ARTICLE · 1151947
REA:让 AI 逆向任何软件,看到喜欢的功能直接复刻
— 01 —
一个让人有点不安的能力
过去两年，AI 编码助手已经能把"告诉我功能，我来写代码"做到很顺手。但反过来一直没人解决：看到别人产品里有个你喜欢的功能，怎么弄明白它是怎么实现的？
没有源码。二进制文件摆在那。你会用的工具是 Ghidra、IDA、Hopper——专业逆向工程师的地盘，学习曲线陡得让人劝退。
然后 morluto 做了一个叫 REA 的开源项目，把这件事变成了跟 AI 助手的一句对话：
Understand how search works in the Notes app, show me the evidence, and build a similar feature for my project.
后面那句 "build a similar feature for my project" 才是真正吓人的地方——逆向不再止步于"看懂"，而是直接通向"复刻"。
REA 官网首页
— 02 —
REA 是什么
REA = Reverse Engineer Anything，"逆向任何东西"。
它是一个 MCP（Model Context Protocol）服务器，把逆向工程的能力封装成一组工具，让 AI 编码助手（Claude Code、Cursor、Codex、Gemini CLI、Grok Build 等）能直接调用。
核心定位一句话：让 AI 助手在没有源码的情况下，检查二进制、追踪应用代码、观察运行时行为。
几个关键事实：
• 27,000+ GitHub Stars，2026 年刚破 2 万星大关的开源项目（MIT 协议）
• npm 包：rea-agents，npx rea-agents setup 一条命令安装
• 本地运行，不上传你的目标文件——分析完全在本地完成
• 证据驱动，每个结论都附带来源证据（汇编指令、源码位置、字节值），不是瞎猜
• 同时支持 CLI 和 MCP——不用 AI 助手也能在终端里用
REA GitHub 仓库首页
— 03 —
它能分析 12 类目标
REA 支持的 12 类分析目标
这是 REA 最夸张的地方——覆盖面。市面上的逆向工具基本各管一块，REA 一个项目把 12 类全收了：
目标类型REA 能给出依赖
原生二进制伪代码、汇编、字符串、符号、调用关系Hopper/Ghidra/IDA
JavaScript/Electron模块、导入、源码映射、路由、IPC无
网站页面结构、脚本、网络请求、截图Chrome 系浏览器
.NET 程序集元数据、CIL 指令、原生依赖无
Android APKManifest、类、反编译方法、引用JADX + JDK
固件分区、解压结果、原生分析转接Binwalk/Unblob
EVM 字节码分发选择器、字节偏移、推断参数无
ELF 布局节、段、符号/重定位、缓解候选pwntools
崩溃转储寄存器、信号、映射候选pwntools/GDB
网络抓包请求/响应、payload、源码位置HAR/mitmproxy
Apple 包文件清单、plists、bundle 结构无
进程行为终端输出、交互、文件系统观察Linux/macOS PTY
数据来源：REA 官方 README，2026 年 10 月核查
注意"依赖"那一列——JavaScript/Electron、.NET、EVM、Apple 包这四类完全不需要外部引擎，REA 自己静态分析就能搞定。只有原生二进制、APK、固件这类才需要接 Ghidra/Hopper/IDA/JADX。这意味着你光装一个 REA，就能逆向一大半常见目标。
— 04 —
案例一：用 REA 复刻 1996 年的 DX-Ball
REA 官网 DX-Ball 案例研究
DX-Ball 是 1996 年的 Windows 打砖块游戏。有人正在用 REA 把它的可执行文件逆向成可维护的 C 代码，一个函数一个函数地还原。
拿其中一个功能举例——声音的左右声道定位（sound pan）。砖块被击中时，它的水平位置会传给声音代码，转换成左/右声道的值。要还原这个计算，传统逆向工程师得在反编译器里手动追。REA 怎么干的：
第一步：AI 让 REA 分析函数 0x406400。反编译器给出的伪代码几乎是空的（只调了个 __ftol()），但汇编视图暴露了真实输入——[EBP+8]。
第二步：追调用者。REA 找到 0x411f40，那里把 tile 坐标乘以 30 再加 20，得出砖块的屏幕坐标 20 + 30 × tile_x。
第三步：读内存地址里的常量。REA 读了两个地址的字节，解码出三个 double 值：1.5625、500.0、1.0。
然后 AI 直接写出了还原的 C 函数：
DxBallInt dxball_screen_pan(DxBallInt x){ double pan; pan = (double)x; pan = pan * 1.5625; // FMUL [0x420068] pan = pan - 500.0; // FSUB [0x420070] pan = pan * dxball_pan_scale; // FMUL [0x4210a0] = 1.0 return (DxBallInt)pan; // __ftol}
这还不算完。还原完怎么证明是对的？两层验证：
• 行为层：跑了 3,205 个测试用例（坐标 0~640 × 5 种 pan scale），原始 x86 函数和还原的 C 函数返回值完全一致
• 字节层：用 VC4.0 工具链编译还原的 C，63 个编译字节与原函数完全匹配
整个 DX-Ball 项目到目前为止还原了 55 个 C 函数，做了 45,380 次与原始代码的差分比对，其中 33 个函数的编译字节完全匹配。这个精度是传统逆向很难达到的。
— 05 —
案例二：追踪 Notion 的剪贴板桥接
REA 官网 Notion 剪贴板案例研究
