AI 开始拆软件了:这个 REA,让好功能不再只看得见

看到一个好用的功能，你有没有想过，把它做进自己的产品里？

界面可以照着画，交互可以反复试。可一到真正写代码的时候，问题就来了。搜索为什么这么快，复制粘贴为什么能保留格式，一个不起眼的按钮背后，到底串了多少逻辑。你能看到结果，却摸不到实现。

让 AI 帮忙，它很快就能写出一套方案。代码能跑，效果也像，但原来的软件究竟怎么做，还是不知道。

REA 就是想把这一步往前推。

它的全名是 Reverse Engineer Anything，配套的 skill 叫 reverse-engineer-anything。简单说，它给 AI 一套逆向调查的方法，再通过 MCP 接上实际的分析工具，让 AI 能从软件本身找线索，拆模块、追调用、看反编译结果，逐步解释一个功能的实现。

你负责提出问题，它负责沿着证据查下去。

比如，你想研究一个应用的搜索功能，就可以让 AI 找到相关模块，追踪数据和调用关系，解释搜索流程，再根据查到的结果，为自己的项目实现类似能力。

这里最值得关注的，是证据。

AI 写代码很快，猜实现也很快。一个函数名，一段相似代码，都可能让它讲出一套听起来很完整的故事。可故事讲得顺，不代表事情就是这样发生的。

REA 返回的分析结果会带上相关证据和限制。结论对应哪些代码，调用关系走到了哪里，还有哪些地方没查清，都能继续追问。这样拿到的解释，才有机会被检查和验证。

项目里的案例也挺有意思。

比如追查 Notion 的剪贴板实现，从界面一侧的 API，沿着 Electron 的通信链路找到主进程，再查看富文本剪贴板格式。平时一次很自然的复制粘贴，拆开以后，里面还有好几层协作。

还有老游戏里的计算逻辑。通过原始指令和反编译线索，还原具体算法，再做验证。对喜欢研究老软件的人来说，这比看一篇笼统的原理介绍过瘾得多。

当然，名字里的 Anything，别当成万能承诺。

把一个软件丢进去，并不会自动得到完整源码。能研究到什么程度，取决于目标、打包方式和工具条件。反编译得到的伪代码，也需要继续分析。最后写出来的类似功能，仍然要靠测试确认。

它目前支持的对象包括 JavaScript、Electron 应用、.NET 程序和原生二进制等。不同目标需要的环境不同，深入分析原生程序时，还会用到 Ghidra、Hopper 或 IDA 这类工具。

还有一点容易被忽略。

只安装 skill，相当于给 AI 一本调查手册。要真正动手分析，还需要接好 REA 的 MCP 服务和相关工具。项目提供了 setup 命令，用来注册服务并安装配套指令，支持 Claude Code、Codex、Cursor 等工具。

想试试，可以从这条命令开始：

npx rea-agents setup

GitHub 项目地址：github.com/morluto/rea

安装条件、具体能力和案例，项目首页都有介绍。适合先挑一个你有权分析的软件，从一个明确的小功能开始研究。

我觉得 REA 的意义，是让研究现成软件这件事，多了一个更容易上手的入口。

对于开发者，遇到一个好功能，可以进一步理解它的实现。对于学习者，可以拿具体的软件问题练手。对于维护旧系统的人，也可能从程序里找到文档没有留下的线索。