三天 12 万星:当 AI 学会逆向工程,软件开始＂裸奔＂

这两天，GitHub 上一个叫 REA（Reverse Engineer Anything）的项目，几乎霸占了所有技术社区的讨论区。

火到什么程度？截至 10 月 12 日，它的星标数停在 124,217，fork 27,911。作为对比，去年年底引爆全民"养龙虾"热潮、创下增长纪录的 OpenClaw，爆发第三天累计新增约 6 万颗星——REA 这条曲线，比当年的奇迹还要陡。

仓库此刻还在推送提交：2,485 次提交里，最新一次就发生在 20 分钟前。

项目地址：https://github.com/morluto/rea^[1]

它做的事，README 里有一句很克制的原话："通过 Agent 逆向分析一切，从应用行为一路深入到原生二进制层面（Reverse engineer anything with agents, from app behavior down to native binaries）"。

翻译成人话：把你手上的 AI 编程助手——Claude Code、Codex、Cursor、Gemini CLI 都行——通过 MCP 协议接到 Ghidra、Hopper、IDA 这些老牌逆向工具上。Agent 从此可以拆开一个没有源码的软件，追踪某项功能的实现线索，然后照着它再写一个出来。

安装只有一行命令：

npx rea-agents setup

能拆的东西，比想象中多：

• 原生应用：Mach-O、ELF、PE 和 macOS .app 程序包，连 Swift 和 Objective-C 的元数据都能读；
• Electron 和 JS 应用：不运行程序，静态梳理入口、模块、IPC 通道和 source map；
• 安装包：ZIP、APK、IPA、ASAR，不解压就能生成文件清单；
• 几个冷门但狠的：Go 编译产物里的构建信息、WASM 字节码、甚至以太坊智能合约（EVM）的调度选择器；
• 网站：通过本地 Chrome DevTools 端点，被动观察你自己控制的浏览器；
• 版本 diff：比较一个应用的两个版本，自动生成变更报告。

Replit CEO Ahmad Msad 的评价被大量转发："AI 驱动的逆向工程和反编译领域正在发生的事情简直不可思议。很快，所有软件都可能事实上变成开源软件。"

过去四十年，软件生意的一部分底层逻辑，建立在"源码不可得"这个前提上：我写了代码、编译成二进制，你拿不到，所以你得付钱。REA 动摇的正是这个前提——当 AI 能读懂二进制、追调用链、还能生成重构代码，"拿不到源码"这件事，还能挡住谁？

社交媒体上的反应更直接：

"这些订阅制都该消失。贪得无厌，真让人无语。"

"如果这真能跑通，那以后就没有什么东西还算专有了！软件这下算是彻底完蛋了！"

1 给编程助手配一把反编译器

你大概率有过这种时刻：用某个 App，发现一个功能做得特别顺——离线搜索秒出结果，同步机制丝滑得不像话。你想让自己的产品也有一个，但它没源码、没文档，连怎么实现的都不知道。

以前遇到这种事只有一条路：学逆向工程。装一个反汇编器，啃它的 API，在字符串和符号堆里翻找，手动追调用图，在好几个工具之间来回倒腾。这是一门需要几年功底的硬功夫，绝大多数应用开发者根本没时间碰。

REA 换了个思路：这活儿，交给你的 AI 编程助手。

更准确地说，REA 是一个 TypeScript 编写的开源（MIT 许可）工具，本质上是在 AI Agent 和逆向工具之间架了一层调度。有网友打趣：这相当于"有人给 Claude Code 配了一个反编译器"。

举个例子，你可以对它说：

Understand how search works in the Notes app, show me the evidence,and build a similar feature for my project.

后台会发生什么，大致是这样一个过程：

拆包、反编译、追调用链、重写实现，每一步的结论都附带证据与局限——这是 REA 一个值得肯定的设计：它没有假装自己永远正确。

需要说清楚的是，REA 调用的这些逆向工具，没有一个是新的：Ghidra 2019 年开源，Hopper 的历史可以追溯到 2011 年，IDA 从上世纪 90 年代起就是逆向工程师的标配。REA 做的，是让 Agent 能调用它们，把过去需要老师傅手工串联的分析步骤，接进了编程工作流。

大模型进入逆向工程，也并非始于 REA。

早在 2022 年，纽约大学和卡尔加里大学的研究团队就在论文《Pop Quiz! Can a Large Language Model Help With Reverse Engineering?》里测试过 Codex 能否辅助逆向：让模型阅读反编译代码，判断函数用途、程序能力、变量名的可能取值。这开了用大模型解析反编译伪代码的先河，但当时的 AI，只是一个需要手动复制粘贴的"阅读理解外挂"。

随后几年，技术路线分化成两派：一派以南方科技大学开源的 LLM4Decompile 为代表，尝试绕过传统引擎，直接把机器码翻译成 C 源码；另一派就是 REA 这样的 Agent 架构——在大模型与 Ghidra、IDA 之间架桥，让 AI 长出"手和眼睛"，自动提取符号、追踪调用链、写出能跑的落地代码。

真正让这件事出圈的，是今年 4 月一位资深安全人员的实战记录。

他从普通游戏一路拆到银行等级的 App。游戏类基本不在话下：Cocos2d 游戏靠纯静态分析就能识别出 Blowfish 算法并反推出 key；Unity 游戏靠观察密文特征猜出 Lua 注释格式，从而反推 XOR key。

