REA开源之后:AI开始拆解软件,程序员该关注什么?

以前让AI仿一个功能，常见的起手式是发张截图：照这个界面做一个。

页面可能很快就有了。可搜索为什么快、数据存在哪里、点击按钮后发生什么，截图回答不了。外观之后，还有实现机制。

REA让人感兴趣的地方就在这里。它把逆向分析工具接到编码Agent手里，让Agent有机会检查应用包、追踪相关逻辑，再带着证据解释一个功能。

这个项目叫Reverse Engineer Anything，官方仓库是morluto/rea，npm包名是rea-agents。它支持MCP接入和命令行使用，REA自身编写的代码采用MIT许可。项目介绍

我更想讨论的，是这种能力开放以后，我们怎样研究已有软件，以及怎样把研究结果转成自己的工程方案。

本文按2026年10月14日可见的官方仓库和文档整理。功能边界以安装版本、操作系统和分析引擎为准；后面的搜索案例是自拟练习，并非对某款商业软件的实测。

可以把REA理解为编码Agent的逆向分析工具接口。Agent负责理解问题和组织调查，REA提供相应工具，分析引擎处理它们擅长的目标；返回结果包含证据与限制。也可以直接通过CLI调用这些工作流。项目说明

比如你问：“这个应用的搜索是怎么做的？”真正有价值的调查会继续问：搜索入口在哪里，查询参数怎么传递，经过哪些模块，有没有调用本地原生组件，哪些关系目前只能推测。

这里要把三个角色分清。

所以，装好REA不等于装好所有分析引擎。读JavaScript应用包，与分析原生二进制，需要的环境并不一样。

它也不应被理解成“任何软件都能恢复成原始源码”。反编译、重建和AI解释可能不完整或出错，仍需检查底层证据。项目的使用说明明确保留了这些限制。结果边界

不必背完整工具目录。先看你手里拿到的是什么，再找对应路线。

这张表列的是可用的调查方向，不是每种目标都能完整分析的承诺。

JavaScript与Electron的功能追踪，可以从模块、字符串、路由或IPC通道等线索出发；版本比较也会保留匹配依据与未知项。它不会把静态可达关系直接当作实际执行。应用工作流

原生分析要配置相应引擎，例如Ghidra、Hopper或IDA。拿到伪代码之后，还要结合调用、数据和上下文解释，伪代码不能直接当作原工程。原生调查指南

.NET这条路线重点是元数据和CIL等信息，不宜笼统说成“原样还原C#项目”。Android APK则需要对应JADX工具和完整JDK；Windows支持还取决于包版本提供的配套能力。.NET指南、Android指南

浏览器观察也有自己的连接条件和范围。看到一次网络请求，可以研究这次请求的内容和来源；没有拿到的服务端实现，仍然不能凭前端表象补出来。浏览器观察指南

如果已有完整源码，只是想理解普通仓库结构，先用常规代码阅读工具即可。REA更有特色的场景，是需要研究已交付的软件材料，或需要补充源码之外的行为证据。

下面做一个自拟练习：研究自己拥有或明确获准分析的Electron示例应用，看看它的搜索功能怎样工作。这里只给操作路径，不虚构分析结果。

第一步｜准备目标和问题

选一个明确路径，例如自己制作的应用包。下面的路径只是占位示例，请换成真实路径。

第一次别要求“完整分析这个软件”。先问搜索输入怎样传到查询逻辑。问题越具体，越容易知道调查有没有回答到位。

同时写清范围：只做静态分析，不运行目标，不连接账号，不修改应用。需要运行时观察时，再确认环境与具体动作。

第二步｜检查环境，连接客户端

官方列出的Node.js范围为22.x中的22.19及以上、24.x中的24.11及以上，或26及以上，并需要npm。它不会替你升级Node.js。运行版本声明、安装说明

安装流程中，选择你实际使用的客户端，查看拟修改的配置与技能路径，再确认设置。完成后，重启提示中列出的客户端。安装流程

别漏掉一个区别：技能说明与MCP连接是两件事。前者告诉Agent怎么调查，后者让它能调用REA。只复制一个技能文件，不能证明服务器已经连接。

如果只做静态JavaScript分析，不需要先装原生反编译引擎。Linux还要满足文档中的进程检查前提；原生二进制、APK等路线另有依赖。环境说明

第三步｜把调查任务说完整

下面这段可以改路径后交给支持REA的编码Agent。它是本文设计的任务模板。

分析完成后，别先看报告有多长。先看它是否回答了你的问题：入口在哪里，参数是什么，数据往哪里走，哪些环节还没确定。

第四步｜也可以先从CLI看结构

官方CLI支持直接分析提取后的应用目录或ASAR。下面是Windows路径示例，其他系统改成相应绝对路径。CLI指南

这里的-y用于npm包下载确认，不替代REA设置中的配置确认。这条命令是静态分析入口，不是运行示例应用。

大应用的完整结果可能很长。让Agent读取摘要、模块分页或某个模块的细节，复用已完成的分析，通常比反复重跑整包更合适。具体可用选项以安装版工具说明为准。结果读取与复用

