Агенты делают узкие места Git невозможными для игнорирования
ИИ-агенты генерируют код Claude Code в таком темпе, что обнажают фундаментальные узкие места традиционного контроля версий. Противоречие очевидно: агенты могут быстро создавать изменения, но ориентированные на человека процессы координации, тестирования и проверки не успевают за ними.
Оцените масштаб: Anthropic сообщила, что число ежедневных изменений Claude Code за четыре месяца выросло примерно с 2.500 до более чем 30.000. Надёжность монорепозитория OpenAI временами опускалась ниже 90%, когда её агенты отправляли изменения. Это крайние случаи, но они указывают на системную проблему.
Даже в меньшем масштабе разработчики, использующие локальных агентов, сталкиваются с аналогичными проблемами координации. Агенты, работающие в одном рабочем каталоге, могут перезаписывать файлы или нарушать выполнение тестов друг друга, из-за чего на разрешение конфликтов уходит больше времени, чем на написание нового кода Claude Code.
Инфраструктурные проблемы Anthropic и OpenAI огромны, но лежащая в их основе проблема координации знакома каждому, кто запускает несколько агентов для написания кода в одном проекте. Суть в том, что Git, созданный для разработчиков-людей, работающих преимущественно автономно, плохо справляется с постоянными, объёмными и параллельными запросами ИИ.
OpenAI сохранила Git и перестроила то, что находится за ним
OpenAI выбрала подход, противоположный подходу Anthropic: она перестроила бэкенд, сохранив привычный интерфейс Git. Разработчики по-прежнему используют стандартные команды git push и git fetch. Эта система, получившая название Pando, — специализированный бэкенд с высокой степенью параллелизма, написанный на Rust и рассчитанный на масштабирование под нагрузки ИИ-агентов.
Узким местом была координация одновременных обновлений во множестве веток. Pando решает эту проблему, обрабатывая обновления разных веток немедленно и заменяя монолитную блокировку ссылок независимой координацией ссылок. Это позволяет агентам одновременно отправлять изменения в разные ветки, устраняя последовательные узкие места, которые ранее замедляли всю работу.
Pando также кэширует pack-файлы Git, не позволяя серверу многократно заново создавать одни и те же данные для типичных запросов заданий CI. Эта эффективность критически важна, поскольку система теперь обрабатывает почти петабайт данных Git в день.
OpenAI сообщает о впечатляющих результатах: медианная задержка push сократилась почти на 80%, что заметно ускорило рабочие процессы. Компромисс заключается в том, что чтение из нескольких веток может не давать единого, идеально синхронизированного представления репозитория. Pando прошёл путь от старта до продакшена примерно за 10 недель; его основу спроектировал один инженер, а большую часть реализации выполнили агенты Claude Code.
Anthropic задалась вопросом, нужен ли агентам Git вообще
Anthropic, напротив, поставила под сомнение базовые допущения Git. Её команда задалась вопросом, остаётся ли оптимальной распределённая система контроля версий с приоритетом автономной работы, когда большинство клиентов — это постоянно подключённые к сети ИИ-агенты и автоматизированные задания. Так появился Scion — полная замена Git.
История основной ветки Anthropic приближалась к 100 ГБ, а сжатые рабочие копии превышали 25 ГБ. Инфраструктура CI выполняла примерно 25 миллионов checkout в день. Эти нагрузки показали растущие накладные расходы глубоких локальных репозиториев и децентрализованной модели Git.
Scion перенёс коммиты, слияния и операции с историей в серверную систему. Клиенты запрашивают только нужные им файлы и данные, поэтому необходимость в больших локальных репозиториях отпадает. Эта архитектура дала значительный выигрыш в эффективности.
Anthropic сообщила, что Scion использует примерно в 200 раз меньше ЦП и памяти, чем её прежняя инфраструктура зеркалирования Git. Некоторые операции checkout, ранее занимавшие минуты, теперь выполняются за секунды, а CI вернул примерно 25% своей вычислительной мощности ЦП. Чтобы в полной мере использовать Scion, Anthropic перестроила свои инструменты Claude Code review, Claude Code search и CI. Подробнее о технической стороне см. Redesigning source control at Anthropic. Scion не является универсальной заменой Git, а представляет собой специализированное решение для уникальной нагрузки Anthropic, создаваемой агентами.
Нравится статья? Получайте такие каждое утро на почту.
одно письмо в день · отписка в два клика · без сторонних трекеров
Вашим агентам нужны рабочие деревья (worktrees), а не новая система контроля версий
Pando и Scion представляют собой расходящиеся ставки. OpenAI отдаёт приоритет совместимости с Git: она перестроила бэкенд для работы с данными петабайтного масштаба и 30.000 ежедневных изменений, не меняя рабочие процессы разработчиков. Scion от Anthropic, напротив, — система «с чистого листа», созданная под внутренние нагрузки с агентами, которая отказывается от допущений Git о приоритете автономной работы в пользу модели с постоянным подключением и серверным источником истины.
Ни одна из систем недоступна для общего использования, а впечатляющие внутренние показатели (например, повышение эффективности использования ЦП и памяти в 200 раз у Scion или сокращение задержки push на 80% у Pando) не дают аналогичного выигрыша в масштабах ноутбука. Для большинства команд Git остаётся надёжным решением. Немедленное решение для локальных конфликтов агентов — git worktree add <path> <branch>. Эта команда предоставляет каждому агенту изолированный рабочий каталог и ветку, не позволяя одновременным правкам конфликтовать.
Рабочие деревья снижают число коллизий в локальном рабочем пространстве, но не устраняют все конфликты слияния. Чтобы масштабировать разработку с помощью агентов, рассмотрите следующее:
- использование sparse checkout для больших репозиториев
- кэширование зависимостей
- исключение дублирующихся заданий CI
- безопасный запуск релевантных тестов
По мере того как Claude Code и другие агенты ускоряют генерацию кода, следующее узкое место неизбежно сместится от системы контроля версий к проверке человеком и автоматизированным процессам валидации.
Часто задаваемые вопросы
Почему ИИ-агенты для написания кода создают проблемы для Git?
Агенты могут вносить и отправлять изменения параллельно и в большом объёме, что усиливает конкуренцию за ресурсы, нагрузку на операции checkout и объём работы по проверке и тестированию изменений.
В чём разница между OpenAI Pando и Anthropic Scion?
Pando перестраивает бэкенд Git, сохраняя рабочие процессы Git. Scion заменяет Git серверно-ориентированной системой, разработанной для нагрузки Anthropic, в которой преобладают агенты.
Могут ли разработчики использовать Pando или Scion уже сейчас?
Нет. Обе системы являются внутренними и не представляют собой инструменты, которые команды могут установить и использовать вместо Git.
Как предотвратить конфликты между несколькими агентами для написания кода?
Выделите каждому агенту отдельное рабочее дерево (worktree) и ветку Git, затем проверьте и объедините изменения. Рабочие деревья изолируют рабочие файлы, но не предотвращают конфликты слияния в дальнейшем.