A5站长网10月14日消息，代码分析公司CodeScene发布了一份关于代码重构的案例研究：编码智能体在三周内重构了一个包含30万行C代码的代码库，花掉的token折算下来大约4000美元。整个过程覆盖726个文件、2903次提交，改动252055行代码，代码库的Code Health得分从5.6提到了10.0。被重构的这份代码是一个开源反编译项目的产物，对应的是《街头霸王III：三度冲击》。
支撑这项工作的是两套机制。一套是质量信号：CodeHealth MCP Server给智能体提供一个确定性的评分，用来判断某次转换到底有没有产生积极效果，而不是靠模型自己觉得“改得不错”。另一套是正确性保障：另一套是回放轨迹测试，逐帧比对回滚状态的哈希值，每次改完都检查系统行为有没有跑偏。前者告诉它方向，后者兜住它的底。
更有意思的是智能体自己攒出来的东西。它们没有照着固定的重构清单干活，而是在过程中逐步积累出一套手册，最终形成22个重构方案和82条辅助说明。这里面既有多数开发者熟悉的手法，也有针对这份代码库专门摸出来的做法。模型选择上，Claude Opus配Claude Code在捕捉和记录这些模式方面，表现好过Codex配Sol；参数较小的模型容易停在局部最优上出不来。
质疑声同样不少。这套回放框架能成立，前提是反编译后的游戏提供逐帧的确定性回放，绝大多数遗留系统没有这个条件；有人因此问，这份成绩究竟在衡量模型还是在衡量框架，也有人指出最终是拆成54个拉取请求合进fork的主分支。技术负责人Konrad Otrębski把标准抬得更高：真正的考验是拿Grafana这种知名开源项目重构，并把改动合进主干。
CodeScene创始人Adam Tornhill写道，做了三十年大型系统之后，他说这是他头一回见到大规模超人类的AI表现。团队也没有把话说满，承认还有未解的问题：帧率、内存占用、输入延迟这些非功能指标怎么评估，已经请性能专家介入了。
下一步是与隆德大学的合作研究，让学生分别在有和没有重构过的版本上实现功能，比较成本与质量。官方给出的预估是AI引发的缺陷减少70%、token浪费减少45%，但这组数字来自更早研究的推算，不是本次案例的实测结果。对准备把智能体放进遗留系统的团队来说，这份案例最实用的部分其实是那两套机制：先有可量化的质量分数，再有能自动验证行为不变的测试框架，缺一样都很难放心让它动手。
申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！
