ARTICLE · 1183378
REA :最近比OpenClaw(龙虾)还火的开源项目
这两天 GitHub 上有个爆火的项目叫 REA，全称 Reverse Engineer Anything——逆向一切。
10月4日的时候只有1500颗星，今天（10月14日）已经20.6万颗星了
大名鼎鼎的OpenClaw，也就是年初那个全民养的龙虾，三天也就得了6万星，而REA 是四天9万星！
01 它到底是个什么东西
一句话：给它一个软件，在没有源代码的情况下，它可以把这个软件拆解一遍，然后告诉你某个功能是怎么实现的，还能直接帮你复刻这个功能。也就是说，它就是个软件/功能复制机！
想安装也很简单，就一条命令：
npx rea-agents setupREA的实现原理其实也不复杂。它自己没有反编译器，核心干的是调度：把Ghidra、IDA Pro、Hopper、JADX、Binwalk、Frida这些开源工具的接口统一过来，接成一个符合 MCP 标准（AI 工具之间通用的那套插头）的服务器，挂到你用的 Agent 上。
支持 Claude Code、Codex、Cursor、Gemini CLI、Windsurf、Devin、VS Code、GitHub Copilot CLI 等十几个Agent 。
不过它自己的 README 写得也坦诚，有三件事明确说做不到：
•不声称能还原出原始源代码——它还原出的是行为等价的逻辑，不是作者当初敲的那几行代码
•不能克隆整个应用
•Windows 下的原生进程录制目前不可用，Windows 上跑 Ghidra 标注为「实验性」
这一点我很欣赏，一个爆红的项目，在自己的首页上先写清楚「我不行在哪」，比吹牛难得多。
02 举几个使用它的场景
1.你接手了别人写的程序，作者联系不上了，文档比代码还难读
2.你用的某个库没有文档，出问题了不知道它内部到底怎么处理
3.你花钱买了套软件，有个数据算出来跟你手算的不一样，你想知道它按什么规则算的
4.你看到某个 App 有个功能很好用，想知道是怎么实现的，或者你也想开发一个一摸一样的。
5.你想知道同一个APP不同的两个版本有什么区别，它直接给你生成一份改动报告，告诉你升级之后哪些功能变了
03 一个案例
官方放了好几个案例，我挑这个讲，因为它是唯一一个带了验证方法的。
目标是 DX-Ball，一个 1996 年的 Windows 弹球游戏。
问的问题是：游戏里一块砖被撞碎的时候，声音会从左声道或者右声道出来。那么，一个砖块的横向位置，是怎么变成「左一点还是右一点」这个音量参数的？
这在当年是个纯粹的调音师直觉问题，写在三十年前的二进制里。
按老办法你要干什么：装 Ghidra 或者 IDA，把它导进去等自动分析，对着一屏汇编找那个可疑函数，看它读了哪个变量，追它被谁调用，然后猜那串乘法是在干什么。
快半天，慢一周。大多数人走到一半就放弃了。
用 REA 的话，你只需要跟他说一句：
找到处理砖块碰撞声音平移的那个函数，把它的计算逻辑还原出来，并且告诉我你的依据。
它最后还原出了一段可以编译通过的 C 代码。
关键的不是还原出来了，是他们怎么验证的：
把这个 C 函数丢回原始的 x86 环境里跑，3,205 个行为用例逐一比对全部通过，而且编译出来的机器码，63 个字节跟原始二进制完全一致。
一个字节都不差。
这就不是「我觉得对」了。这是「我有办法证明它对」。
说明一下：这个数据是 REA 项目自己公布的，第三方没复核过，我也没跑到第二台机器上验证。但至少它的验证思路是可检验的，不是嘴上说效果好。
