Anthropic's Scion is heavily inspired by Mononoke
TL;DR · AI 摘要
Anthropic的Scion系统高度借鉴Mononoke的设计，引发关于技术信用和开源贡献的讨论。
核心要点
- Scion和Mononoke均通过'derived data'优化代码溯源效率
- Anthropic未在技术文档中提及Mononoke的贡献
- LLM训练集已包含Mononoke代码，使技术溯源更便捷
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- Scion与Mononoke的技术借鉴
- 核心机制
- 'derived data'优化方案
- 技术伦理
- 开源贡献归属
- LLM训练集影响
金句 / Highlights
值得收藏与分享的关键句。
Mononoke的'derived data'概念被Scion直接采用却未被致谢
Opus 5.5和GPT-6 Astra均能识别Mononoke与Scion的相似性
开源代码已成为LLM训练集的共同知识库
Anthropic 的 Scion 受 Mononoke · sunshowers 的启发
sunshowers
Anthropic 的 Scion 受 Mononoke 深刻启发
2026-10-14
·
2 分钟阅读时间
vcs
shorts
在 Hacker News 或 Lobsters 上讨论。
这是 Anthropic 昨天在（存档链接）中描述他们的新版本控制系统 Scion 如何使用“派生数据”概念来提高 blame 等操作效率的方式：
Anthropic 对 Scion 派生数据的描述。
这是我在 2022 年在 Oxide 申请材料中描述的，当时我参与构建的 Mononoke 源代码控制系统如何使用“派生数据”概念来提高 blame 等操作效率：
我对 Mononoke 派生数据的描述。
我认为这种模仿的程度已经远远超出了拥有相似见解的范畴。Sapling 仅被归功于“艰难获得的经验”，而 Mononoke 完全未被提及，这几乎构成了抄袭。这篇文章给人的印象是 Anthropic 声称 Claude 设计了所有这些内容，而实际上我们的（非凡的）Meta 团队早在近十年前就提出了许多 Claude 后来忠实地应用的见解。（我们为 Mononoke 和 Sapling 也研究了很多先前的技术，从 Google 的 SrcFS 到数据库的预写日志。）
我很高兴我们团队在 2017-18 年提出的愿景如此强大且持久——当你逆流而上时，你总是会怀疑自己是在做天才之举还是疯狂之举，我认为 Mononoke 的设计经受住了时间的考验。而且，明确地说，我对 Anthropic 模仿 Mononoke 的设计没有意见。（这也是我们开源的原因之一——通过传播优秀理念造福人类。）
但随着 LLMs 继续协助设计新系统，它们可能会大量依赖现有设计。Mononoke 是开源的，存在于每个 LLM 的训练数据集中。如果你询问 Opus 5.5 或 GPT-6 Astra（感谢 Matthew Fowle）关于先前技术，它们都会立即指出与 Mononoke 的相似之处。
现在，给先驱者应有的认可比以往任何时候都更容易——也更加重要。再也没有借口了。
- 一个具有类似见解但存在许多关键设计差异的系统示例，可参见 Cursor 的 Vicent Marti 的博客文章。↩︎
阅读其他文章
iddqd，或最危险的不安全 Rust 类型
→
Cloudflare Pages Analytics