CodeScene 用 AI 智能体将格斗游戏代码库 Code Health 从 5.6 升至 10.0：机制与争议

CodeScene 发布了一项案例研究，展示编码智能体在三周内重构了包含 30 万行 C 代码的《街头霸王 III》反编译项目，token 成本约 4000 美元，将 Code Health 评分从 5.6 提升至 10.0。该工作涉及 726 个文件、2903 次提交和 252055 行修改，最终通过 54 个拉取请求合并至 main 分支。

支撑这一结果的核心并非单纯依赖模型能力，而是两项特定机制：一是 CodeHealth MCP Server 为智能体提供确定的优化信号；二是逐帧比较回滚状态哈希的轨迹回放测试框架，确保每次更改后系统行为一致。团队使用 Claude Opus 搭配 Claude Code 进行大部分工作，并逐步积累了一套包含 22 个方案和 82 条辅助说明的重构手册。值得注意的是，文中提到的减少 70% 缺陷和 45% token 浪费的数据是基于早期研究的推算值，而非本次实测结果。

行业反应显示，虽然对数字本身无异议，但对适用性存在分歧。质疑者指出，这种基于确定性逐帧回放的方法在大多数缺乏等价判定机制的遗留系统中难以复制。此外，架构未受衡量的风险依然存在，且非功能行为如帧率和内存是否改善尚待性能专家介入验证。事实层面确认了特定场景下的高效能，推断层面表明自动化测试与等价性检查是重构不健康代码库的必要门槛，猜测层面则指向未来关于不同版本实现成本与质量的对比研究。