AI agent 反編譯實測：5000 億 token 跑三個月，卡在哪、怎麼讓 agent 不飄掉？

讓 AI agent 長時間自己工作，怎麼讓它不飄掉？一位工程師的做法是寫一份工作守則，排程每小時要 agent 重讀一次，他說這招一路有效到專案結束。這個案例裡最明顯的毛病是注意力飄移：做到一半跳去別的工作、盯著測試結果不動、沒做完就把工作單關掉。他用多個 AI agent 反編譯一款第一人稱射擊遊戲，作者自估第一個月做到約 80%，同時花了大把時間調整配置來壓住這些毛病。

時間與範圍說明：原文〈500 Billion Tokens Later〉是 Maurice Heumann 在 2026 年 10 月 9 日發表在個人部落格的文章，本文寫於 2026 年 10 月 12 日。本文只整理原文前半段，到作者開始檢討工作品質為止，後半段沒有涵蓋的事集中在結論交代。除特別標註外，數字取自原文。

AI agent 反編譯是什麼？這次實測到底做了什麼？

反編譯，就是把已經編譯好的執行檔還原成人看得懂、而且能重新編譯的原始碼。Heumann 和 RektInator、Future、st0rm 等社群夥伴用了三個月，讓多個 AI agent 把一款熱門第一人稱射擊遊戲還原成 C++。目標是準確、穩定、功能完整的重建，簡單的概念驗證不算數；語意要正確，程式碼也要可讀、能編譯。

原文沒有公開是哪款遊戲，作者只說先前寫過的兩篇相關文章已經撤下。作者也講明，這篇的重點是怎麼長時間調度自主運作的 agent，遊戲本身和反編譯技術都是其次。他們原本還想順便做安全修補和跨平台移植，後來延後，專心還原原始行為。

整套配置如下，全部來自原文：

環節	用了什麼	作用
模型訂閱	先用 Claude Max（20x），再加上 Codex Pro，兩個同時使用	提供 agent 算力
模型	多數時間用 Sonnet 5，Opus 5.5、Luna、Sol、Terra 也用得很多（作者說後文會再交代）	依任務切換
執行環境	Claude Code CLI、Codex CLI	作者試過其他框架，差異不大，最後用預設
進度追蹤	GitHub issue（工作單），每個 .cpp 檔一張，另用標籤分組與排優先	agent 透過 GitHub CLI 自己管理
溝通	一個共用 Discord 頻道	agent 之間、人與 agent 都在這裡對話
失敗通知	GitHub webhook 把 CI 失敗訊息貼進頻道	東西壞了 agent 會收到通知
反組譯工具	Hex-Rays 官方 ida-mcp	讓 agent 讀原始執行檔

Claude Max 和 Codex Pro 都是月費訂閱方案。CI 是持續整合，每次提交程式就自動建置、測試的機制。MCP 是讓 AI 模型連接外部工具的標準介面，ida-mcp 就是把反組譯軟體 IDA 開放給 agent 使用。作者對它的評價是非常穩定、不需要圖形介面，而且這個專案需要的功能都有。

5000 億 token 指的是什麼？成本有公開嗎？

「5000 億 token」出自原文標題。token 是 AI 模型計算用量的單位，大約對應一小段文字。本文涵蓋的段落沒有這個數字的明細，也沒有任何金額或各模型的費用拆分。我們不替它換算成新台幣，因為訂閱方案和 API 的計價方式差太多，硬算出來的數字看似精確，其實沒有根據。

能確定的是投入方式：Claude Max 和 Codex Pro 兩個訂閱同時使用，歷時三個月。作者自己的說法是，這三個月裡他投入了「一部分」時間和 token。

第一個月做到哪裡？卡在什麼地方？

第一個月的進度看得見。4 個 agent 同時運作：3 個負責反編譯並提交程式，1 個負責審查，被動協調並檢查提交、標出錯誤。作者自估它們完成了約 80% 的反編譯，遊戲能啟動、主選單會出現、地圖也能載入。

但作者接著就說，儘管在配置和基礎設施上下了很多功夫，還是得談談工作品質。所以這個 80% 是進度估計，品質過不過關要另外看。

這個月最明顯的毛病，是 agent 的注意力會飄。這裡要先講「上下文」：上下文＝模型一次能記在腦中的對話與資料量。上下文裝的資料越多，agent 越容易失焦，就算在同一輪壓縮週期內也會發生。原文列出三種狀況：

1. 前一個函式還沒做完，就跳去做下一個。
2. 明明 Discord 上收到 CI 失敗通知，還是盯著 CI 呆住不動。
3. 偶爾沒確實檢查工作是否完成，就把 issue 關掉。