真正让人意外的是银行 App。这类应用通常有多层加壳和混淆，带反注入、反调试、root 检测、模拟器检测一整套防护。按他事后的总结，AI 一层层分析、绕过了这些保护，最终在 root 过的模拟器上打开 App 并抓到了请求内容。

他用的工具是 Cursor 搭配 Claude Opus 4.6 high thinking，大部分时候 prompt 简单到离谱："某个文件夹底下有个 apk，把它逆向还原成源码。"很多 App 的逆向时间在 30 分钟左右，按 Cursor 的计费不到 5 美元；用 Claude Code 拆一个 Unity 游戏花了 4000 万 token，约 27 美元。平均下来，30 美元上下。

他自己感叹："那时我才意识到，我才是 AI 的限制器。"以前觉得 AI 办不到的事，其实是自己不敢让它去试。"只要你能给 AI 一个让他发挥的环境，确保他能看到足够的 log 而且验证对错，再给他够多时间，没有什么逆向不出来的。"

顺带一提，REA 仓库的提交记录里，专门有一条"明确负责任使用、保留第三方声明"的文档更新。工具是中性的，边界在于用它的人——授权协议、商业秘密、个人信息保护，逆向的合规红线在每个法域都不一样。这句话，应该写在每一次 analyze 之前。

2 克隆潮来了，护城河换了个地方？

逆向这件事，理论上早就可行，REA 只是把它递到了每个开发者的面前。

有网友提到一个现象："我怀疑这就是为什么过去几天，我的 YouTube 推送里出现了大量给各种商业应用做 Vibe Code 克隆版的视频。从 Adobe 到 Microsoft Office 的旗舰产品，应有尽有。"

应用克隆不是新鲜事。当年有人把 Flappy Bird 换个名字重新发布，第二天就冒出一大堆仿制品。但现在是数不清的仿制品：只要有人想要某款软件的功能，就可能有人把它克隆出来。眼下挨刀的是小团队，但 Adobe 不会幸免——Photoshop、Illustrator，整套产品都有人做出了克隆版，某些方面还更好，做这件事的可能还不止是个人行为。

对 REA 本身，有网友实测后反馈："REA 火成这样真不是吹的，我拿剪映和几个项目试了试，确实底裤都没了。"他提到看到别人某个功能做得好，顺着模块、路由、IPC 通信一路查到实现逻辑，在自己的项目里直接复现；还有一个更温情的用法——拯救没有源码的老软件：Agent 调用 Ghidra、Hopper 去读伪代码和汇编，甚至把老游戏里的算法精准还原出来。

那么问题来了：如果连没有源码的老软件都能被拆开、复现，软件公司的护城河在哪里？

技术专家徐昊的观点是：克隆能拿走的是代码，拿不走的是知识。面对一个没有源码的软件，重点从来不是"用另一门技术把它重写出来"，而是推断它的业务逻辑，弄清楚它到底在干什么。"你把它重演出来，我觉得这东西没什么意义。"

"软件本身不是产品，软件中的知识才是。"放到 REA 的场景里：它能还原出一份看起来完整的功能实现，但"还原出代码"和"理解了这个软件"之间，还隔着一层东西——它为什么这样设计，业务规则是什么，哪些行为是刻意为之，哪些是历史包袱。

换句话说，写代码，从来不是一个软件公司的护城河。

出海内容营销平台 QuickCreator 联合创始人阎志涛的观点更直接："REA 确实会进一步影响软件行业的生意模式，但要说这是软件的末日，我不认同。""如果源码一旦可以获得，软件生意就无法继续，那开源软件的商业模式早就应该不存在了。"

这个类比很扎实。很多开源项目的代码，本来就可以获取、研究，也可以在许可证允许的范围内使用和修改，但企业仍然愿意为商业订阅、托管和技术服务付费，这个现象已经存在很多年。以 Red Hat 为例，官方订阅说明里列出的价值包括：面向生产环境的软件、生命周期管理、兼容性、补丁和更新，以及技术支持和专家资源。客户付费买到的东西，明显超出下载一份代码。

企业当然可以自建团队把这些事做起来，但招聘、培训、经验积累、让这支团队长期存在，都是成本。版本发布以后谁来维护？依赖的组件出了问题，谁判断是否影响业务？多个产品放在一起使用，谁验证兼容性？这些工作不会因为代码公开了就自动完成。

这不意味着原有软件公司可以高枕无忧——服务体系本身也会被 AI 重塑。过去需要很多人完成的排查、文档整理、配置检查和部分实施工作，以后可能由更小的团队借助 AI 完成。如果新公司既能做出合适的产品，又能以更低成本提供可靠服务，它就有机会逐步建立客户信任。原来大厂不能因为自己过去拥有完整服务体系，就默认这种优势会永远保持下去。

回到 REA 本身，它改变的不是"软件有没有价值"，而是"软件的价值靠什么支撑"：当代码和功能越来越容易被复制，收费的基础就必须从"实现难度"和"信息不透明"，转向对业务的理解、对客户的响应、对系统长期运行的保障。

护城河没有消失。它只是从"你看不到我的代码"，挪到了"你拿不走我的服务能力和业务理解"。

参考资料：

• REA 仓库与 README：github.com/morluto/rea（截至 2026-10-12：124,217 星 / 27,911 fork / MIT / TypeScript）
• 《Pop Quiz! Can a Large Language Model Help With Reverse Engineering?》：arxiv.org/abs/2202.01142
• 资深安全人员 AI 逆向实战记录：blog.huli.tw/2026/04/18/ai-reverse-engineering-op/

引用链接