REA—AI逆向神器

一个叫 REA 的开源工具，上线一周 GitHub Star 冲到 12 万+，直接登顶 Trending。它只干一件事：让 AI 编程助手（Codex、Claude Code、Cursor）直接"读懂"任何一个软件的内部逻辑——网页、桌面应用、甚至没有源代码的二进制程序——然后帮你做出自己的版本。

这篇文章讲三件事：REA 是什么、怎么装、怎么 5 分钟跑通一个真例子，最后单独聊聊它的作者。

REA 全称 Reverse Engineer Anything（直译"逆向任何东西"），是一个开源的 MCP 服务 + 命令行工具，项目主页在 https://github.com/morluto/rea。它干的事，传统上要安全研究员对着反汇编器啃几天，现在交给一个会聊天的 AI 就行。

给它接上你的 coding agent 之后，它能分析四类目标：

它的工作方式是三步循环：反编译 → 追踪执行 → 在你的技术栈里复现逻辑。关键在于，每一步结论都带着"证据"和"限制"——它告诉你"这句话是从哪段代码读出来的"，而不是凭空编。

举个它官方常举的例子：Windows 计算器里，为什么 200 + 10% 会算出 220？REA 能读计算器的程序、追到那个百分号按钮的处理逻辑、给你看代码出处；Notion 的"复制"按钮，内容是怎样从应用进到系统剪贴板的，它也能一层层查清楚。你看到的不再是一句"它大概是这样"，而是一份能核对的解答。

为什么这事值得普通人关注？过去，手动逆向一个像样的二进制，往往要深耕多年的安全工程师，对着几万行没有符号的反汇编代码，用肉眼还原控制流。REA 把"读懂软件"的门槛，从" years of 训练"降到了"会聊天"——一个 agent 接上它，就能在一场会话里跑完反编译、追踪、复现的循环，驾驶座上的人不需要会读汇编，也能拿到能用的答案。这跟过去二十年 Ghidra、IDA 这些工具靠人手干，本质是一样的活，只是 Agent 坐进了驾驶位。

还有一点对普通人很友好：分析全程在你自己电脑上跑，被检查的二进制不会上传到任何云端。你拆的是自家软件还是别家软件，只取决于你问什么、怎么用。

GIGI 站在项目矩阵前

这次爆火背后，作者其实只有一个人：morluto。

REA 的 GitHub 账号就是 morluto，仓库在 github.com/morluto/rea。项目 2026 年 10 月 7 日发布，采用 MIT 协议，版权归 morluto 所有。X 账号同样是 @morluto。

REA 的作者 morluto 不是普通的AI博主，而是大神中的大神。他公开的研究方向集中在三块：智能体（Agents）、强化学习环境、偏好学习——都是 AI 基础设施里最硬核的方向。数学底子尤其亮眼：他解决了已有 33 年历史的 Erdős 问题 #81，并与长期合作者 N230M120 一起解决了若干相关猜想。

从他公开的项目版图看，REA 不是孤立爆款，而是围绕"让 Agent 理解和改造复杂系统"展开的基础设施矩阵的一环：除了 REA，还有配套的资源库 Awesome Reverse Engineering、运行时取证工具 flameout、基于 Git 的记忆系统 GitMem 等；他也给 gstack、Triton、Model Context Protocol（MCP）、DeepSeek Agents 等项目贡献过代码。

这不是大厂流水线出来的产品，而是一个在底层数学和 Agent 基础设施里持续深耕的独立研究者，把多年积累在一个方向上做穿了。REA 和 Awesome Reverse Engineering 成对出现（一个做工具、一个做知识库），说明它背后是长期积累，而不是蹭热度的灵光一现。对普通人来说，这意味着：你拿到的不是一个"调用现成 API 的套壳工具"，而是一套真正扎进二进制、符号执行、反编译这些硬核领域的真本事。

一个人、一个仓库、一周 12 万 Star——这背后不是偶然运气，而是一个持续在 Agent 基础设施和底层数学里深耕的独立研究者，把多年积累的一个方向做穿了。

GIGI 安装 REA

前置条件：本机装好 Node.js 22.19+ / 24.11+ / 26+ 和 npm（终端里 node --version 看版本，不够就去 Node.js 官网下 LTS）。REA 项目地址：https://github.com/morluto/rea。

