像给一栋老房子换管线，难点不只是拆得快，还要保证水电照常运转。CodeScene 的案例研究称，编码 Agent 用三周重构了一个 30 万行 C 代码的开源游戏项目，花费约 4000 美元；它在 726 个文件中完成 2903 次提交，修改 252055 行代码，将 Code Health——衡量代码结构、复杂度等可维护性信号的评分——从 5.6 推至 10.0。
真正值得看的不是“满分”，而是护栏：Agent 每次修改后，都用逐帧回放比较游戏状态哈希，检查运行结果是否悄悄变化；它还边做边整理出 22 个重构方案和 82 条辅助说明，失败方案也被记录。团队称改动经 54 个拉取请求合入分支版本的 main。不过，Code Health 不能替代缺陷率、性能测试和人工审查；此次案例也没有实际验证“缺陷减少 70%”等预测。换句话说，它证明了 Agent 能在强约束下大规模改代码，还没有证明代码质量已经全面满分。