第一次用 AI 逆向软件:从一句话,到一个能启动的 MySQL 客户端

如果你把一个软件的安装路径交给 AI，它能看懂里面有什么吗？

再进一步，它能不能根据分析结果，帮你做出一个功能类似的应用？

这次，我拿电脑里安装的 DBeaver 做了一次实验。

开始时，我只是想看看：一个小白第一次用 AI 做逆向分析，到底能走到哪一步？

最后，电脑上多了一个能启动的 MySQL 桌面客户端。

不过，这个过程最值得分享的，是 AI 做到了什么，以及哪些地方还需要继续验证。

第一步：我只给了它一个安装路径

我已经安装了 REA，随后对 AI 说：

我已经安装了 rea，帮我逆向解析 D:\Program Files\DBeaver

没有准备源码，也没有告诉它应该分析哪个文件。

这里的“逆向”，可以简单理解成：从已经安装好的软件出发，研究它由哪些部分组成、主要功能是怎样连接起来的。

对普通用户来说，一个软件可能就是桌面上的图标。

但对 AI 来说，安装目录里的启动配置、插件、资源和编译后的代码，都是可以研究的线索。

这次，它先检查了工具的使用说明，再读取 DBeaver 的安装结构。

过程也并非一路顺畅：最初，本地读取工具连续超时；后来换用获批的命令，才成功拿到文件内容。

这让我感受到，AI 做这类任务，也需要处理环境、权限和工具问题。

第二步：它真的从安装包里找到了东西

分析结果显示，我安装的是 DBeaver 26.0.5。

它采用 Java、Eclipse 插件体系和 SWT 桌面界面。安装目录里，顶层共有 362 个 JAR 文件。

你可以把 JAR 粗略理解成 Java 程序的代码和资源包。

AI 随后整理了插件清单、文件哈希、扩展声明和类清单，还解析了 10 个关键类的字节码。

“字节码”听起来很专业，其实可以理解成：源码编译后，留在安装包里的程序指令。

通过这些指令，它找到了两个很关键的边界：

• 数据库连接流程中，存在调用 JDBC 驱动建立连接的代码。
• SQL 执行流程中，会创建语句、设置超时，再调用执行接口。

对我这个第一次尝试的人来说，这比一句“它是数据库管理软件”具体多了。

AI 已经能把一个庞大的成品软件，整理成可以继续研究的模块和流程。

但这里有一个边界：这些是静态分析结果，没有运行 DBeaver 来验证全部行为，也没有恢复出完整源码。

第三步：我问了一个更实际的问题

看完分析，我真正关心的事情来了：

我想做同样的功能，需要恢复源代码吗？

AI 的回答是：不一定。

这也是整个实验里，对我最有帮助的一点。

因为我原本以为，要做类似的软件，得先把原来的源码全部恢复出来。

但完整反编译的成本很高，得到的结果也未必能直接编译运行。

如果目标是做一个数据库客户端，更实际的做法是先明确功能范围。

我随后只补充了两个条件：

支持 MySQL，做桌面端。

于是，任务从“研究一个软件”，变成了“做一个能使用的基础版”。

第四步：它开始写代码，而不是继续讲方案

AI 选择了 Electron、Vue 和 mysql2，独立编写了一个叫 MySQL Studio 的桌面应用。

第一版做出来的功能包括：

• 新建、编辑、测试和保存连接；
• 加密保存连接密码；
• 浏览数据库和表；
• 查看表结构、预览表数据；
• 编辑并执行单条 SQL；
• 展示结果、导出 CSV；
• 保留本次会话的查询历史。

界面也已经成形：左侧是连接和数据库，右侧上方写 SQL，下方看结果。

对于经常使用数据库工具的人，这个布局应该很熟悉。

整个过程没有恢复 DBeaver 的完整源码，也没有复制它的反编译代码。

逆向分析提供了理解软件的线索，新的应用则是根据明确的功能需求重新实现的。

第五步：测试也发现了真实问题

我觉得这一步特别值得小白关注。

AI 写完代码后，还进行了测试和桌面启动检查。

其中一次测试发现：执行 UPDATE 时，驱动可能返回空的字段列表，程序却直接对它进行处理，导致报错。

AI 根据错误信息定位问题、修改代码，再重新运行测试。

最终，13 项测试通过，界面构建和桌面启动检查也通过了。

随后，它生成了 Windows 便携版 EXE。我让它启动，程序也成功启动了。

这才是这次实验最直观的成果：从一个安装目录，走到了一个可以打开的桌面应用。

但它还不是完整的 DBeaver

这一点必须说清楚。

当前完成的是基础版，自动补全、结果表格编辑、SSH 隧道等功能还没有实现。

数据库协议测试使用了本地模拟器，通过真实 mysql2 TCP 客户端进行验证，还没有连接真实 MySQL 5.7/8.x 完成联调。

所以，“测试通过”和“真实数据库环境下已经充分验证”，是两个不同的阶段。

第一次用 AI 做软件，我更愿意把这个结果看成：一个已经能启动、具备核心流程、值得继续测试的原型。

小白第一次尝试，我最大的收获是什么？

不是记住了多少逆向术语。

而是发现，自己可以用普通语言推动一个技术任务：

先告诉 AI 分析哪个软件，再询问实现方式，然后补充平台和数据库范围，最后让它写代码、测试、打包和启动。

当然，目标越明确，结果越容易检验。

与其一开始就说“做一个完整的 DBeaver”，不如先说：

支持 MySQL，能连接、浏览表、执行 SQL、查看结果，做成桌面应用。

这次实验让我看到，AI 已经能把“我有个想法”，推进成一个可以打开、可以检查、可以继续改进的软件。

而第一次尝试的小白，最值得学会的，也许就是两件事：

把需求说具体，把效果看清楚。

最终效果如下