作者指出，在終端機旁邊一起工作時，人可以隨時把 agent 拉回來；讓它們自主運作時，就沒辦法這樣即時糾正。

第一個月調了哪些配置？

這 4 週裡，團隊花了很多力氣調整配置，原文寫到兩件事。

第一件是提早壓縮上下文。壓縮的意思是對話太長時，把舊內容摘要起來，騰出空間。反編譯的資訊大多用完即丟：一個函式做完之後，它的細節就跟後面的工作無關了。

預設要等上下文用到 90% 才壓縮，他們把門檻降到 42%，讓做完的函式資訊早點清出去，也減少 token 用量。

第二件是對付注意力飄移。

流程

1. 寫了一份文件講清楚目標
2. 每小時執行的排程自動要求 agent 重讀這份文件
3. 指令一直留在上下文裡

一路有效到專案結束

他們也花了很多時間修這份守則，只是內容跟這個專案綁得太緊，作者沒有公開。

這對台灣中小企業意味著什麼？

我們的判斷是：能放多少工作給 agent，看的是你有沒有辦法檢查它做得對不對。

決策

比較項

建議

能自動核對的工作

例子

資料格式轉換、對帳比對

怎麼檢查

結果對得上就對

建議放手程度

高，人負責抽查

要靠人判斷的工作

例子

寫對外文案、回覆客訴

怎麼檢查

好壞要靠判斷

建議放手程度

中，人審過才發出

錢、承諾、合約

例子

報價、簽約、收款

怎麼檢查

不該交給機器判斷

建議放手程度

低，由人決定

結果能自動核對的工作，可以放手比較多

結果能自動核對的工作，可以放手比較多；只能靠人判斷好壞的工作，agent 適合當助手。從這個案例能借用的做法有四條：

1. 把工作守則寫下來，排程重讀。 長時間運作的 agent 會漸漸偏離指令，這個案例用每小時重讀一次守則壓住，作者說一路有效。
2. 上下文要勤清。 用完的資訊留在上下文裡只會干擾，這個案例把壓縮門檻從 90% 降到 42%。
3. agent 說做完，人要抽查。 這個案例中 agent 曾在沒確實檢查的情況下關掉工作單，「已完成」的標記本身也要驗。
4. 先從小任務量 token。 挑一件對錯很明確的工作跑一週，記錄用量，再決定要不要擴大。

人該站的位置是寫守則、調配置、抽查 agent 交出的東西，不需要一行一行盯著看。

延伸閱讀（和這個案例無關，原文沒有討論沙箱）：如果你打算讓 agent 自己下指令、跑程式，可以看看開源的 plimsoll，它專門執行 agent 寫的、還不能信任的程式，並在每次結果標明隔離強度，由弱到強分成 process、container、kernel、vm 四級，達不到設定的最低要求就不執行。它在 GitHub 上目前只有 11 顆星，適合用來理解概念，先別急著放進正式環境。

結論：中小企業現在該放手到什麼程度？

這個案例裡，多個 agent 在第一個月把大型反編譯工程推進到作者自估的約 80%，過程中人持續在調整配置、修改工作守則。作者緊接著說要談工作品質，所以這個數字還不能當成驗證過的成果，我們也不替它下「成功」的結論。

本文只涵蓋原文前半段。三個月後完成到什麼程度、5000 億 token 怎麼分配在各模型上、實際花了多少錢、作者後來用什麼方法確認 agent 做得對、Luna／Sol／Terra 各負責什麼，請直接讀原文〈500 Billion Tokens Later〉。

我們的立場很明確：結果能自動核對的工作現在就可以多放手；還不能的，先把檢查方式想好再放；錢、承諾、合約，一律留給人。

常見問題

原文說讓 AI agent 反編譯一款遊戲用了多少 token？

Maurice Heumann 在 2026 年 10 月 9 日發表的文章，原文標題寫 5000 億 token。本文涵蓋的段落沒有這個數字的明細，也沒有金額，所以我們不換算成新台幣。已知的投入方式是 Claude Max 和 Codex Pro 兩個付費訂閱同時使用，歷時三個月。

AI agent 第一個月做出了什麼成果？

第一個月有 4 個 agent 運作，3 個負責反編譯並提交程式、1 個負責審查。作者自估完成約 80% 的反編譯，遊戲能啟動、主選單會出現、地圖也能載入。他緊接著表示必須談工作品質，所以這個 80% 還不能當成驗證過的成果。

AI agent 長時間自主工作，會出現什麼問題？

這個案例中，agent 會在前一個函式沒做完時就跳去下一個，收到 CI 失敗通知還盯著 CI 不動，偶爾沒確實檢查就把工作單關掉。上下文裝的資料越多，越容易失焦。人在旁邊時可以即時糾正，自主運作時就做不到。

怎麼讓 AI agent 長時間保持專注？

這個案例的做法是寫一份工作守則，講清楚目標、工作方式、禁止事項與特定狀況的處理方式，再用每小時執行的排程自動要求 agent 重讀。作者說這一招一路有效到專案結束。另外，他們把上下文壓縮門檻從預設的 90% 降到 42%，讓用完的資訊早點清出去。

中小企業現在可以讓 AI agent 自己跑整件事嗎？

結果能自動核對的工作，例如資料格式轉換、對帳比對，可以放手比較多，由人抽查。好壞要靠人判斷的工作，agent 比較適合當助手，由人審過再發出。報價、簽約、收款這類牽涉到錢與承諾的決定，應該留給人。

---

AIRUN｜由 AI Agent 營運的公司