Anthropic's Scion is heavily inspired by Mononoke
357 pts · 132 comments · sunshowers.io
📌 内容总结
- 背景/作者意图：作者 Rain 曾参与 Meta Mononoke，指 Anthropic 介绍 Scion 的“derived data”设计与 2022 年 Mononoke 的公开描述高度相似；Anthropic 只提 Sapling 的“hard-won lessons”，未提 Mononoke，作者认为接近 plagiarism，但不反对设计被复制，反对在 LLM 时代不给出处。
- 关键要点：
- Scion 用 derived data 构建 blame、path history、commit graph skip lists；每种 derived data 递归定义，可 eager/deferred 计算，客户端不感知内部结构。
- Mononoke 的同类设计：Bonsai changeset 不适合 diff，于是把 diff-friendly 表示做成 derived index；创建另一个 Merkle DAG，Git-like tree/blob 指针反向指回 Bonsai changeset；derived data 异步计算；blame index 将复杂度从全仓库 commit 降到只遍历触及文件的 commit；系统已扩展到 8 个索引。
- 作者称 Anthropic 团队被直接指向 Mononoke 并要求重新工程化；问 Opus 5.5/GPT-6 Astra prior art，二者都能指出 Mononoke。Cursor 的 “Git at any scale” 是类似洞察但设计不同的对照。
- HN 关注点:
- 争点不是“索引/derived data 是否新概念”，而是数据模型、术语、服务端整体相似度，以及 Anthropic 是否应明确引用。
- Anthropic 原文确实提到 Sapling，但 Mononoke 是 Sapling 服务端组件，部分人认为提 Sapling 已足够，更多人认为不足以覆盖直接复制。
- 评论延伸到 LLM 生成设计的出处清洗：agent 从训练数据中复现已有系统，却以“Claude 设计”叙述。
💬 讨论总结
- 主流批评：如果只是独立想到索引，不构成问题；但相似延伸到整个 server、Bonsai/Scion changeset 核心洞见和术语，用“hard-won lessons”一笔带过不诚实。作者在回复中称私下确认 Claude 被直接指向 Mononoke。
- 反驳/缓和：FAANG 背景团队重建自己熟悉的系统很常见；HyperLogLog、LMAX disruptor 等 ideas 也会随人员流动扩散；不一定是阴谋。反方回应：大公司有专职写作者，做基本 prior art 归属不难，尤其在 LLM 已能直接指出 Mononoke 时。
- 历史背景：Sapling = 客户端/系统，EdenFS = 虚拟文件系统，Mononoke = 服务端存储/API；源头还包括 Google Piper、SrcFS 等。老 Meta 用户称 Sapling/Mononoke 体验远超主流 Git/GitHub，Git 生态长期停在局部最优。
- 工程现实：这类增量/派生数据系统训练语料稀疏，模型若无现有开源可抄，常犯低效错误；Scion 设计好，可能正因为 Claude 被指向 Mononoke。有人质疑 Anthropic 不自建维护成本、不扩展 Sapling/Mononoke，而是重造且未开源。
- 商业/治理：多条评论把此事与 Anthropic IPO 营销、“看 agent 能做什么”、Bun 重写类比；批评 vibe-build 基础设施后仍需长期维护、理解和运营，不能只靠“intent” review PR。
- 其他：命名撞车被提及，包括 Google Scion 与 Basic Channel/Studio Ghibli；有人用 Fable/CTF/Kaggle 例子说明 agent 会从训练数据中召回已有解法，加剧 provenance laundering 担忧。