第五步｜连接不通时，诊断对应部分

如果你用的是Codex，可以检查它的REA注册；其他客户端应换成安装文档列出的客户端标识。

缺客户端注册、缺原生引擎、目标路径错误，解决方式不同。别把所有失败都当成重新安装。官方文档也提醒，全环境检查不健康，并不必然意味着你当前需要的工作流不可用。诊断说明

@latest会随发布变化。重要调查应记录实际REA版本、目标版本和文件身份；还要注意，主仓新增能力不一定已经进入你安装的发布包。

假设分析发现一个带有search字样的模块。能确认的是：在这份材料的这个位置，存在相应内容。能不能进一步说“它实现了全文搜索”，还得看后续证据。

我建议把报告按三列检查。

这些示例是在教你怎么读报告，不是REA已分析出的搜索结论。

官方应用工作流明确区分静态观察、关系推断、运行时观察与因果证明；版本比较也不会因为扫描不完整就判定某个模块消失了。证据边界

特别要留意两种跳跃：代码里有，不等于运行过；当前样本没看到，也不等于整个软件没有。

可复查的报告，至少应该交代目标身份、主要证据、推断依据、未覆盖范围和仍未回答的问题。需要长期保留时，可以让Agent将证据导出到你指定的文件位置；REA提供Evidence导入、导出和比较相关能力。

先把调查结果写成功能规格，再让AI实现。不要把报告里一句“可能使用本地索引”，直接变成必须采用的架构。

继续用搜索练习举例。确认过的行为，可以写进规格；没有证据的内部细节，可以列为自己的实现选择。两者分开，后续才容易讨论。

搜索原型做出来之后，我会先用以下自拟清单检查，而不是只看页面像不像。

这份表验证的是你声明要实现的范围。通过有限测试，不代表与原软件全局等价。

真正可用的交付，还要考虑集成、权限、异常、维护和回归。REA提供调查能力，编码Agent可以辅助实现；工程验收仍然需要单独做。

软件研究的入口，可能继续向任务语言靠近

过去研究一个功能，往往先要熟悉几套工具，再把结果串起来。REA把这些能力放进Agent可调用的工作流，让使用者能够从“我想弄清什么”开始。

我的判断是，提出好问题的价值会更突出。工具能帮你搜线索，范围怎么定、缺口怎么补、什么证据够用，仍然需要判断。

这也给团队培训一个实际方向：第一次练习不必比谁的工具最多，可以比谁能把一个结论讲清楚，并让同事复查。

“源码不可见”的分量，值得重新思考

当应用包和运行行为能够被工具辅助研究，部分实现细节可能更容易被理解。但这不意味着产品竞争只剩“谁复制得快”。

在我看来，数据质量、服务能力和持续交付，依然是需要长期积累的部分。能做出一个相近的搜索原型，与维护一个多人协作、长期稳定的产品，是不同的工作量。

对自己的软件，也值得开始记录：哪些关键行为有测试、哪些接口依赖约定、哪些结论必须靠真实运行验证。软件的可研究性提高以后，清楚的工程边界同样有用。

开放能力，更需要保留判断过程

我更愿意把REA的意义看作让调查过程有机会被复查。如果结论留下了目标、位置、证据和未知项，下一个人就能继续研究，而不必从一句口头判断重新开始。

不过，开源不等于使用没有成本。模型调用、分析引擎、运行环境和人工验证，都可能构成成本。商业引擎仍有自己的许可条件；REA的MIT许可不替你取得这些许可，也不授予目标程序或数据的使用权。许可与使用说明

另外，分析在本地运行，不能直接推出整个Agent链路都不向外传数据。材料如何进入模型上下文、调用哪个服务、怎样保存结果，需要检查你使用的客户端和配置。项目也提醒，运行时与网络操作可能产生外部影响。

第一次用REA，我建议把目标定小一点：选一个自己有权研究的应用，只回答一个具体问题，留下能够复查的证据。

解释清楚一个搜索入口、一个数据流或一次版本变化，就已经是有用的进展。之后再决定是否补运行时观察，是否值得重建原型。

工具让调查更容易开始。最终能带回项目里的，是讲得清楚、查得到依据、验得过结果的工程认识。

来源与阅读范围

本文依据官方README及安装、CLI、应用工作流、原生、托管代码、Android和浏览器文档整理。功能介绍来自文档；搜索练习、提示词、验收清单和开源影响判断为本文设计与思考。

• REA官方仓库

• 安装与配置

• CLI与Evidence

• JavaScript与Electron工作流

• 原生分析指南

• 浏览器观察

• 使用与结果边界

留一个具体问题

如果你准备用REA，最想弄清哪个软件功能？欢迎在评论区写下问题和你希望得到的证据，去掉账号、文件内容及其他敏感信息。

如果已经用过，也欢迎分享一个“找到了线索，但还不能下结论”的例子。这样的边界，往往比一句“成功复刻”更值得讨论。

我是 Tiger，关注我，加我薇：hhhxy666666， 备注AI，进入AI技术交流群。