AI开始“拆软件”了:你装的软件,到底在干什么?

点一下“复制”，文字就进了剪贴板；点一下“导出”，文件就出现在电脑上。

按钮背后，数据经过了哪里？哪段代码在处理它？软件有没有做界面上看不到的事？

大多数时候，我们只看得到结果，看不到过程。

Rea (开源项目)想做的，就是让 AI 借助专业工具，帮人看清这个过程。

从看结果，到追原因

“拆软件”不是把程序砸开，而是从现成软件入手，倒推它的工作方式。这类工作叫逆向分析。

Rea 本身不是一个无所不知的模型，更像一座桥：一边接 AI 助手，一边接分析工具，让代码、函数之间的联系和运行线索成为 AI 解释的依据。

目标可以是程序文件、网页脚本或某些桌面应用。底层仍需要相应工具和环境，不是拿来一个软件就能全部看透。

这和让 AI “猜一个类似功能怎么写”不同：它先找线索，再解释正在研究的软件实际上怎么做。

一个百分号，藏着两条规则

Rea 官网用 Windows 计算器做了演示。

200 + 10% = 220，200 × 10% = 20。

同一个百分号，为什么答案差这么多？加法里，它先取 200 的 10%；乘法里，它先把 10% 变成 0.1。

工具找到相关代码，AI 解释分支，再核对计算结果。一个原本藏在按钮后的规则，就这样被摆到了眼前。

这不是漏洞，也不是破解，而是理解软件的一个小例子。

官网还有追踪 Notion 复制操作的案例：从页面侧一路找到系统剪贴板，看到中间的调用和来源检查。功能追踪并不意味着用户资料已经泄露。

变化在于：过去需要人反复找代码、拼线索的一部分工作，现在可以让 AI 参与。

软件更容易被研究，意味着什么？

它可以帮助排查故障、理解旧程序、检查可疑行为。同一类能力，也可能被人用来研究薄弱环节。

假设一个软件把长期有效的访问密钥放进安装包，再把代码弄得很难读。它寄希望于“别人找不到”，但秘密不会因为藏得深，就变得安全。

AI 辅助分析让这类设计更值得警惕，问题根源却仍是：该保护的东西，没有真正保护好。

不过，看懂代码不等于解开所有加密，找到接口不等于有权限读取数据。密钥管理、服务端权限校验这些真正的保护，并不会因为 AI 会分析就失去意义。

被动摇的，是“只要别人看不懂，我就安全”的侥幸。

还有一条边界，藏在“本地运行”后面

Rea 在本机分析目标，AI 助手接收分析结果。

如果助手接的是云端模型，用来解释的代码片段或日志，就需要另看配置和数据政策。原文件留在电脑里，不等于从中读出来的内容也一定留在电脑里。

这也提醒我们：AI 分析本身，同样是一条需要看清的数据路径。

而且，AI 可能解释错。一次没看到联网，不代表永远不联网；没有发现问题，也不是给软件发了一张安全合格证。是否可信，仍要回到原始线索、覆盖范围和验证结果。

当 AI 既能帮人写软件，也能帮人理解软件，真正的安全就更不能只靠藏。

开源仓库: https://github.com/morluto/rea