ARTICLE · 1175369
AI 开始“拆解”软件了:爆火的 REA 到底能做什么?——fabr行业观察
最近，一个叫 REA 的开源项目突然火了。它的全称是 Reverse Engineer Anything，直译过来就是“逆向工程一切”。
听起来有点吓人。有人甚至开始讨论：以后是不是把一个软件交给 AI，它研究几天，就能照着做出一个差不多的？事情没有这么简单，但它确实把一个过去门槛很高的专业领域，向前推了一大步。
REA 确实让 AI 更容易看懂一款软件，但离“一键复制所有软件”还很远。
它真正值得关注的地方，是让过去只有少数专业人员才能完成的工作，开始进入 AI 智能体的能力范围。
逆向工程到底是什么？
我们平时开发软件，是先有设计和代码，再得到一个可以运行的产品。逆向工程刚好相反：拿到一个已经可以运行的软件，在看不到原始代码或者不了解内部设计的情况下，根据它的页面、操作结果、网络请求和程序文件，反过来推测它是怎么工作的。
有点像拿到一台没有说明书的机器。你可以观察它按下按钮后发生什么，也可以拆开外壳，看看里面有哪些零件、零件之间怎样连接，最后尝试还原它的工作原理。
以前，这件事主要依靠专业工程师。他们会使用 Ghidra、IDA、Hopper 等工具，把程序一层层拆开，再从大量复杂信息中寻找有用线索。REA 做的，是让 AI 帮人完成这个调查过程。
REA 更像一名“AI 侦探”
REA 不是一个新的大模型，也不是一个按下按钮就能复制软件的工具。它更像一名会使用专业仪器的 AI 侦探。
比如，你想知道某款软件为什么在特定情况下出现一个功能。AI 可以先检查页面和网络请求，找到可能相关的程序，再继续追踪，判断哪些代码参与了这次操作。如果证据不够，它还可以换一种方式继续调查。
过去，工程师需要自己在多个工具之间切换，翻阅大量结果。现在，AI 可以先帮助查找、整理和解释，再把最值得关注的部分交给人判断。
按照官方介绍，REA 可以协助分析网站、电脑软件、Android 应用、网络请求、数据库以及部分设备固件。这就是它最有价值的地方：它没有发明逆向工程，但明显降低了逆向工程的使用门槛。
它不只是用来“抄软件”
很多人看到“逆向工程”，首先想到的是复制别人的产品。但在真实的软件行业里，它还有不少正当用途。
很多企业都有运行了十几年的老系统。系统还能用，但文档早已过时，最初的开发人员也已经离职。某段代码为什么存在、某项规则为什么这样处理，没人敢轻易修改。AI 可以帮助团队重新理解这些系统，为维护、迁移和改造提供参考。
在安全领域，工程师也可以用它检查可疑程序、寻找漏洞或者分析一次攻击是怎样发生的。此外，软件兼容、文件格式研究、老游戏修复、设备维修，也都可能用到逆向工程。
更有想象力的一步，是让 AI 根据一款程序表现出来的行为，重新写出一个功能相似的版本。
今年发布的 MirrorCode 研究，就在测试这种能力。研究人员不给 AI 原始代码，只让它观察程序接收什么、输出什么，然后尝试重新实现。结果显示，AI 已经能够完成其中一部分任务，一些较大程序的核心功能也能达到很高的测试通过率。这意味着，用 AI“看懂并重建软件”，已经不再只是想象。
REA 的优势在哪里？
最明显的优势，是快。传统逆向工程师可能需要在大量程序信息中寻找一个关键线索。AI 可以先完成搜索、归纳和初步解释，减少重复劳动。
其次，它可以连续调查。普通聊天模型只能分析你贴给它的那一小段内容。REA 可以自己调用工具，发现新线索后继续往下查，不必每一步都等人手动操作。
它还能把“看懂旧软件”和“编写新代码”接起来。AI 找到原有功能的实现方式后，可以尝试编写替代版本，再用测试比较新旧程序的行为是否一致。这种能力对于老系统改造、软件迁移和兼容性开发很有吸引力。
它的局限也很明显
首先，REA 看到的是线索，不是原始答案。软件经过编译以后，很多变量名称、注释和设计思路已经消失。AI 可以推测一段程序做了什么，却未必知道开发者当初为什么这样设计。
其次，它可能判断错误。逆向分析面对的本来就是不完整信息。如果 AI 一开始理解错了，后面可能沿着错误方向继续调查。已有研究表明，一些经过特殊设计的程序内容甚至可能故意误导使用大模型的逆向分析工具。
复杂任务的成本也不低。MirrorCode 的部分高难度实验，一次尝试可能消耗数千美元，而且 AI 仍会遗漏边界情况。所以，“几天复制任何软件”更适合做传播标题，还不能当成普遍事实。
最后是法律问题。研究自己拥有的软件、排查安全问题和开发兼容产品，与未经授权复制商业软件不是一回事。逆向工程可能涉及用户协议、版权、专利和商业秘密，具体边界也会因地区而不同。
它会不会让 SaaS 失去价值？
REA 对 SaaS 的冲击，首先发生在看得见的部分。一个 SaaS 只要对外提供服务，用户就能看到它的页面、操作方式和主要流程。过去，即使竞争对手看懂了，也需要重新组织团队开发。现在，AI 正在同时降低“理解产品”和“重新开发”的成本。
简单的表单、报表、内容处理和标准工作流，可能会越来越容易被模仿。但复制几个页面，不等于复制整个产品。
外部可以看到 SaaS 的页面，却看不到服务端的全部代码、历史数据、内部规则、安全体系和运维能力。企业购买软件，也不只是购买几个功能。数据迁移、系统连接、权限管理、稳定运行、客户服务，以及出现问题时由谁负责，这些都无法通过观察一个页面完整复制。
可以照着菜单做出几道相似的菜，不代表已经复制了一家能够每天稳定营业的餐厅。
真正改变的是软件的门槛
REA 不会让软件行业突然消失。它带来的变化是：软件越来越容易被看懂，常见功能也越来越容易被重新实现。
这对老系统维护、安全研究和软件兼容是好事；对依靠功能数量和信息差建立优势的软件公司，则不是一个轻松的消息。以后，一款软件如果只是页面更多、按钮更多，很难长期构成优势。
AI 可以帮助人拆开一款软件，也可以帮助人重新实现它。真正难以复制的，将是软件背后的数据、经验、信任，以及长期稳定运行的能力。fabr 背后的 FDM，正是把需求、关键决定、代码变化、测试结果、问题处理和验收依据等研发过程事实持续组织起来，让企业可以复用、溯源和追踪这些信息，并让后续参与的人与 AI 从历史工作中继续学习。软件功能可以被重新实现，但企业在真实研发中积累的经验，需要一套长期保存和使用它的方法。
资料来源
REA 官方项目：Reverse engineer anything with agents
MirrorCode：AI can rebuild entire programs from behavior alone
Automatically Attacking Software Reverse Engineering AI Agents
fabr——AI原生企业级编程与项目管理平台。现已开放全面免席位费的政策，企业想要尝试AI转型的都可以来试用，fabr提供系统的使用指导和支持，欢迎咨询～