第二个案例更贴近日常开发——Notion 桌面端是个 Electron 应用。用户在 Notion 里复制一段文字，这段文字怎么从渲染进程走到系统剪贴板的？REA 把整条链路追了出来。
REA 先分析 Notion 的 preload.js，定位到暴露给页面的 API 和 IPC 调用点：
// 1. 页面看到的 APIconst clipboardApi = { write: invokerInMain("notion:clipboard:write")};// 2. preload 里的包装function invokerInMain(channel) { return (...args) => ipcRenderer.invoke(channel, ...args);}
通道名是 notion:clipboard:write。REA 接着在主进程的 main/index.js 里找这个通道的接收端：
// 3. 主进程的接收端handleRequestFromRenderer.addListener( "notion:clipboard:write", (event, data) => isNotionWebContents(event.sender) ? clipboard.write(data) : undefined);
四步链路：页面 API → preload 包装 → IPC 通道 → 主进程调用 Electron 的 clipboard.write。每一步都有代码证据。
REA 还发现了 Notion 的一个巧思——复制的 HTML 里塞了一个 HTML 注释作为 ID，跟本地保存的结构化 block 数据关联。粘贴时 Notion 读这个 ID，匹配上就恢复完整的 block 结构，匹配不上就只返回纯文本和 HTML。这个设计用传统逆向很难发现。
这个案例的价值不在于"破解了 Notion"，而在于展示了 REA 追踪跨进程调用的能力——从渲染层到主进程到系统 API，一条线走完。
— 06 —
REA 怎么工作
把 REA 想成一个"逆向工具箱"，AI 助手是拿工具的人。流程是这样的：
1. 你跟 AI 助手说："搞清楚 Notion 怎么复制文字的，给我看证据。"
2. AI 通过 MCP 调 REA：分析目标文件，拿到伪代码、汇编、字符串、调用关系
3. REA 返回带证据的结果：每个结论附指令地址、源码位置、字节值
4. AI 基于证据追问："调用者是谁？""这个地址的常量值是多少？"
5. AI 写出实现并测试：还原的代码 + 与原始行为的验证
关键点：REA 不替你做判断，它给证据。汇编指令就是汇编指令，字节值就是字节值，AI 基于这些硬证据推理。这跟"AI 自己猜一个实现"有本质区别——REA 的每个结论都可追溯。
— 07 —
怎么开始用
安装非常简单，一条命令：
npx rea-agents setup
这个命令会：
• 注册 REA 的 MCP 服务器到你的 AI 编码助手（Claude Code、Cursor、Codex、Gemini CLI、Grok Build 等）
• 安装配套的工作流指令（skill）
• 备份你现有的配置
前置条件：Node.js 22.19+ / 24.11+ / 26+，npm。
如果不想用 AI 助手，也可以直接在终端用 CLI：
# 分析一个 Electron 应用目录npx -y rea-agents@latest analyze-javascript-application /path/to/app --json# 安装 rea 命令用于日常使用npm install --global rea-agentsrea --help
原生二进制分析需要配置一个 provider（Hopper / Ghidra / IDA），setup 可以在你同意后安装 Hopper。Ghidra 和 IDA 用你已有的安装。
— 08 —
冷静评估
REA 很猛，但不是银弹。说几个需要注意的：
1. 原生分析还是要 Ghidra/Hopper/IDA。REA 只是把它们封装成 AI 能调的工具，逆向引擎本身没变。没有这些工具，原生二进制分析跑不起来。
2. 证据是给的，推理是 AI 的。REA 返回汇编和字节，但"这是什么意思"还是 AI 在猜。复杂算法的还原质量取决于 AI 的推理能力，REA 不保证正确——DX-Ball 案例里那 3,205 个测试用例就是为了兜底。
3. 法律边界。逆向工程在不同司法辖区的合法性差异很大。用于学习、互操作、安全研究通常没问题，但用于商业复刻要谨慎。REA 官方没有提供法律建议。
4. 大型二进制慢。Ghidra 分析大文件可能要很久，官方建议用 REA_GHIDRA_STARTUP_TIMEOUT_MS 环境变量调大启动超时。
5. 还在快速迭代。README 里反复提醒"先更新再报 bug"——REA 改动很频繁，很多 bug 在新版本里已经修了。
— 09 —
这意味着什么
REA 出现之前，"看懂别人的实现"和"写出自己的实现"之间隔着一道专业门槛——逆向工程。大部分开发者跨不过去。
REA 做的事，是把这道门槛从"学半年逆向"降到了"会用 AI 助手"。这不是说逆向工程师会失业——复杂二进制、加壳、混淆代码仍然需要专家。但对于"我想知道这个功能怎么实现的"这种日常需求，门槛被拉低了一个数量级。
更值得注意的是 REA 的证据设计。AI 编码助手最大的问题是"自信地胡说"，REA 用汇编指令、字节值、源码位置把 AI 锚定在事实上。这是一种很克制的设计哲学——工具给证据，AI 做推理，人做判断。
"看到一个你喜欢的功能，搞明白它怎么工作，然后自己做一个。"
—— REA 项目标语
从这个角度看，REA 不只是一个逆向工具，它是在把"向竞品学习"这件事工程化。值得关注。
项目地址：github.com/morluto/rea官网：rea.toolsnpm：rea-agents许可证：MIT数据核查时间：2026 年 10 月
Adobe 天塌了？7 款开源平替全用 Rust 重写，还支持 AI Agent 操作
最近爆火的GitHub 43k 星《高性价比人生指南》：不灌鸡汤，只帮你算账