عامل‌های Claude شرکت Anthropic در سپتامبر روزانه ۳۰ هزار ادغام کد را ثبت کردند

Git برای مهندسانی ساخته شده بود که با سرعت انسانی کد می‌نویسند. عامل‌های کدنویسی Anthropic زیرساخت کنترل نسخه این شرکت را از محدودیت‌های مبتنی بر کار انسان عبور دادند و شرکت را وادار کردند جایگزینی را از ابتدا بسازد.

در ماه مه ۲۰۲۶، Anthropic به‌طور میانگین حدود ۲۵۰۰ تغییر کد را در روز در مخزن یکپارچه داخلی خود ادغام می‌کرد. اما تا سپتامبر، این رقم از ۳۰ هزار ادغام روزانه عبور کرد؛ افزایشی بیش از ۱۲ برابر در چهار ماه. Anthropic این آمار را در وبلاگ مهندسی خود منتشر کرد و گفت این جهش نشان می‌دهد توانایی Claude در تولید نرم‌افزار با مقیاسی روبه‌رو شده که در آن کنترل نسخه، ساخت نرم‌افزار و فرایندهای CI به گلوگاه تبدیل شده‌اند.

این شرکت گفت به دلیل «زیرساخت‌های توسعه‌دهنده‌ای که برای مقیاس انسانی، نه مقیاس عامل‌ها، ساخته شده‌اند» با محدودیت مواجه شده است. Git، سامانه کنترل نسخه‌ای که تقریباً همه شرکت‌های نرم‌افزاری از آن استفاده می‌کنند، بر این فرض طراحی شده بود که یک فرد پشت صفحه‌کلید می‌نشیند، مجموعه‌ای از تغییرات را ایجاد می‌کند و هر از گاهی آن‌ها را ثبت می‌کند. اما مخزن یکپارچه Anthropic دیگر چنین الگویی نداشت. به گفته شرکت، اکنون تقریباً تمام کلاینت‌های کنترل نسخه آن عامل‌ها و فرایندهایی هستند که ذاتاً آنلاین‌اند؛ الگویی که طراحی اولیه Git در سال ۲۰۰۵ هرگز برای آن پیش‌بینی نشده بود.

به همین دلیل Anthropic جایگزین اختصاصی خود را ساخت. تیمی متشکل از هفت مهندس طی حدود پنج ماه سامانه کنترل نسخه جدیدی با نام Scion و ابزار بازبینی کد Antique را طراحی و عرضه کردند و هم‌زمان مخزن یکپارچه شرکت را از Git منتقل کردند. Anthropic می‌گوید Scion قرار نیست یک جایگزین عمومی Git برای شرکت‌های دیگر باشد؛ این سامانه برای مخازن بسیار بزرگ و مجموعه‌ای از عامل‌ها ساخته شده و بخش‌هایی مانند بازبینی داخلی کد، جست‌وجوی کد و CI در آن کاملاً متناسب با نیازهای داخلی شرکت طراحی شده‌اند.

دستاوردهایی که Anthropic گزارش کرده، تغییرات جزئی نیستند. این شرکت می‌گوید Scion در مقایسه با ساختار قبلی مبتنی بر Git، مصرف پردازنده و حافظه را حدود ۲۰۰ برابر کاهش داده و زمان بازیابی کد برای وظایف مربوط به یکپارچه‌سازی مداوم و پژوهش را از چند دقیقه به چند ثانیه رسانده است. برای آزمایشگاهی که به‌طور مداوم ساخت نرم‌افزار و چرخه‌های آزمایش را روی یک پایگاه کد گسترده اجرا می‌کند، این تفاوت هر روز انباشته می‌شود و فقط یک بهبود مقطعی نیست.

جزئیات جالب این روند آن است که Claude به ساخت زیرساخت جایگزین خود نیز کمک کرده است. Anthropic اعلام کرد نسخه اولیه Scion دارای یک خط پردازشی آزمایشی بود که Claude آن را بازنویسی کرد و باعث شد چهار برابر سریع‌تر اجرا شود و ۲۰ برابر حافظه کمتری مصرف کند. ابزاری که خود باعث ایجاد مشکل در حجم ادغام کد شده بود، به طراحی راه‌حل آن نیز کمک کرد.

