KisakCOD：用AI重构Call of Duty 4
KisakCOD – open-source reimplementation of Call of Duty 4 Multiplayer
KisakCOD项目正在用开源方式重新实现Call of Duty 4的多人游戏模式，目标是为模组开发者和怀旧玩家提供全新可能。开发者利用AI辅助反编译Cod4Radiant工具，虽然过程充满挑战，但最终成功还原了原版游戏的许多细节，包括那些令人头疼的延迟和崩溃问题。项目依赖Visual Studio 2022、CMake和Steam等现代工具链，同时保留了DirectX SDK 2010等老旧组件。尽管存在已知漏洞，团队仍鼓励用户在沙盒环境中安全体验。这不仅是一次技术挑战，更是对经典游戏文化的致敬。
我们开始用AI帮助调试，效果极其显著。
HN 评论区
13- Tiberium
老实说，这类反编译项目正是 LLM Agent 最能发挥用武之地的地方。我手头也有一个类似的 1999 年游戏项目，起步就是让 Agent 在 IDA 数据库里重命名所有函数和全局变量，添加类型和函数签名。当数据库基本达到 100% 标注后，就导出并用与原版游戏相同的编译器使其可编译。之后经过一些修复（基本上全是 IDA 反编译器的 bug），游戏就能玩了。
使用相同的编译器很有帮助，我还有一个二进制匹配工作流，但由于编译器优化的原因，实现 100% 的函数匹配会消耗巨大的 Token。所以我只是让 Agent 逐个审查函数的差异，清理反编译器产生的伪影和可能的语义错误，并标记函数为已审查。因此，尽管游戏已经能玩，原始匹配率其实非常低。
好在游戏的原生部分相当小，700KB 的代码里只有 1.5k 个纯 C 函数。不过有了 LLM，只要用量足够，哪怕是巨大的代码库也只是时间问题。
我使用的 LLM 是 GPT 5.5，然后是 5.6 Sol。对于逆向工程，我最信任 GPT 系列模型，它们非常详尽。
很高兴看到这些人开始使用 LLM（见 https://lwss.github.io/Kisak-Black/），不过 IDA MCP 的效果不如基于 CLI 的方案，而且我对 Claude 系列模型在这类工作上没那么信任。看起来这项工作始于 2025 年，当时那些模型还不足以胜任，但现在绝对没问题了。
反编译就是那种 […]
- nateb2022
还有一些写得很好的开发博客可供参考：
- dustbunny
这具体是怎么做到的？