AI 加速老遊戲反編譯移植,衝擊儲存社群
AI 工具正在加速老遊戲的反編譯與重編譯移植,也讓專注遊戲儲存的社群遭到衝擊。過去一個月,瀏覽器裡的《光環》、iPhone 上的《風之杖》、混合現實中的《任天堂明星大亂鬥》等非常規移植專案高頻走紅。愛好者用 decomps/recomps 逆向拆解遊戲,再為新平台重建;AI 提高了移植速度,卻撕裂了原本緊密的儲存社群。
依意思最接近的 30 筆
AI 工具正在加速老遊戲的反編譯與重編譯移植,也讓專注遊戲儲存的社群遭到衝擊。過去一個月,瀏覽器裡的《光環》、iPhone 上的《風之杖》、混合現實中的《任天堂明星大亂鬥》等非常規移植專案高頻走紅。愛好者用 decomps/recomps 逆向拆解遊戲,再為新平台重建;AI 提高了移植速度,卻撕裂了原本緊密的儲存社群。
一位開發者撰文稱,AI 輔助程式設計(vibecoding)只把樂趣前置:能快速做出可用原型,但重構和維護階段不再有趣,也缺少手寫程式碼帶來的成就感。他把建造的樂趣分為六種,認為 vibecoding 只能滿足「想到點子」「把點子變成現實」和「解決自己的問題」三類,攻堅後的成就感、作品完成的滿足感與學習樂趣都不會自然產生。他仍用 AI 做出了一些手工做不出來的東西,包括即時野火預警系統、Kobo 資料庫遷移助手和即時音準訓練應用,但表示過程不像自己寫小指令碼那樣好玩。
AI 現在能在數天內自動反編譯遊戲,把編譯後的成品還原成原始碼再重新編譯到其他平台,產出支援高幀率、動態解析度與模組的原生版本。作者舉例 IsaacRecomp 將 2011 年 Flash 版《以撒的結合》自動移植為 C++,從鎖定 30FPS、低解析度變為原生 1440p、插值到 165FPS,同類專案已有數百個,涵蓋《科林麥克雷拉力賽 2.0》《最終幻想戰略版 Advance》《銀河戰士 Prime》,開發中的 AnyPS5 號稱可把任意 PS5 遊戲移植到 PC。
哈佛大學研究者在 700 多家公司、70 萬名員工、3 億條工作事件的資料中發現,AI 程式設計工具並未讓企業軟體產出增加或減少用人,編碼階段省下的時間被下游環節吸收。程式碼審查時長明顯增加,pull request 更常需要返工,審查者留下的評論也更多。研究據此認為人工程式碼審查是 AI 編碼效率的主要瓶頸。
有人做了一款工具,追蹤 AI 行業領袖在影片中的公開表態,並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei(累計 54 條)、Alex Karp(51 條)、Marc Andreessen(49 條)、Sam Altman(45 條)、Palmer Luckey(40 條)、Satya Nadella(23 條)、Elon Musk(21 條)、Yann LeCun(6 條)等人,頁面同時標註本週新增條數,例如 Alexandr Wang 本週有 5 條。
作者花 3 個月、約 500B token 讓 AI agent 把一款第一人稱射擊遊戲反編譯成 C++,最終程式碼可讀但語義錯誤。專案同時使用 Claude Max(20x)與 Codex Pro 訂閱,agent 跑在 Claude Code CLI 與 Codex CLI 裡,主力是 Sonnet 5,也用過 Opus 5.5、Luna、Sol、Terra;
Hacker News 上一條提問帖徵集 AI agent 的使用現狀,把調查拆成五組問題:個人付費的訂閱及檔位、是否重複購買同一家帳號;訂閱之外使用哪些按量 API、OpenRouter 或本地模型;coding harness 是用預設 CLI/IDE 整合,還是改用 OpenCode、Pi、Aider、Muse Code 或自建;是否使用 agent 編排與 swarm 工具;
一篇博文提出,寫好提示詞本質上就是程式設計:兩者都要先定清輸入與輸出來源、把任務拆到每步可驗證、預想邊界情況並說明怎樣算完成。作者認為程式設計師能用 AI 大幅提效、其他行業卻收益有限,原因在於程式設計師被編譯器訓練出精確表達和除錯習慣:結果不對時先懷疑自己的指令並改一處重跑,而非程式設計師常反覆重試同一提示詞或直接判定工具不可用。作者還修正了自己此前領域專家加 agent 最有優勢的看法:判斷對錯只是後半程,先把任務說清楚才是前提。
獨立遊戲開發者 Popcar 指出,AI 正在推動一波對既有遊戲的大規模反編譯,讓老遊戲更容易被移植、修改,並藉助 WebAssembly 在瀏覽器中執行,利好遊戲儲存。但同樣的能力也意味著任何軟體都可能被反編譯:公司可以竊取競品程式碼,付費遊戲或應用可能在違背作者意願的情況下被開源,而且這不限於老遊戲。作者認為,在主機廠商全面轉向數字版、伺服器關停導致遊戲無法遊玩的背景下,這一進展既令人興奮也令人擔憂。