این تنها داده‌ای نیست که Anthropic امسال درباره میزان مشارکت Claude در کدنویسی داخلی خود منتشر کرده است. این شرکت در مقاله‌ای در ژوئن ۲۰۲۶ گفت بیش از ۸۰ درصد کدهایی که تا ماه مه ۲۰۲۶ در پایگاه کد تولیدی آن ادغام شده بودند، توسط Claude نوشته شده‌اند، نه مهندسان انسانی. کنار هم گذاشتن این دو رقم تصویر روشن‌تری ارائه می‌دهد: Anthropic فقط از Claude برای افزایش سرعت برنامه‌نویسان انسانی استفاده نمی‌کند؛ بلکه یک فرایند توسعه را اجرا می‌کند که در آن عامل‌ها بازیگران اصلی هستند و انسان‌ها بیشتر نقش نظارت و بازبینی را بر عهده دارند.

چرا Git واقعاً دچار مشکل شد

برای درک دقیق مشکل، باید مشخص کرد چه چیزی از کار افتاد؛ گفتن اینکه «Git دیگر نمی‌تواند از عهده این کار برآید» سازوکار اصلی را به‌خوبی توضیح نمی‌دهد. Git برای ثبت‌های پراکنده و نسبتاً کم‌تعداد توسط گروهی محدود از مشارکت‌کنندگان انسانی طراحی شده بود؛ افرادی که هر کدام روی نسخه‌ای محلی از تاریخچه کد کار می‌کنند و گاهی آن را با دیگران همگام می‌سازند. اما عامل‌های Anthropic به این شکل کار نمی‌کنند. آن‌ها به‌صورت پیوسته و موازی اجرا می‌شوند، اغلب ده‌ها یا صدها عامل هم‌زمان فعال هستند و هرکدام تغییرات کوچک، آزمایش‌ها و ادغام‌هایی ایجاد می‌کنند؛ با ریتمی که هیچ ارتباطی با روز کاری انسان ندارد. در چنین مقیاسی، کارهایی که زمانی هزینه‌ای گهگاهی و پس‌زمینه‌ای داشتند، مانند نمایه‌سازی مخزن، پیمایش تاریخچه، و حل وابستگی‌ها، به هزینه‌ای دائمی تبدیل می‌شوند که معماری Git هرگز برای تحمل کم‌هزینه آن طراحی نشده بود.

این احتمالاً روشن‌ترین نمونه عملی تا امروز است که نشان می‌دهد آزمایشگاه‌های پیشرو هوش مصنوعی از زیرساخت‌های نرم‌افزاری رایجی که بخش بزرگی از صنعت همچنان استفاده می‌کند، عبور کرده‌اند. افزایش ۱۲ برابری حجم ادغام کد در چهار ماه فقط به معنای بهره‌وری اندکی بیشتر نیست؛ بلکه نشان‌دهنده شرکتی است که نیروی اصلی توسعه آن از انسان‌هایی که تایپ می‌کنند به سامانه‌هایی تغییر کرده که هرگز متوقف نمی‌شوند، و ابزارهای قدیمی دیگر توان همراهی با آن‌ها را ندارند.

دیگر آزمایشگاه‌های هوش مصنوعی که در حال توسعه ابزارهای کدنویسی مبتنی بر عامل هستند نیز با همین روند روبه‌رو می‌شوند، حتی اگر هنوز آمار آن‌ها به انتشار عمومی نرسیده باشد. شرکت‌هایی مانند GitHub، GitLab و دیگر ارائه‌دهندگان ابزارهای کنترل نسخه که برای چرخه ثبت کد انسانی ساخته شده‌اند، با گسترش کدنویسی عاملی خارج از شرکت‌های سازنده مدل‌ها، با نسخه‌ای مشابه از این گلوگاه مواجه خواهند شد. پاسخ Anthropic این بود که سامانه اختصاصی خود را بسازد و آن را بسته نگه دارد. اینکه این رویکرد به راهکار استاندارد تبدیل شود یا در نهایت یک راه‌حل عمومی برای کنترل نسخه در مقیاس عامل‌ها برای همه عرضه شود، پرسشی است که نوشته وبلاگ Anthropic به آن پاسخ نداد.