاتی دو مرتبه سریع‌تر شده و از چند دقیقه به چند ثانیه کاهش یافته است. تنها CI، ۲۵٪ از ظرفیت CPU را صرفه‌جویی کرده است.
این شرکت اذعان دارد که این رویکردها تنها در مخازن بزرگ و واحد کارایی دارند و Anthropic می‌تواند توکن‌های بسیار بیشتری نسبت به شرکت‌های معمولی هزینه کند. تفاوت Scion با Git بسیار زیاد است و شرکت مجبور است کل فرآیند توسعه را تغییر دهد و آن را با سیستم‌های بازبینی کد، جستجو و CI خود تطبیق دهد. Anthropic نگران است که ساخت یک نسخه خارجی که برای همه جذاب باشد، بی‌فایده باشد.
با این حال، Anthropic پیش‌بینی می‌کند که این نوع مشکلات در ۶ تا ۱۲ ماه آینده رایج خواهد شد، بنابراین ایده‌های خود را منتشر کرده تا Git بتواند بدون نیاز به تغییر کل مدل، از آن‌ها بهره‌مند شود. دو پیشنهاد مشخص ارائه شده است: سرور Git نیازی نیست مانند کلاینت‌ها عمل کند؛ و سرویس‌های میزبانی مانند GitHub می‌توانند APIهای سمت سرور کاملی مانند Scion ارائه دهند. Anthropic تنها نیست که تحت فشار قرار گرفته است: همانطور که قبلاً گزارش شد، GitHub در ماه سپتامبر ۷.۳۸ میلیارد ارسال داشته که بیش از ۵ برابر سال گذشته است و تصمیم به بازنویسی زیرساخت ذخیره‌سازی Git گرفته است.
واکنش‌ها متفاوت بوده است. این مقاله در Hacker News، تا تاریخ ۱۶ اکتبر، ۸۸۵ امتیاز و حدود ۱۰۰۰ نظر دریافت کرده است. انتقادات رایج این است که این رویکرد معادل بازسازی سیستم‌های کنترل نسخه متمرکز قدیمی مانند Perforce و Subversion است. در مقاله به موارد مشابهی مانند Piper گوگل و Sapling متا اشاره شده است. در به‌روزرسانی ۱۵ اکتبر، ذکر شده است که Mononoke، سمت سرور Sapling، بسیاری از فناوری‌های مورد استفاده Scion را پیشگام بوده است.
پربازدیدترین نظر، به موضوع بازبینی کد اشاره دارد: نظردهنده می‌گوید که هر بار کدهای نوشته شده توسط Claude بازبینی نشوند، مشکلات بعدی کشف می‌شوند و کنجکاو است که Anthropic چگونه از این امر جلوگیری می‌کند. تا زمان انتشار این خبر، GitHub و GitLab هنوز پاسخی رسمی منتشر نکرده‌اند.
Anthropic قوی‌ترین مدل خود، Mythos را منتشر کرد: درخواست‌کنندگان امنیتی در سه سطح دسته‌بندی می‌شوند و افراد عادی نیز واجد شرایط هستند.
تحقیق Anthropic: تخصص دامنه بیش از توانایی کدنویسی، در نتایج تولید کد Claude تعیین‌کننده است.
پس از رد کردن یک درخواست ادغام (Pull Request) توسط یک عامل هوش مصنوعی، او مقاله‌ای در حمله شخصی نوشت.
آیا در عصر هوش مصنوعی هنوز نیاز به یادگیری کدنویسی است؟ مدیرعامل GitHub در مورد ارزش آینده توسعه‌دهندگان توضیح می‌دهد.
Anthropic مطالعه اقتصادی Claude Code را منتشر کرد! پتانسیل صرفه‌جویی عوامل هوش مصنوعی به ۴ میلیارد دلار می‌رسد.
