实战

33 年前的 68000 汇编,Claude 一晚上搬到了 Godot

开发者用 Claude 把 1993 年巴格达写的 Amiga 汇编游戏搬上 Godot,核心移植只花一个晚上。但 LLM 没你想的那么神——没有 33 年笔记和 git 仓库,它啥也不是。

字号

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

来源: https://babyloniantwins.com/blog/porting-a-1993-amiga-game-to-godot/