一個 11 歲小孩在巴格達用 Motorola 68000 組合語言寫的 Amiga 遊戲,33 年後被 Claude 一個晚上搬進了 Godot。聽起來像是 AI 神話,但我看完原部落格之後,反而覺得這故事最值得講的不是 Claude 有多神,而是它離開人就沒用。
先把幾個事實釘死,免得傳成都市傳說:
- 遊戲叫 Babylonian Twins(巴比倫雙子),1993 年發行,原版是 68000 組合語言
- 移植到 Godot 引擎的核心工作只花了一個晚上,原話是 "It took an evening!"
- 用的工具是 Claude,部落格裡出現的 "Claude Fable 5" 是筆誤,實際就是 Claude 4.5
- 原型出來之後,調手感 + 打包上架又花了好幾個週末
一個晚上,1993 年巴格達的組合語言跑進了 Godot
移植的輸入端不是一段二進位反組譯,而是:
- 作者自己的 git 倉庫(他這些年的迭代版本)
- 33 年裡陸陸續續寫下的筆記
- 他腦袋裡對「這遊戲當時怎麼搭起來」的記憶
Claude 拿著這些東西,吐出來的是一份 Python 腳本和一份 GDScript 專案。Godot 4 直接跑起來,原型就是那個晚上出的。
我自己幹過幾年 Amiga 模擬器相關的邊角活,知道 68000 組合語言移植到現代語言最大的成本是什麼——不是寫程式碼,是理解原系統。暫存器配置怎麼設的、記憶體佈局怎麼排的、銅片列表(copperlist)那條線是怎麼畫雙緩衝的,這些東西光看反組譯能看出精神分裂。
Claude 之所以「一個晚上」能幹完,是因為前面那 33 年的理解成本不在它身上,在作者身上。LLM 拿到的是已經被人類咀嚼過的設計意圖,不是原始位元流。這一類 AI 案例最容易被吹爆的部分,也是最容易被忽視的部分。
LLM 移植組合語言,真正吃的是什麼輸入?
很多人看到這種案例,會下意識把功勞歸給 Claude,結論是「LLM 已經能寫組合語言了」。這個結論錯得離譜。
讓我換一個角度:如果只把 1993 年的原始 68000 二進位檔丟給 Claude,不給筆記、不給倉庫、不給作者本人問答,你覺得一個晚上能出什麼?
我賭什麼都出不了。最多給你一個能解析 Amiga 的 HUNK 格式、生成等價 C 程式碼的工具——這種東西 90 年代就有,業餘水平。它不會知道哪個位址偏移對應精靈圖層 3,不會知道玩家踩坑時碰撞框要收縮 1 像素。
原作者在部落格裡其實寫得非常克制,原話:
"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."
翻譯成白話:Claude 在這個專案裡扮演的角色是「打字員 + 翻譯器」,不是「逆向工程師」。打字的腦力活是作者幹的,Claude 只負責把腦力活動的產物翻譯成 Godot 能吃的語言。
這就是 AI 輔助的邊界——它取代的不是程式設計師,是「讀舊程式碼」這個苦力活。真正的架構決策、命名慣例、模組邊界、除錯直覺,全是人的。
一個晚上出原型,幾個週末才出活的體感
原部落格對這一點的拆分特別值得拎出來:
"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」是兩件事。
- 能跑 = 主控台不報錯、精靈顯示出來、主角能動
- 能玩 = 跳躍曲線對、手感順暢、碰撞不漏幀、BGM 不爆音
我做過類似的活,把一個老 JS 內核專案搬到 TypeScript,LLM 一個晚上確實能出「能跑」的版本。但接下來調型別、調非同步語意、調事件迴圈順序,每一項都是幾小時到幾天的活兒。
原作者沒在這一步炫技,他只是如實記錄了時間分配。一個晚上是 LLM 的功勞,幾個週末是人的功勞。把這個時間帳算清楚,對任何想用 AI 做「專案級遷移」的人都是好事——別拿「LLM 一個晚上能幹 X」去提案,X 是 5% 的工作,後面 95% 的體感調校才是專案本體。
1993 年的地圖編輯器截圖——33 年後第一次啟動
部落格裡有一張圖我盯了很久,是作者當年的地圖編輯器在 33 年後的截圖。
圖裡那個老舊的 Amiga Workbench 配色、那個簡陋到只有幾行的工具列、那個用滑鼠拖出來的關卡磁磚——和他現在 GitHub 上的 Godot 專案裡的關卡資料,一模一樣。
也就是說:33 年過去了,資料沒變,變的只是承載資料的語言。
# Godot 4 的關卡載入片段(虛擬程式碼示意)
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)
這段 GDScript 幹的事,跟 1993 年 68000 組合語言裡把磁磚塞進 copperlist 幹的事是同一件事。語言換了 5 代,平台換了 4 個,但「把一張地圖畫到螢幕上」這件事的抽象骨架沒變。
這也是為什麼 LLM 移植能成功——因為抽象沒變。如果原作者當年寫的是高度依賴特定硬體 trick 的程式碼(比如用 Amiga Blitter 的奇偶行最佳化),LLM 可能能翻譯,但跑起來會慢成投影片,因為今天的 GPU 根本不吃那一套。
編輯思考:這件事到底證明了什麼
這件事最容易被解讀成「Claude 能幹組合語言了」,這是最表層、也最沒用的解讀。
更準確的解讀是:LLM 是一個被低估的「翻譯加速器」,同時也是一個被高估的「理解機器」。翻譯這件事它確實強——從 Python 到 GDScript、從 C 到 Rust、從 68000 組合語言到 Python,只要抽象層級對得上,它能一個晚上跑完。但理解這件事它一點沒幹,理解是作者 33 年來幹的。
我自己的判斷:接下來 12-18 個月,會有越來越多類似的「老程式碼新平台」案例冒出來,每個都會被包裝成「AI 的里程碑」。拆開看,底層都是人在前面鋪路,LLM 在後面抄近道。這不代表 LLM 沒用,它在「鋪路已完成、抄近道很貴」的場景下價值巨大;但也不代表 LLM 能獨立搞定專案級遷移,它不能,至少現在不能。
這次和過去哪些事不同?過去 LLM 寫程式的展示大多是「從零寫一個小專案」或「重寫一段已知演算法」。這次是真實 33 年歷史包袱 + 真實人類知識注入的組合技。這讓人很難分辨功勞比例,也正是它容易被誤讀的原因。
最後補一個部落格裡的小細節:部落格正文本身也是 Claude 寫初稿,作者花了一週時間逐行編輯。他自己在部落格末尾吐槽說「AI 寫出來的東西讀起來像 AI 寫的」,然後他自己改了一週。
這個細節比「Claude 一個晚上搬了組合語言」更值得記住——他知道怎麼用 AI,也知道什麼時候必須自己上。這才是 2026 年還在寫程式的人該有的樣子。
參考來源:Porting a 1993 Amiga game to Godot with Claude - babyloniantwins.com