git 的去中心化和完整克隆模式，是为人类离线工作流优化的：每位开发者都持有一份代码库副本，并在本地计算历史记录、差异和 blame 信息。到了智能体规模，这些特性便会变成成本：完整历史会大幅增加存储和传输需求，packfile 生成与镜像维护需要大量 CI 和运维投入，而部分克隆则会在依赖历史记录的查询中带来脆弱的边缘问题。当每天的合并量增长到数万次时，将这些操作集中到服务器端并通过高效 API 提供服务，可以减少重复工作，也能支持 CI 任务和沙箱等程序化使用场景。

Scion 采用服务器优先的模式：变更集在服务器端创建，blob 通过内容寻址且不可变，客户端只请求所需的树和 blob。关键在于，Scion 将主要的提交类数据与派生索引分开。blame、路径历史和祖先关系由通用的递归式派生数据流水线计算，并可选择预先计算或按需计算。这种模块化拆分让系统能够横向扩展——服务器充当大型缓存，响应确定性的对象请求——同时也支持无需物化工作副本的新型程序化工作流。

操作集中化也会带来不同的故障模式：区域缓存中断、缓存预热时的读取放大，以及对强大的 API 级 IAM 和审计能力的需求。Anthropic 通过严格的分层设计、设定较高的缓存命中率目标，以及构建完善的访问控制模型来缓解这些问题。安全与合规也随之改变：策略必须在服务器端执行，对抗性审查需要程序化实现，可观测性则必须呈现智能体意图和审查溯源信息。团队需要投入建设自动化策略门禁、对智能体行为进行密闭式模拟的环境，以及完善的日志记录，才能在规模扩大时持续建立信任。

采用面向智能体规模的版本控制系统，意味着必须重新思考审查、代码所有权和 CI。审查流程应验证意图和不变量，而不是逐行检查；工程师的工作重点也应从阅读每一项更改变为审计意图和边缘情况。CI 与发布流水线应优先采用 API 驱动的检查和稀疏物化，避免代价高昂的完整克隆。在运营层面，团队需要新的职责角色：缓存与索引运维人员、服务器端策略工程师，以及负责派生数据流水线可靠性的负责人。明确智能体边界与故障模式的培训和操作手册也必不可少。

从混合模式入手：在保留开发者个人工作流中 git 的同时，引入服务器端元数据 API 和派生数据服务。试点能够使用稀疏检出的智能体沙箱，并验证派生数据的正确性。尽早投资缓存拓扑和区域隔离，并构建小型自动化审查界面，用于约束智能体操作。最后，持续迭代策略和开发者体验——例如物化工作树或虚拟化检出——确保在智能体扩展的同时，人类工作流仍然高效。将合并延迟、缓存命中率和策略执行情况作为核心指标进行衡量。