时间：2026年9月30日
地点：瑞典 CodeScene（基于开源项目 Street Fighter III: 3rd Strike 反编译代码库）
人物：Adam Tornhill（CodeScene 创始人、《Your Code as a Crime Scene》作者）、CodeScene 工程团队、Claude Opus 模型
事件：
2026年9月30日，瑞典软件质量分析公司 CodeScene 发布一项里程碑式案例研究：使用 AI 编码代理对街霸 III 3rd Strike 反编译项目的 30 万行 C 代码库完成全面重构。代理在三周内累计提交 2,903 次 commit，覆盖 726 个源文件，修改 252,055 行代码，将 Code Health 评分由 5.6 提升至 10.0 满分；整个流程 token 成本仅约 4,000 美元，相当于一位开发者半个月薪资。对比同等规模项目在 AI 出现前通常需要 12 至 18 个月专家人力。
背景：
CodeScene 设计了两套机制保证重构质量：其一，CodeHealth MCP Server 作为客观质量信号，向代理提供确定性评分以判断重构是否有效，形成 agentic 反馈闭环；其二，replay-trace 哈希逐帧对比机制验证功能等价性，每改一处都逐帧对照游戏状态哈希，确保街霸仍可正常运行。模型选型上，团队最终确定 Claude Opus 为主力——Claude Code 配合 Opus 在捕捉与文档化新涌现的重构模式时显著优于 Codex 配合 Sol，且小模型（Sonnet、Terra）常陷入局部最优无法继续突破。
影响：
研究中沉淀出 22 条重构配方与 82 条补充说明，既包含 Extract Function、Guard Clauses、Parameter Object 等经典条目，也涌现出 Shared Index Range（捕获仅在起止界上不同的重复循环）、Action Parameter（统一仅在调用函数上不同的重复控制结构）、Uniform Step Table（异构调用转为表驱动分发）等针对本代码库的专属配方。CodeScene 创始人 Adam Tornhill 称这是他三十年从业以来首次见证的”超人类”AI 表现。LinkedIn 上业界就此激烈辩论，焦点已从”是否真发生”转向”该结果证明了什么”——既有工程师认为 replay-trace 比测试集证据更可靠，也有人质疑重构对象是开源游戏而非生产代码，以及 Code Health 提升是否等价于架构与性能改善。CodeScene 接下来将与瑞典 Lund 大学合作，让学生在 Code Health 5.6 与 10.0 两版同一系统上分别用前沿模型实现新功能，对比 70% AI 缺陷减少与 45% token 浪费减少两项预期收益。
总结：
CodeScene 案例首次在工业级 C 代码库上跑通”AI 代理 + 质量反馈环 + 行为等价性验证”端到端流程，将过去 12 至 18 个月的专家级重构压缩为 3 周与 4,000 美元，并把”超人类 AI”从口号落到可量化数字。但案例同时划出两条新边界：缺乏确定性回放 oracle 的遗留系统无法照搬此流程；Code Health 评分提升也不必然带来架构与运行时性能改善。该研究为 AI 编程代理从”局部补全”走向”整库工程”提供了首个可复用样本，也为衡量代理能力边界设立了新的对照标尺。
参考来源：
– https://www.infoq.com/news/2026/09/agentic-refactoring-case-study/
– https://codescene.com/blog/case-study-refactoring-at-scale-with-agents
– https://github.com/crowded-street/3s-decomp
– https://www.linkedin.com/posts/adam-tornhill-71759b48_this-is-my-biggest-ai-wow-moment-to-date-share-7508810521735806977-IQ8q/
– https://daily.dev/posts/agents-refactor-300k-lines-in-three-weeks-and-practitioners-ask-what-it-proves-qtk43gheh
– https://news.lavx.hu/article/agents-refactor-300k-lines-in-three-weeks-and-practitioners-ask-what-it-proves