Anthropic 新 VCS Scion 被指深受 Mononoke 启发
近日，Anthropic 发布其全新版本控制系统 Scion，并重点介绍了名为“衍生数据”（derived data）的核心概念，旨在优化 blame 等操作的效率。然而，这一设计思路被指出与 Meta 内部开发的源代码控制服务器 Mononoke 存在高度相似性。
根据 Anthropic 的技术文档，Scion 的变更集（changeset）仅记录变化内容，无法直接快速回答诸如“谁最后编辑了某一行代码”或“哪些提交影响了某个文件”等问题。为此，Scion 从变更集中构建额外的数据结构，包括专门用于文件 blame 和路径历史的索引，以及用于提交图的跳表（skip lists）。所有不属于变更集直接部分的数据均被称为“衍生数据”，并通过一种通用机制计算得出。每种类型的衍生数据都是递归定义的，即其在某个变更集中的值由其父变更集中的值计算而来。
该机制具备三大优势：首先，当新的数据结构能加速某些操作时，可以轻松添加新的衍生数据类型；其次，针对每种类型，可以选择急切计算或延迟处理，从而避免生成不必要的数据；最后，由于客户端不接触这些数据的内部结构，可以在不改变客户端的情况下进行优化。随着系统发展，团队已多次添加新的衍生数据类型，例如用于执行复制检测或基于路径的文件搜索的新索引。
早在 2022 年，相关技术人员在 Oxide 候选材料中便详细描述了协助构建的 Mononoke 源控制服务器如何使用相同的“衍生数据”概念。当时指出，虽然 Bonsai 变更集适用于推送操作，但在处理差异（diffs）时表现不佳。Git 中的 diff commit1..commit2 是一个复杂度为 $O(n \log n)$ 的操作（其中 $n$ 为更改文件数），而在 Bonsai 模型下，需要检查两个提交之间的每一个单独提交来计算更改文件列表。对于大型仓库，这可能导致速度呈数量级下降，并加剧指针追踪问题。
为解决此问题，Mononoke 将适合差异计算的表示形式转化为衍生数据（即索引）。服务器创建一个独立的 Merkle DAG，采用类似 Git 的树/对象（tree/blob）模型，并根据需要指回 Bonsai 变更集。关键特性包括：衍生数据可在主临界区之外异步计算和存储；提交与树之间的指针关系发生反转——在 Git 数据模型中，提交文本包含根树的哈希，而在 Bonsai 模型中，根树文本包含引入它的提交的哈希。这种架构允许为其他操作构建衍生索引。例如，Git blame 在大型仓库中非常缓慢，需遍历整个仓库而非仅触及文件的提交。Mononoke 构建了一个 blame 友好型索引，其中每个文件的每个版本都是 Merkle DAG 中的独立节点，其父节点指向该文件的前一版本，并指回 Bonsai 变更集。这使得 blame 操作的复杂度从 $O(\text{仓库提交总数})$ 降低至 $O(\text{触及该文件的提交数})$。随着时间推移，团队增加了更多索引以处理特定用例，Mononoke 最终拥有 8 个独立索引，且新增索引无需对数据结构进行根本性修改。
对比显示，Scion 的设计模仿程度远超简单的见解相似。尽管 Anthropic 在其博客中提及了“艰难教训”（Hard Lessons），但并未引用 Mononoke。事实上，Meta 团队在多年前提出的诸多见解，如从 Google 的 SrcFS 到数据库写入日志等技术，似乎被 Claude 在近十年后忠实地应用到了 Scion 设计中。
开源理念旨在通过传播优秀想法造福人类，因此 Anthropic 借鉴 Mononoke 设计本身并非不可接受。然而，随着 LLM 继续协助设计新系统，它们可能会大量索引现有设计并融入训练套件。目前，若询问 Opus 5.5 或 GPT-6 Astra 关于先前技术的问题，模型均能立即指出其与 Mononoke 的相似之处。这表明在 AI 辅助开发背景下，识别和尊重原始创新变得比以往任何时候都更加容易且重要。
