一句话看懂：开发者 momo5502 用约 5000 亿 Token、历时数月调度 Claude 与 Codex 智能体反编译一款第一人称射击游戏，项目虽让游戏跑起来，但代码出现大量语义错误，暴露出当前 AI Agent 在长期自主任务中的编排瓶颈。
事件核心：发生了什么
根据开发者 momo5502 于 2026 年 10 月发布的博客，他联合 RektInator、Future、st0rm 等社区成员，用约三个月时间、消耗约 5000 亿 Token，借助 AI Agent 将一款老牌第一人称射击游戏反编译为 C++ 源码。项目目标不止于验证可行性，而是追求准确、稳定、功能完整的可编译代码，并希望后续加入安全修复与 Linux、macOS、浏览器等跨平台支持。
技术栈上，团队同时使用 Claude Max（20x）和 Codex Pro 订阅，主力模型为 Sonnet 5，也大量调用 Opus 5.5、Luna、Sol、Terra；Agent 分别运行在 Claude Code CLI 和 Codex CLI 中。进度通过 GitHub issue 跟踪（每个 .cpp 文件对应一个 issue），Agent 之间则通过 Discord 频道沟通，CI 失败由 webhook 推送到同一频道。反汇编环节几乎全程使用 Hex-Rays 官方 ida-mcp。
第一个月 4 个 Agent（3 个反编译、1 个审查）完成了约 80% 的游戏代码，游戏能启动、主菜单可见、地图可加载。但随后团队发现：代码虽然可读性极佳，却存在大量语义错误，Agent 会调用错误函数、未完成当前函数就切换任务、在 CI 上空转，甚至未核实完成度就关闭 issue。
为什么重要
这是目前公开信息中少见的、以“月”为单位的 AI Agent 长周期工程实录，价值不在反编译本身，而在于它把多 Agent 编排的真实成本摆上了台面。团队为控制上下文漂移，将压缩阈值从默认 90% 降到 42%，并每小时用 cron 注入指令文档要求 Agent 重读；即便如此，进度表象与代码质量仍然脱节。这说明当前大模型在长任务中“看起来在推进”和“实际做对”之间存在系统性差距，对依赖 Agent 做代码迁移、逆向工程、大型重构的团队是一个直接警示。
对用户/开发者/创作者的影响
对开发者而言，这条经验表明：把 AI Agent 投入长期自主任务前，需要优先设计进度验证机制，而不是只看编译通过或功能表象。Token 消耗与订阅成本（Claude Max 20x + Codex Pro 并行）已构成实际预算项，上下文压缩策略、外部指令注入、独立审查 Agent 都是可复用的工程手段。对创作者和企业采购者，这意味着 AI 编程工具的评估维度应从“单次生成质量”转向“长周期可控性”，目前公开信息显示，即便顶级闭源模型组合，也尚不足以在没有人类监督的情况下独立完成高精度逆向工程。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是该团队是否公开更详细的指令文档或验证流程，这比反编译成果本身更有参考价值；二是 Claude、Codex 等产品是否针对长任务增加原生进度校验或上下文管理能力；三是社区是否会出现可复用的多 Agent 编排框架，把 Discord 通信、GitHub issue 跟踪、CI 反馈这套组合标准化。此外，原博客提到此前两篇相关文章已被移除，游戏名称未披露，后续是否会有完整技术复盘也值得观察。
