IT之家 10 月 13 日消息，开发者莫里斯·霍伊曼（Maurice Heumann）在 10 月 9 日公开了一项项目报告，团队耗费 3 个月时间，使用超过 5000 亿词元（Tokens），借助 AI 智能体对 2009 年《使命召唤：现代战争 2》游戏进行反编译，并重新构建为 C++ 源代码。

关于团队成员，该项目由霍伊曼主导，RektInator、Future、st0rm 及其他社区成员提供了协助。

在 AI 使用方面，团队最初同时订阅了 Claude Max (20x) 和 Codex Pro，并在 Claude Code CLI 与 Codex CLI 环境中运行 AI 智能体。使用的模型包括 Sonnet 5、Opus 5.5、Luna、Sol 和 Terra，智能体通过 GitHub Issues 追踪任务，并通过 Discord 交换信息。

项目首月部署了 4 个智能体，其中 3 个负责反编译和提交代码，1 个负责审查。该阶段完成了约 80% 的函数，游戏能够启动、显示主菜单并加载地图；但团队发现代码虽然可读，却存在函数签名、类型、结构布局以及逻辑层面的语义错误。

随后，团队引入了“逐字节匹配反编译”验证机制。该机制利用原游戏编译器重建目标文件，并将重建后的函数与原 EXE / PDB 中的函数进行逐字节对比。通过对比的函数标记为 PASS，未通过者由智能体重新修改。

为防止智能体绕过校验，团队禁止了内联汇编、裸函数、对象补丁以及在代码中嵌入字节的行为，并通过 CI 将验证脚本的哈希值与 GitHub Actions secret 进行比对。这一机制使得低成本模型也能在严格反馈下完成高精度任务，并替代了人工或智能体审查环节。

项目后期主要运行了 14 个 Luna 智能体和 2 个 Opus 5.5 智能体，智能体通过独立分支和 Pull Request 提交代码。最终，99% 的游戏函数被纳入重建源码，83% 的函数实现了逐字节匹配；其余函数由于非确定性特征或链接器行为，难以完全匹配。

逐字节匹配（Byte-for-byte Matching）是指将重建代码编译后的函数二进制数据，与原版程序中的对应函数进行逐字节对比。如果数据一致，通常表明该函数在目标编译环境下保留了与原版相同的语义和行为。

霍伊曼表示不会公开相关代码，重建成果将仅保留为私人用途。

IT之家附上参考地址

• 500+ Billion Tokens Later: Letting AI Agents Decompile A First-Person Shooter