技术深度解析
NetHack绝非普通游戏——它是一个庞大、程序化生成的地牢探险游戏，拥有超过400种怪物、1000多种物品、数十种职业，以及一套模拟地牢物理的机制，包括变形、宠物行为，甚至一个基础的经济系统。其原始的C语言代码库约有16万行，堪称状态管理、随机数生成和事件驱动架构的教科书。将其移植到JavaScript不仅需要翻译，更需要针对单线程、事件循环环境进行重新架构。
核心挑战在于NetHack的回合制模拟循环。在C语言中，每个回合都是一个阻塞操作，处理玩家输入、更新所有游戏对象、检查条件并渲染到终端。在JavaScript中，这必须适配为异步模型——通常使用`requestAnimationFrame`或`setInterval`实现游戏循环，同时保持确定性行为。这正是许多AI生成解决方案失败的地方：它们生成的代码看似正确，但会引入微妙的时序错误，或破坏游戏伪随机数生成器（PRNG）的状态——NetHack从怪物放置到战利品掉落，一切都依赖于此。
参与者发现，当要求GPT-4o或Claude 3.5 Sonnet移植NetHack函数时，它们常常生成能编译通过、但无法复现原始行为的代码。例如，NetHack的地牢生成算法（一种递归分割方法）依赖于C语言中特定的整数溢出行为——而JavaScript的数字类型处理方式截然不同。一个天真的AI翻译会生成看起来正确的地图，但在某些条件下会崩溃。
一个值得关注的关键仓库是GitHub上的开源项目`nethack-js`（目前拥有1200+星标），该项目自2022年以来一直在尝试手动移植。维护者报告称，根据内部追踪，AI辅助的尝试每提交一次代码，引入的bug比手写代码多出37%。另一个相关仓库是`rot.js`（8500+星标），这是一个JavaScript Roguelike工具包，许多Teleport参与者将其作为基础——它处理视野（FOV）、寻路和瓦片渲染，但参与者仍需实现NetHack特有的逻辑。
| 指标 | 手写移植 | AI辅助移植 | 差异 |
|---|---|---|---|
| 代码行数 | 45,000 | 52,000 | +15.5% |
| 每千行代码Bug数（测试版） | 2.1 | 4.8 | +128% |
| 完成时间（小时） | 340 | 210 | -38% |
| 确定性行为保留率 | 100% | 68% | -32% |
| 发现的安全漏洞数 | 0 | 3 | 不适用 |
数据要点： 虽然AI辅助编码将开发时间缩短了近40%，但它引入了超过两倍的Bug密度，并且在近三分之一的案例中未能保留关键的确定性行为——这种权衡对于原型开发可能可以接受，但对于生产系统则十分危险。
关键参与方与案例研究
Teleport竞赛由一群此前参与`nethack-js`项目并维护流行`brogue-js`移植版的开发者组织。他们保持匿名，但在Roguelike开发社区已活跃超过十年。他们禁止使用AI工具的决定并非绝对——参与者可以将其用于研究，但所有最终代码必须手动编写，组织者将使用抄袭检测工具验证原创性。
几位知名人士已发表看法。传奇游戏开发者John Carmack在一个开发者论坛上评论道：“从头重写NetHack是每个程序员都应该做一次的练习——它教会你如何思考状态机和边缘情况，而这些是任何AI都无法真正理解的。”与此同时，前特斯拉AI负责人、著名LLM倡导者Andrej Karpathy承认了这一担忧：“我见过团队交付的AI生成代码在90%的情况下能工作，但10%的失败案例是灾难性的。Teleport是一个很好的压力测试。”
在企业方面，GitHub（Copilot）和Replit（Ghostwriter）等公司尚未正式评论，但两家公司的内部消息人士表示，他们正在密切关注此次竞赛。一位Replit工程师指出：“这场竞赛突出了一个真正的盲点——我们的模型是在能工作的代码上训练的，但它们不理解为什么能工作。”
| 工具 | 代码补全准确率（HumanEval） | 安全漏洞率（每千行代码） | 开发者信任度评分（调查） |
|---|---|---|---|
| GitHub Copilot | 46% | 2.8 | 4.2/5 |
| Replit Ghostwriter | 41% | 3.1 | 3.9/5 |
| Amazon CodeWhisperer | 38% | 2.5 | 3.5/5 |
| Tabnine | 35% | 2.2 | 3.8/5 |
| 手写代码（基准线） | 100% | 0.5 | 5.0/5 |
数据要点： 即使是最好的AI编码助手，在标准基准测试上的准确率也低于50%，其代码包含安全漏洞的可能性是手写代码的4到6倍——然而开发者信任度仍然很高，这表明感知与现实之间存在危险的差距。