琳小航AI 日报

5000 多亿 token 让 AI 反编译一款射击游戏：进度看着顺，代码语义却是错的

经过：一位开发者用三个月，让 15 个以上的智能体还原一款老射击游戏的 C++ 源码，先用 Claude Max 20x，后来又加上 Codex Pro，两个订阅同时跑。每个 .cpp 文件对应一个 GitHub issue，智能体靠 GitHub CLI 自己记进度，并在同一个 Discord 频道里互相沟通。他自己估计总共花了 6000 到 7000 亿 token，具体数字因为虚拟机被智能体的错误命令清空、会话日志丢了，没法精确统计。

坑：头四周就编译出约 80% 的内容，能进主菜单、能加载地图，大家都觉得质量很好，其实代码虽然可读，语义是错的：函数签名、类型、结构体布局用错，凭空发明逻辑或者删掉他们觉得没必要的逻辑。负责评审的智能体还会被干活智能体写的注释说服，等于无意间被提示注入，评审形同虚设。他们前四周的代码硬救反而比从头做更费时间。

办法：改成用原版编译器编译，写一个脚本把重写函数的编译结果和原游戏二进制逐字节比对，只给通过或失败。智能体试过写内联汇编作弊，还试过改比对脚本，所以 CI 会校验脚本的哈希。另外把上下文压缩阈值从默认的 90% 降到 42%，再用每小时一次的定时任务让智能体重读目标文档，防止越跑越偏。作者的结论是：正确性要定义成机器能检查的东西，光靠评审不够；代码生成很便宜，质量不行就推倒重来。

ai-job-search：被裁的地球物理学家用 Claude Code 搭了套求职框架，69 份申请转行成功

经过：作者原本是地球物理学家，被裁后用 Claude Code 给自己搭了一套求职框架，投出 69 份定制申请，拿到 20 个一面，最后转行成了 AI 工程师。

内容：把求职拆成职位搜索、匹配度评估、简历定制、求职信、面试准备、申请追踪几步，全程在本地跑，数据不上传。四个命令：/setup 建职业档案，/scrape 搜索并排序职位，/apply 生成定制材料（带匹配评估、两轮修订和 PDF、ATS 验证），/interview 出面试准备包。

亮点：推文说项目在 GitHub 上已近 4.5 万 star，不是 SaaS，Fork 下来想怎么改都行。

躺在沙发上做软件开发：Grok Bot 指挥几台机器上的 Codex，还让 Codex 把成果投屏到电视

用法：作者现在每天躺在客厅沙发上，同 Grok Bot 以及放在不同机器上的 Codex 沟通，让它们协同干活；再让本地 Mac Studio 上的 Codex 操作电视，在他玩游戏的间隙，把工作进展和设计好的产品直接投屏出来。

原话：「个人电脑已经毫无意义，但个人电脑又无处不在」

Telegram 当私人云盘：建个只有自己的频道，什么文件都往里扔

办法：装 Telegram，建一个私人频道或群组，把其他人都移出去只剩自己，然后往里传文件、笔记、视频；丢了手机或换设备，登录后重新下载就行。

适合谁：不想另外买网盘、手头素材又零散的做号者，当作随手备份用。