一行源码都没有，把一个有 15 万个函数的 Windows 3A 大作，硬生生变成了苹果 M1 原生应用。

我觉得以后“闭源”和“跨平台壁垒”这玩意，含金量真得重新算了。

有个哥们想在自己 2020 款的 M1 MacBook Pro 上玩《使命召唤：黑色行动2》。
这游戏是 32 位 x86 架构，从来没出过 Mac 版，CrossOver 和 Rosetta 2 全不支持。之前有人拿 M1 Max 开虚拟机硬跑，进了对局只有 1 帧。

这哥们拉上 Claude Opus 5.5 干了几个月，走了一条极野的路子：
完全不用虚拟机，也不用运行时转译。

他写了一套静态重编译工具，直接把本地 Steam 正版游戏里的 15 万个底层函数拆开，在启动前一次性全翻译成 ARM64 原生机器码。
顺手还手搓了一套 Win32 运行时，把 Direct3D 11 的画面渲染直接接到了苹果的 Metal 上。

连游戏里最变态的反篡改加密他都没去破解。
直接在程序里塞了个微型 x86 解释器，遇到加密校验代码就按原样跑完，再把控制权交回原生代码。

结果在一台基础款 M1 上，战役、僵尸模式和本地多人对局全都跑到了 51 到 60 帧。
他甚至还在往里加原版 PC 根本没有的本地分屏功能。太屌了。

不过这项目最值得细看的，是他写在文档里的工程记录。

很多人好奇，一个人带着 AI 怎么啃下这种以前一个团队都头疼的底层工程？
这哥们列了一组很残酷的数字：

为了防止多线程乱序，他做了一套确定性回放系统，把所有外部输入录下来，保证每次测试都能只改一个变量、一模一样地重跑。
每次看结果之前，必须先写下编号预测，到测试版发布时一共攒了 1100 多个预测。

即便严苛到这种程度，一路上还是有将近 200 个已经得出的结论被推翻撤回。
其中 31% 是因为测试探针回答了错误的问题，17% 是工具根本测不出真东西。
他定死了一条规矩：当屏幕画面和日志探针矛盾时，错的一定是探针。

他在文档最后写了人和 AI 的分工：

AI 负责提供吞吐量——写胶水代码、每次运行对几百万次调用做二分排查、读几万行代码。
人负责提供目标、根据屏幕上真正看到的画面去纠偏，以及拒绝那个“听起来很顺耳的结论”。

我觉得最后这半句真是说到骨子里了。

现在用 AI 写复杂系统，最大的坑就是它太会圆谎。
当探针或者日志出问题的时候，它能顺着错的数据给你编出一套极其自洽的解释。

这也划出了“单兵 + AI”能干成大事的边界：
如果一件事连你自己都没有明确的验收标准，全靠感觉走，AI 的高吞吐量只会帮你以十倍速制造垃圾。
可一旦问题有坚硬的物理反馈——画面到底卡不卡、帧率够不够 60、像素对不对得上——只要你能搭好一套不骗人的验证环境，再忍住别信 AI 的漂亮话，一个人真能平推一座山。

看完这哥们的记录，我默默翻了一下自己今天和 Claude 的聊天记录。
每次它顺着我的报错给出一个完美解释、顺便夸我思路清晰的时候，我都觉得它特别有眼光。
要不我先写个脚本，把 AI 回复里的所有肯定句全自动改成反问句算了。

https://news.ycombinator.com/item?id=50449891