接好 REA 只要一条命令：

```bash

npx rea-agents@latest setup

```

它会让你选要接入哪个 agent（Claude Code、Codex、Cursor、Gemini CLI、Grok Build 等共 17 种），先看它要改什么配置，确认后自动注册 MCP 服务 + 安装配套 Skill。装完记得重启一次 agent，让它加载新工具。

想全局安装、以后直接用命令行，就：

```bash

npm install --global rea-agents

rea doctor        # 检查本机前置条件和 agent 配置，不改任何东西

```

GIGI 调试恐龙小游戏速度

用 REA 官方最爱举的"恐龙小游戏"做例子。目标：弄明白"游戏为什么越玩越快"，再让 AI 做一个能自己调速度的版本。你不需要懂游戏代码，全程像聊天。

新建一个空文件夹（比如 rea-dino），用 Codex / Claude Code / Cursor 打开它，开个新聊天。终端里跑 node --version 确认版本够。

装好 REA 后，开一个独立的 Chrome 窗口专门用来让 AI 分析（普通 Chrome 没有这个调试入口）。下面两条按系统选一条：

macOS：

```bash

REA_BROWSER_DIR=$(mktemp -d /tmp/rea-browser.XXXXXX)

"/Applications/Google Chrome.app/Contents/MacOS/Google Chrome" \

--remote-debugging-address=127.0.0.1 \

--remote-debugging-port=9222 \

--user-data-dir="$REA_BROWSER_DIR" \

--no-first-run --no-default-browser-check \

"https://wayou.github.io/t-rex-runner/"

```

Windows（重点补的适配）：

```bat

"C:\Program Files\Google\Chrome\Application\chrome.exe" ^

--remote-debugging-address=127.0.0.1 ^

--remote-debugging-port=9222 ^

--user-data-dir="%TEMP%\rea-browser" ^

--no-first-run --no-default-browser-check ^

"https://wayou.github.io/t-rex-runner/"

```

成功后会弹出一个 Chrome 窗口，里面是恐龙游戏。调试地址是 http://127.0.0.1:9222（127.0.0.1 指你本机，9222 是这次的入口编号）。

回到 agent 聊天，把这段整段发过去（英文工具名是写给 AI 调用的，照抄即可）：

等它回答。它会先让 REA 找到页面、读脚本，再解释加速规则，并附上代码位置。你要拿到三个数：起始速度 6 → 每次符合条件的更新 +0.001 → 速度低于 13 才继续加。

接着同一个聊天发：

等它写完，用 Chrome 打开 dino-demo.html：点开始、按空格跳、拖滑块看快慢、撞了点重开——跑通就是你的第一个 REA 作品。

一致就说明 AI 真的用上了它查到的规则，不是瞎写。

跑通恐龙游戏后，同一个思路能套到更多地方。REA 官方给的例子包括：Notion 的"复制"怎样把内容送进剪贴板、Notes 的导出按钮怎样生成下载文件、Aegis 验证码为什么每 30 秒换一次、DX-Ball 声音怎么分左右……你下次可以从"一个你好奇的按钮"开始，问 AI："按下它，背后到底做了什么？"

但有几条边界要心里有数：

顺带说一句它的定位：REA 是把"看懂现有功能"和"动手做一个版本"接到了同一次 Agent 工作里。它最适合的，是"我好奇这个按钮背后干了什么""我想给自家老软件做个兼容版本"这类场景；它不擅长、也不该被用于绕过付费墙或攻击别人系统。工具本身中性，落在谁手里、问什么问题，决定它产出的是知识还是麻烦。

REA 把"看懂一个软件"的门槛，从" years of 逆向工程训练"降到了"会聊天"。你不必懂汇编，也能让 AI 拆开一个软件、弄清它的原理、做出自己的版本。

今天装一条命令，挑一个你好奇的按钮，问问它"背后做了什么"——这就是 REA 给普通人的第一课。