Anthropic'te Kaynak Kontrolünü Yeniden Tasarlamak: AI Çağında Sürüm Kontrolü

Anthropic'te kodlama artık sistem inşa etmenin veya araştırma yürütmenin önündeki temel darboğaz olmaktan çıkmıştır. Claude; araştırma döngülerini otonom biçimde yürütebilmekte, karmaşık programları mikrodüzeyde optimize edebilmekte ve sıfırdan yeni servisleri benzeri görülmemiş bir hız ve ölçekte kurabilmektedir. Günümüzde asıl darboğaz, insan ölçeğine göre tasarlanmış geliştirici altyapısına—kaynak kontrolü, derleme süreçleri ve sürekli entegrasyona (CI)—kaymıştır.

Mayıs 2026'da günde ortalama 2.500 kod değişikliği birleştirilirken (merge), Eylül 2026 itibarıyla bu sayı günlük 30.000'in üzerine çıkmıştır. Kod üretme talebi pratikte sınırsız olduğundan, kaldırılan her altyapı engeli üretilen kod hacmini daha da artırmaktadır. Bu olağanüstü büyümeyi desteklemek amacıyla Anthropic, Scion adını verdiği şirket içi sürüm kontrol sistemini geliştirmiş ve monoreposunu beş ay içinde Git'ten tamamen taşımıştır. Bu süreçte ayrıca Antique adlı kod inceleme arayüzü, gelişmiş kod arama, zengin bir kaynak kontrolü IAM mekanizması ve büyük miktardaki incelenmiş kodu yönetip ana dala aktaran yeni yöntemler devreye alınmıştır. Bu durum dikkat çekici bir vaka analizidir: Claude'un kod yazma kabiliyeti hem bu ölçek krizini yaratan temel etken hem de çözümü beş ayda inşa eden ana güç olmuştur.

Monorepomuzun Büyümesi ve Git'in Sınırları#

Yapay zeka araçlarını yoğun kullanan geliştirici ekiplerinin yakında karşılaşacağı bu tablo, insan ölçeğindeki araçların sınırlarını gözler önüne sermektedir. Git; her kopyanın bağımsız olduğu, geçmişi ve farkları çevrimdışı hesaplayabildiği merkeziyetsiz bir mimariye sahiptir. Çoğu yazılım deposu için ideal olan bu tasarım, monorepo büyüdükçe yetersiz kalmaktadır. Anthropic'in ana dal geçmişi tek başına yaklaşık 100 GB, sıkıştırılmış çalışma kopyası ise 25 GB'ın üzerindedir. Geliştirici ortamları ve araştırma işleri hariç, yalnızca CI için günde yaklaşık 25 milyon kod checkout işlemi yapılmaktadır; bu durum doğrudan çekildiğinde günlük 600 PB'ı aşan bir Git trafiği anlamına gelmektedir.

Anthropic bu devasa yükü yönetebilmek adına şu üç standart geçici çözüme başvurmuştur:

• Sığ Klonlar, Seyrek Checkout'lar ve Promisor Remote'lar: Deponun yalnızca belirli bir kesitiyle çalışmayı sağlayan Git araçları kullanılmıştır.
• Dahili Git Yansıları (Mirrors): Sunucu yükünü dağıtmak amacıyla en yoğun dönemde yüzlerce dahili Git mirror sunucusu işletilmiştir.
• Blob Depolamadaki Repo Tohumları (Seeds): Ağ trafiğini hafifletmek amacıyla deponun anlık görüntüleri nesne depolamada saklanarak dağıtılmıştır.

Bu yöntemler belirli bir süre zaman kazandırsa da birleştirme sıklığı arttıkça operasyonel açıdan yönetilemez hale gelmiştir.

Yazılım Geliştirme ve Öğrenme Perspektifinden Pratik Çıkarımlar#

Bu vaka, modern yazılım mühendisliği öğrencileri ve sistem mimarları için kritik bir paradigma değişimine işaret etmektedir. Otonom yapay zeka ajanlarının geliştirme döngüsüne dahil olmasıyla birlikte, insan hızına ve alışkanlıklarına göre kurgulanmış geleneksel CI/CD ve sürüm kontrol altyapıları hızla tıkanmaktadır. Klasik Git mimarisinin tüm repo geçmişini istemci tarafında tutma yaklaşımı, terabaytlarca veri ve günlük on binlerce birleştirme söz konusu olduğunda sürdürülemezdir. Yazılım ekipleri için temel pratik çıkarım; yapay zeka odaklı üretim çağında yalnızca model yeteneklerine değil, makine hızında kod tüketen sanallaştırılmış, sunucu merkezli ve yüksek performanslı altyapı optimizasyonlarına yatırım yapılması gerektiğidir.

---

Bu konuyu derinlemesine öğrenmek isterseniz: Ölçeklendirme ve Optimizasyon modülüne göz atın.