arXiv 一篇論文以「可執行考古」方式重跑了兩個早期「會寫程式的程式」:Herbert Simon 1961 年的 Heuristic Compiler 與 MIT 1984 年的 KBEmacs。重跑分別復現了 Simon 1963 年論文中的編譯程式碼,以及 KBEmacs 1984 年 12 月自測的 SQRT 序列。作者發現兩者理論其實相近:Heuristic Compiler 同樣靠改造已有例程,Simon 後來也承認單純搜尋需要大量程式設計知識。
Carson Gross 認為,即便 AI 工具已經出現,程式設計仍會是一門可行的職業。他把程式設計歸結為兩件事:用計算機解決問題,以及在解決問題的過程中學習控制複雜度;在他看來,很難想像未來懂得用計算機解決問題、並控制這些方案的複雜度會比今天更不值錢。這番話發布於 2026 年 10 月 8 日,標籤涵蓋電腦科學、職業與 AI。
Claude 在 123 個真實開源庫的 RISC-V 彙編層面生成了形式化安全證明,作者稱這是首次用 AI 把形式化驗證大規模應用到生產軟體。證明覆蓋所有小於 64 MB 的輸入:在單執行緒靜態二進位制、固定記憶體預算的 RISC-V 執行環境下,程式總能正常退出,不觸發記憶體安全錯誤或斷言失敗。寫證明的過程中 Claude 還發現了數萬億次測試都沒檢出的 bug;
哈佛商學院教授 Willy Shih 做客 Decoder 播客,圍繞新書《Where Does My Stuff Come From?》談全球供應鏈的經濟邏輯,以及 AI 基建熱潮的隱性成本。他以富士康威斯康辛 LCD 廠為例,指出配套供應鏈缺位讓美國製造業迴流大多落空;加徵關稅後廠商的第一反應是轉道越南、墨西哥繞開壁壘,中國仍是全球製造中心。訪談還提到,AI 正以空前的基建規模吞噬全球算力資源。
一位寫了 18 年程式碼的開發者表示,自去年在 Claude Code 中使用 Opus 4.5 後,用自然語言描述需求比手寫程式碼更快,於是徹底停止了手寫程式碼。他所在的 Filestage 團隊月合併 PR 從約 200 增至 300,bug 報告未增加,每位開發者每月 AI 訂閱費 20 美元,工具可自選 Codex、Claude Code 或 Cursor。
蒙大拿州立大學計算機教授 Carson Gross 在《Yes, and...》中回答“AI 時代還該不該學程式設計”:應該,但初級程式設計師必須親手寫程式碼。他認為 AI 能生成作業程式碼,但若因此不寫程式碼,就難以讀懂程式碼,可能造出自己無法理解和控制的系統;AI 更適合當助教,他給學生提供 AGENTS.md 來把編碼代理配置成助教。他同時判斷,未來寫程式碼本身的相對價值會下降,清晰溝通與理解業務會更重要。
awslabs 發布 AI-DLC 最新穩定版,這是一套與 harness 無關的 AI 編碼工作流核心,可原生執行在 Claude Code、Kiro CLI、Kiro IDE、Codex CLI、Cursor、opencode 與 GitHub Copilot 中。macOS、Linux、WSL 和 Windows 各有一條安裝命令,原生安裝自帶 aidlc 命令與各 harness 執行時,無需 Bun 或 Node.js。
Proton CEO Andy Yen 正在公司內部強推 AI 化,今年是 Proton 最後一年招聘工程師,之後只招用 AI 建置產品的人;公司還在員工電腦上安裝軟體,統計 AI 生成程式碼的數量。據 404 Media 報導,他設立員工信箱收集阻礙 AI 推廣的事項,以便領導層“無情清除一切阻礙 AI 速度的東西”。404 Media 還稱,Yen 對外批評大型科技公司與 AI,對內卻推動工程師用 AI 建置 Proton 產品,即便他們對安全有顧慮。
YC F26 的 Simantic 發布韌體模擬層,讓 AI agent 與工程師不必拿到硬體就能測試和驗證韌體。它提供可單次 API 呼叫即執行的虛擬開發板、以模擬結果為證據的韌體 AI 程式碼審查,以及每次提交都針對模擬微控制器驗證韌體的 CI/CD 流水線。團隊來自 Neuralink 與 Tesla,早期 MVP 封裝 Renode,因受制於其開發速度、Dotnet 效能與功能臃腫而改為自研引擎。
Rust 編寫的 hypervisor Capsem 開源發布,把每個 AI 編碼代理關進獨立的氣隙 Linux 虛擬機器裡執行。macOS 端基於 Apple Virtualization.framework,要求 macOS 14+ 與 Apple Silicon,Linux 端需 KVM,預裝 Claude Code、Gemini CLI、Codex 與 Python、Node.js 等 30 多個包,10 秒內可進入提示符。