另一个我喜欢的案例是 Notion：追踪它复制一段内容时，数据是怎么从渲染进程走到主进程的，路径是 renderer → preload → main process。这条链路对做过 Electron 的人来说是熟的，但对没做过的人来说，以前你得翻文档、看源码猜；现在它能直接把这条线给你牵出来。
官网首页还放了一个特别小的例子，反而最能说明它是什么感觉：
为什么计算器输入
200 + 10%，显示出来是 220？
这个结果看着不合理，其实背后有一条具体的运算规则。手工弄明白它，要从 x64 汇编里把那条规则抠出来；用 REA，就是一句英文提问。
04 真正的突破在于「给证据」
到这儿为止，说的都还是「它把专业工具接了过来」。只凭这点，它顶多算个便利工具。
真正让它不一样的，是它交付答案的方式——它返回的不是结论，是证据。
每个回答都会给你返回四样东西：
1.偏移量——这段东西在文件的哪个位置
2.反编译出来的片段——不是复述，是原件
3.推理链——它是怎么走到这个结论的
4.它没能搞定的部分——明确写出来「这里我没弄明白」
打个比方。以前的 AI 像个过于自信的同事，你问他，他说「我看过了，是这样的」，眼睛都不眨。你信不信全凭感觉。
REA 是把草稿纸一起递给你，上面写着「我推导到第三步卡住了，这两行我没看懂，你判断一下」。
这个差别在可靠性上是天差地别：前者你只能选择信或者不信，后者你可以核。
05 它会带来什么改变
第一层：软件的技术壁垒越来越弱
过去二十年，一家软件公司的护城河有很大一部分是：这个功能只有我会做。
REA 这类工具把这个前提拆掉了。功能是可以被看懂的，看得懂就抄得走。
发布第二天，Adobe 的全家桶就有人拆了；几天之内冒出一批像素级相似的免费作图、剪辑工具。谷歌全家桶也没跑掉。
那还剩下什么是搬不走的？我的判断标准是这么一句话：
把它的界面放到你面前，你缺的东西还在不在？
按这个标准看：
华尔街见闻那篇分析给了一句我觉得很准的话：软件行业的分化，会比整体替代更值得关注。
意思是别急着喊「软件公司要完了」。更可能发生的是：靠功能吃饭的往下走，靠数据和责任吃饭的往上走。
第二层：最该慌的不是大厂，是中间那一层
这个判断可能有点反直觉，但我越想越觉得是这样。
大厂的护城河其实早就不是「会做这个功能」了，而是：十年累积的数据、成千上万客户踩过的坑、出了事谁负责、合规资质、生态里上下游的位置。
这些东西 REA 动不了。它给你功能，给不了沉淀。
真正在被抽掉地基的，是靠信息不对称吃饭的那一层。
举个例子你就明白了。以前有一门生意叫「我们知道这个系统怎么配、怎么接、中间那条链路是怎么通的」——集成商、外包定制、某些咨询。
这门生意的成本，很大一块是搞懂别人东西的时间。REA 把这块时间从「几周」压到「几十分钟」。
你的报价里那部分「因为我知道而你不知道」的溢价，会直接归零。
对一个人做产品的人来说，这条我感受很深。我在用AI写代码的时候，遇到闭源的依赖卡住，之前唯一的选择是翻文档、发邮件问、或者干脆绕开。
而现在只需要让REA拆解一下。
第三层：工具平权，不等于能力平权
REA 这种工具干的事情本质是：把「做」的成本打到接近于零。
所有人都拿到同一把铲子之后，值钱的东西就转移了——从「会不会挖」变成「知不知道该在哪挖」。
回到 DX-Ball 那个案例。REA 给你的，是那个 sound-pan 的计算公式，精确到 63 个字节一个不差。
但它不会告诉你：
这个效果还该不该这么做？
用户真正想解决的问题是什么？
最好的用户体验是什么？
所以对一个人做公司的人来说，我的结论是：
凡是「做」的部分，成本会继续往下掉，快到你拦不住。真正要花时间去积累的，是「判断」——做什么、给谁、怎么判断它做对了没有。
当所有人的手都被放大之后，拼的就是眼睛了。
路漫漫其修远兮，吾将上下而求索。
