背景
根據 InfoQ 於 2026 年 9 月 30 日的報導，AI 程式編輯器 Cursor 的開發團隊公開了一套名為 Continuity 的 Git 儲存架構。這套架構的目標，是解決大規模 Git 託管服務在推送吞吐量與副本擴展上遇到的瓶頸，同時因應 AI 編碼代理人（coding agents）所產生的大量小型儲存庫需求。
要理解 Continuity 的意義，需要先了解傳統 Git 託管的運作方式。以 GitHub 的 Spokes 架構為例，系統會在本機 NVMe 儲存上維護多份 Git 儲存庫副本，並透過三階段提交（three-phase commit）協定來同步參照（reference）更新。這種設計讓任何副本都能服務讀取請求，但代價是副本之間必須彼此協調以維持一致性。當副本數量增加，協調成本也隨之上升，形成擴展上限。
核心內容：把 S3 寫入日誌當作真實資料來源
Continuity 的核心改變，是將一致性的邊界從副本層移到物件儲存層。架構中以 S3 為後端的預寫式日誌（write-ahead log，WAL，一種在資料實際落地前先記錄操作順序的持久化機制，常用於資料庫系統）成為唯一的真實資料來源（source of truth），取代原本由多副本協調所承擔的一致性角色。
具體推送流程是這樣的：當使用者推送程式碼時，資料先寫入 S3，對應的參照更新則記錄在 WAL 中。系統只有在必要資料確實持久化之後，才會向客戶端回覆推送成功，確保「先耐久、再確認」。為了降低 S3 PUT 請求的延遲對整體吞吐量的影響，Continuity 採用批次處理（batching）方式合併操作。
Cursor 工程師 Vicent Martí 在說明中將本地 NVMe 儲存庫描述為「暖快取」（warm cache）而非權威副本。系統使用 Rendezvous hashing（一種分散式節點選擇演算法，可在節點增減時最小化資料重新分配）挑選偏好節點，並透過 S3 上的原子性 compare-and-swap 操作，讓任何一台伺服器都能接受推送。當本地沒有儲存庫副本時，系統可以直接從 WAL 重建（materialize）出完整儲存庫。
副本之間的狀態傳播則依賴 UDP gossip 協定廣播 WAL 更新，輔以 S3 條件式讀取來驗證副本狀態。根據 Cursor 的數據，這類條件讀取平均耗時低於 10 毫秒。由於 S3 本身就是真實資料來源，即使 gossip 訊息遺失也不影響正確性，各副本只需向 S3 收斂即可。
技術脈絡解讀
這種設計在業界引起了「把 Git 儲存當資料庫做」的討論。資深軟體工程師 Maksim Al Dandan 指出，這種思路把資料庫領域的問題帶進 Git 儲存，包括推送一致性、強制推送（force-push）的交易語意，以及時間點復原（point-in-time recovery）等課題，都值得進一步檢驗。Liatrio 技術長、前 AWS 工程師 Casey Lee 則點出架構轉變的關鍵：S3 中的 WAL 成為真實資料來源，本地 NVMe 退化為快取。不過 Lee 同時提醒，Cursor 公布的效能數據尚未經過獨立第三方驗證。
Continuity 也改變了複寫與壓縮（compaction）的擴展方式。對於有大量 CI 工作負載的 monorepo，系統聲稱可支援數百個副本提供讀取；閒置的小型儲存庫則不需要常駐副本，可在需要時從 WAL 按需重建。Git 物件的壓縮打包只由主節點執行，產生的 packfile 上傳至 S3 後由其他副本下載，等於用頻寬換取各副本的 CPU 資源。
在效能方面，Cursor 以自家 everysphere monorepo 進行合成測試：使用 S3 Standard 時可達每秒約 120 次推送，改用延遲更低的 S3 Express One Zone 後提升至每秒 300 次以上，讀取端在合成測試中可線性擴展至 100 個副本。Cursor 也表示測試中的推送滿足線性化（linearizable）語意，資料在回覆前先持久化到外部儲存，clone 操作亦維持完整一致性。
影響與限制
Continuity 的本質是一場權衡：它用儲存層驗證、非同步傳播與額外頻寬，換掉了傳統多副本同步協調的成本。這對兩類場景特別有意義：一是需要大量並行 CI 讀取的大型儲存庫，二是 AI 代理人生成、生命週期短且多數時間閒置的海量小型儲存庫，後者正好契合 Cursor 自身的產品需求。
限制方面，首先是效能數據來自官方合成測試，真實混合負載下的表現仍待驗證。其次，在高推送速率下 Git 壓縮本身會成為瓶頸，顯示瓶頸只是被轉移而非消失。第三，架構高度依賴 S3 的原子操作與低延遲讀取特性，這意味著與特定雲端儲存服務深度綁定，跨雲或自架部署的可行性不明。此外，強制推送交易與時間點復原等語意細節，仍是此模型需要持續回答的問題。
整體而言，Continuity 展示了把成熟資料庫技術（WAL、單一真實來源、按需物化）套用到 Git 基礎設施的可行路徑，也反映出 AI 代理人時代對程式碼儲存後端提出的全新規模需求。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。