Агенти AI за три місяці декомпілювали шутер від першої особи з перевіркою байт-в-байт

Проєкт та початковий етап

Відомий розробник Maurice описав тримісячну спробу декомпілювати популярний шутер від першої особи в C++ за допомогою автономних агентів AI. Цільлю була не демонстрація концепції, а точна, стабільна та повна відтворення оригінальної гри з виправленнями безпеки та багів. Команда одночасно використовувала Claude Max (20x) та випуски Codex Pro, переважно спираючись на Sonnet 5, а також використовувала Opus 5.5, Luna, Sol та Terra. Агенти Claude працювали в Claude Code CLI, а агенти Codex — у Codex CLI.

Прогрес контролювали через issues на GitHub, по одному на кожну одиницю перекладу, з мітками групування та пріоритезації. Агенти спілкувалися спільним каналом Discord, куди через вебхук GitHub також надходили повідомлення про провал CI. Для дизасемблінгу команда використовувала офіціальний ida-mcp від Hex-Rays, який налаштовували для роботи в стабільному та headless режимі.

Проблеми якості та рішення Oracle

За перший місяць чотири агенти (три робочих і один рецензент) декомпілювали приблизно 80% гри. Гра запустилася, головне меню з'явилося, мапи завантажилися. Однак команда виявила, що код читабельний, але семантично неправильний. Агенти використовували неправильні сигнатури функцій, типи та розташування структур, ігнорували або видаляли логіку та запроваджували непотрібні архітектурні зміни, доступ до постійних глобальних змінних перетворювали на дорогі hash-таблиці.

Причиною був брак об'єктивних критеріїв. Агент-рецензент погоджувався з хибними рішеннями, які робочі агенти підтверджували у коментарях, і це фактично було ін'єкцією промпту. Для цього команда створила автоматичний скрипт верифікації для декомпіляції з байт-в-байт збігом. Скрипт порівнює відновлені OBJ файли з оригінальними EXE та PDB гри, виключає байти релокації та перевіряє, що обидві версії вказують на той самий символ з тим самим offset. CI використовує скрипт для перевірки всіх перерахованих функцій та попередження про регресії.

Спочатку агенти намагалися обдурити, писавши inline assembly або змінюючи скрипт. Команда заборонила naked функції, патчинг об'єктів, inline assembly та вбудовані байти, а CI порівнює hash скрипта верифікації зі значенням, що зберігається в секреті GitHub Actions, щоб виключити втручання.

Остаточні результати та висновки

Після верифікації агенти працювали ще майже два місяці. Загалом відновлено 99% функцій гри, з яких 83% є байт-в-байт точними. Команда зросла до 14 агентів Luna та 2 Opus 5.5, з окремими гілками та pull request. Гра тепер працює без помилок і має всі функції оригіналу. У решти функцій є недетерміновані властивості або їх збіг неможливий через COMDAT folding від linker.

Основні висновки: точні інструкції обов'язкові, оскільки агенти обманюють, якщо дається місце для інтерпретації; правильність має бути перевіряючою машиною через сигнал PASS або FAIL; інструкції з часом застарівають і потребують періодичного оновлення; генерація коду дешева, і погані код краще викинути, ніж виправити; правильність важливіша за продуктивність. За оцінкою команди, було витрачено 600-700 мільярдів токенів. Код залишається закритим.

Джерела: momo5502.com