作者發布 coding agent 專案 Thursday,第一版不是獨立應用,而是一個可貼上進現有 coding agent 的 skill 檔案,目標是讓 vibe coding 重新變得有趣。他此前花數百美元 AI credits、寫下三萬行程式碼做 DeepSeek Harness 發行版,卻始終沒找回樂趣,最終轉向讓 agent 只做使用者交代的事。目前每月推理成本不到 20 美元,由 DeepSeek v4 Flash 和 GLM 5.3 支撐;
Meta 工程師在 LinkedIn 發帖稱,用 AI 寫程式碼後難以逐行審查,交付的系統成了自己不完全理解的黑盒。帖文說 AI 輔助交付節奏太快,逐行檢查會耗費大量時間,結果可能只懂高層結構、不懂每個細節,這違背軟體工程習慣。該帖被轉到 Hacker News 的 Ask HN 後獲得 179 分、292 條評論,討論工程師該理解到什麼程度、又該如何應對才敢繼續交付。
The Verge 發表評論文章,認為人類的心智並不適合應對 AI,AI 行業把大腦等同於計算機的流行比喻過於簡化了人。文章引用控制論奠基人 Norbert Wiener 的「每個時代的思想都映照在其技術中」,並點名 Google 的 Demis Hassabis 稱大腦是圖靈機的生物近似、Elon Musk 稱應把大腦視為生物計算機。作者反駁這類說法,指出人類的複雜性遠超多數 AI 從業者的認知,而 AI 產品仍在不斷推進。完整內容見 The Verge。
Ricursive Intelligence 兩位創始人在 TechCrunch Disrupt 上介紹,公司正開發能自行設計晶片、從每次迭代中學習並改進後續設計的 AI,目標是自動化並加速晶片設計流程。創始人 Anna Goldie 與 Azalia Mirhoseini 稱未來五年算力需求至少增長 10000 倍,與其建 10000 倍資料中心,不如讓晶片和晶圓用得更高效;
《Snow Crash》作者 Neal Stephenson 在 Core Memory 播客與 Ashlee Vance 對談約兩小時,坦言連自己都被這輪 AI 熱潮打了個措手不及。他討論奇點是否已經臨近、當下是否算 AI 的曼哈頓計劃時刻,並指出與中國的 AI 競賽存在熟悉的兩難:沒人願意在對手可能更快時放慢腳步。
在 Capcom Open Conference RE: 2026 上,程式設計師 Satoshi Ishida 以「REX 專案的前景與未來」為題演講,稱制作《生化危機》級別遊戲時連簡單任務都極其耗時,解決方案是把 AI 技術成功整合進開發流程。他表示為「與 AI 共同創造遊戲的未來」做準備。Capcom 此前曾稱不會使用 AI。
舊金山初創公司 Industrial Next 在 TechCrunch Disrupt 2026 上宣布與 BMW 集團技術辦公室合作,評估其 AI 靈巧操作技術用於製造。該公司由兩位前特斯拉工程師於 2021 年創立,做的是基於自研基礎模型的機器人工作站,把視覺、任務上下文與運動控制打通,用高保真模擬訓練,產線換型從數週縮短到數分鐘,無需傳統程式設計。其工作站已在某款熱門手機的生產中使用,負責柔性排線穿線、聯結器扣合等此前難以自動化的工序;
一篇長文主張開源 coding agent Pi 會成為最後一個被廣泛採用的 harness,理由是它開源、供應商無關、可擴充套件且足夠精簡,換模型不必換應用。作者稱 Pi 已存在一年、開發者社群規模在這類工具中最大,並提議把這類工具改稱「harness engine」:統一多家供應商的介面,負責上下文壓縮與失敗重試。他也承認 Pi 在 cloud agents、模型路由與外掛系統上仍有缺口,但認為可經原生或外掛補上;
有人稱已反編譯 Adobe 套件,用 Rust 重寫並以開源軟體(OSS)形式發布。訊息來自 jamesomalley.co.uk 的 Bluesky 帖子,隨後被轉到 Hacker News 討論,該條目目前 6 分、1 條評論。原帖未披露涉及哪些 Adobe 應用、程式碼倉庫地址與開源許可證等細節。
矽谷華人團隊 AFK AI 的 Agent 產品 Comma 已實現「單 Router + 多 Worker」的 Super-agent 架構,9 月 30 日正式開源,進度早於 DeepSeek 提出的同類設想。使用者只需在一個常駐主對話裡下達任務,Router 會把任務分派給上下文各自獨立的多個 Worker 並行執行,不必多開會話或反覆貼上背景。
一位寫了 20 年程式碼的軟體工程師撰文主張,AI 生成的程式碼仍要逐行讀、逐行審,不能因為能跑就盲信。他承認這類工具寫得比自己快,經審查後品質往往也不差,但它的做法主要是不斷做加法:堆砌覆蓋錯條件的單元測試、重複實現已有函式、每行都加無用註釋,出問題後還會編造一套語氣篤定的根因分析。他認為 95% 的正確率不等於 100%,靠提示詞“配方”解決不了問題,行業還缺少可重複的驗證流程;只要 PR 上署著自己的名字、自己還在值班,就該讀懂這段程式碼。