一个 11 岁小孩在巴格达用 Motorola 68000 汇编写的 Amiga 游戏,33 年后被 Claude 一晚上搬进了 Godot。听起来像是 AI 神话,但我看完 原博客 之后,反而觉得这故事最值得讲的不是 Claude 有多神,而是它离开人就没用。
先把几个事实钉死,免得传成都市传说:
- 游戏叫 Babylonian Twins(巴比伦双子),1993 年发布,原版是 68000 汇编
- 移植到 Godot 引擎的核心工作只花了一个晚上,原话是 "It took an evening!"
- 用的工具是 Claude,博客里出现的 "Claude Fable 5" 是笔误,实际就是 Claude 4.5
- 原型出来之后,调手感 + 打包上架又花了好几个周末
一个晚上,1993 年巴格达的汇编跑进了 Godot
移植的输入端不是一段二进制反汇编,而是:
- 作者自己的 git 仓库(他这些年的迭代版本)
- 33 年里陆陆续续写下的笔记
- 他脑子里对"这游戏当时怎么搭起来"的记忆
Claude 拿着这些东西,吐出来的是一份 Python 脚本和一份 GDScript 工程。Godot 4 直接跑起来,原型就是那个晚上出的。
我自己干过几年 Amiga 模拟器相关的边角活,知道 68000 汇编移植到现代语言最大的成本是什么——不是写代码,是理解原系统。寄存器分配怎么设的、内存布局怎么排的、铜片列表(copperlist)那条线是怎么画双缓冲的,这些东西光看反汇编能看出精神分裂。
Claude 之所以"一个晚上"能干完,是因为前面那 33 年的理解成本不在它身上,在作者身上。LLM 拿到的是已经被人类咀嚼过的设计意图,不是原始字节流。这是这一类 AI 案例最容易被吹爆的部分,也是最容易被忽视的部分。
LLM 移植汇编,真正吃的是什么输入?
很多人看到这种案例,会下意识把功劳归给 Claude,结论是"LLM 已经能写汇编了"。这个结论错得离谱。
让我换一个角度:如果只把 1993 年的原始 68000 二进制喂给 Claude,不给笔记、不给仓库、不给作者本人问答,你觉得一个晚上能出什么?
我赌什么都出不了。最多给你一个能解析 Amiga 的 HUNK 格式、生成等价 C 代码的工具——这种东西 90 年代就有,业余水平。它不会知道哪个地址偏移对应精灵图层 3,不会知道玩家踩坑时碰撞盒要收缩 1 像素。
原作者在博客里其实写得非常克制,原话:
"I wasn't just feeding it assembly code. I was feeding it my 33 years of memory of how I built the game, my notes and the git repos."
翻译成大白话:Claude 在这个项目里扮演的角色是"打字员 + 翻译器",不是"逆向工程师"。打字的脑力活是作者干的,Claude 只负责把脑力活动的产物翻译成 Godot 能吃的语言。
这就是 AI 辅助的边界——它替代的不是程序员,是"读旧代码"这个苦力活。真正的架构决策、命名约定、模块边界、调试直觉,全是人的。
一个晚上出原型,几个周末才出活的体感
原博客对这一点的拆分特别值得拎出来:
"It took an evening to get a working port. Getting the feel right and shipping it took a few more weekends and evenings."
"能跑"和"能玩"是两件事。
- 能跑 = 控制台不报错、精灵显示出来、主角能动
- 能玩 = 跳跃曲线对、手感顺滑、碰撞不漏帧、BGM 不爆音
我做过类似的活,把一个老 JS 内核项目搬到 TypeScript,LLM 一晚上确实能出"能跑"的版本。但接下来调类型、调异步语义、调事件循环顺序,每一项都是几小时到几天的活儿。
原作者没在这一步炫技,他只是如实记录了时间分配。一个晚上是 LLM 的功劳,几个周末是人的功劳。把这个时间账算清楚,对任何想用 AI 做"项目级迁移"的人都是好事——别拿"LLM 一晚上能干 X"去立项,X 是 5% 的工作,后面 95% 的体感调试才是项目本体。
1993 年的地图编辑器截图——33 年后第一次启动
博客里有一张图我盯了很久,是作者当年的地图编辑器在 33 年后的截图。
图里那个老旧的 Amiga Workbench 配色、那个简陋到只有几行的工具栏、那个用鼠标拖出来的关卡瓦片——和他现在 GitHub 上的 Godot 工程里的关卡数据,一模一样。
也就是说:33 年过去了,数据没变,变的只是承载数据的语言。
# Godot 4 的关卡加载片段(伪代码示意)
const LEVEL_DATA = preload("res://levels/world_1.tres")
func _ready():
for tile in LEVEL_DATA.tiles:
var sprite = Sprite2D.new()
sprite.texture = load("res:://sprites/" + tile.asset_id + ".png")
sprite.position = tile.world_pos
add_child(sprite)
这个 GDScript 干的事,跟 1993 年 68000 汇编里把瓦片塞进 copperlist 干的事是同一件事。语言换了 5 代,平台换了 4 个,但"把一张地图画到屏幕上"这件事的抽象骨架没变。
这也是为什么 LLM 移植能成功——因为抽象没变。如果原作者当年写的是高度依赖特定硬件 trick 的代码(比如用 Amiga Blitter 的奇偶行优化),LLM 可能能翻译,但跑起来会慢成幻灯片,因为今天的 GPU 根本不吃那一套。
编辑思考:这件事到底证明了什么
这件事最容易被解读成"Claude 能干汇编了",这是最表层、也最没用的解读。
更准确的解读是:LLM 是一个被低估的"翻译加速器",同时也是一个被高估的"理解机器"。翻译这件事它确实强——从 Python 到 GDScript、从 C 到 Rust、从 68000 汇编到 Python,只要抽象层级对得上,它能一个晚上跑完。但理解这件事它一点没干,理解是作者 33 年来干的。
我自己的判断:接下来 12-18 个月,会有越来越多类似的"老代码新平台"案例冒出来,每个都会被包装成"AI 的里程碑"。拆开看,底层都是人在前面铺路,LLM 在后面抄近道。这不代表 LLM 没用,它在"铺路已完成、抄近道很贵"的场景下价值巨大;但也不代表 LLM 能独立搞定项目级迁移,它不能,至少现在不能。
这次和过去哪些事不同?过去 LLM 写代码的展示大多是"从零写一个小项目"或"重写一段已知算法"。这次是真实 33 年历史包袱 + 真实人类知识注入的组合拳。这让人很难分辨功劳比例,也正是它容易被误读的原因。
最后补一个博客里的小细节:博客正文本身也是 Claude 写初稿,作者花了一周时间逐行编辑。他自己在博客末尾吐槽说"AI 写出来的东西读起来像 AI 写的",然后他自己改了一周。
这个细节比"Claude 一个晚上搬了汇编"更值得记住——他知道怎么用 AI,也知道什么时候必须自己上。这才是 2026 年还在写代码的人该有的样子。
参考来源:Porting a 1993 Amiga game to Godot with Claude - babyloniantwins.com