提供二进制文件,就能让 AI 重新实现软件功能?这个开源项目值得关注

大家好，我是aric。

遇到过这种情况吗：某个闭源软件里有个功能正好解决了你的痛点，你想知道它到底怎么实现的，好照着做一遍；或者手头有个没文档、没源码的老程序，出了 bug 只能靠猜。传统做法是开 IDA、Hopper 或 Ghidra 一点点读汇编，对非安全背景的开发者来说门槛不低，也极耗时间。

REA（ReverseEngineerAnything）做的事，是把这套逆向分析能力接到了 AI 编程智能体（ClaudeCode、Codex、Cursor、GeminiCLI 等）上。你用自然语言提一个问题，智能体通过 REA 去检查目标程序、追踪相关代码，再把结果和证据带回来。

下面基于它的官方仓库和文档，说说它到底能做什么、怎么用、边界又在哪里。

它解决什么问题？

逆向分析的麻烦不在“能不能做”，而在“太慢、太碎”。一个功能可能分散在预加载脚本、IPC 通道和主进程好几层里，手动追一遍要切好几个工具。REA 把这些工具统一成一套 MCP 工具，让智能体替你去翻、去追，并且每条结论都带着证据（以及它没把握的地方）一起返回。

需要先说清一个定位：REA 没有把逆向“全自动”。它更像一个把分析引擎暴露给智能体的中间层，最终的解释、复现代码和测试，还是由你的智能体完成。

核心能力

REA 能分析的目标类型不少，挑几个有代表性的说。

原生二进制文件

对没有源码的 .exe、.so、Mach-O 等，REA 借助你本机的 Hopper、Ghidra 或 IDA，返回伪代码、汇编、字符串、符号、调用和引用关系。官方文档提到，分析比较大的二进制时，可以调大启动超时：

JavaScript / Electron 应用

这类静态分析不需要本地原生分析引擎。REA 能还原模块、导入、source map、路由，以及渲染进程和主进程之间的 IPC 关系。文档里的 Notion 案例，就是顺着渲染进程的剪贴板 API，一路追到 preload 和 IPC 进入主进程，看清它的富文本剪贴板格式。

.NET 程序集与 Go / Rust 二进制

.NET 程序集可以做纯静态分析，返回元数据、CIL 指令和声明过的原生依赖，不需要额外引擎。Go 和 Rust 二进制则靠内置的静态检查，能挖出内嵌的编译器版本、模块、以及 cargo-auditable 的依赖信息——不需要你本机装 Go 或 Rust。

其他目标

文档还列了：离线 ELF 布局、WASM 制品、EVM 字节码、SQLite 数据库、Linux 崩溃记录、网站（需要 Chrome 系浏览器）、网络抓包（HAR / FiddlerSAZ）、AndroidAPK（需要 headlessJADX 和 JDK）。不同目标对外部工具有不同要求，不是开箱全包。

官方文档把这些目标整理成了一张对照表，标明每类目标能拿到什么结果，挑主要的看：

放到实际场景怎么用？

安装就一条命令：

它会把 REA 的 MCP 服务注册到你的智能体上，并写入对应的工作流指令（会备份原有配置），重启智能体即可。之后直接在智能体里用中文提问就行。

官方给了三个比较实在的案例：

这几个案例的价值在于，它们都附带了可验证的结果，而不是“看起来分析了一下”。

有什么限制？

把边界说清楚，免得抱着不切实际的期待去试。

另外官方特别提醒：只从 morluto/rea、rea.tools 或 npm 的 rea-agents 包获取，名字相近或照搬 README 的仓库不代表官方。

适合什么团队？

适合这几类场景：

不太适合把它当成“一键反编译出完整可读源码”的工具——它返回的是带证据的分析结果，复现实现仍要靠人（和你的智能体）完成。如果你的日常工作只是普通应用开发、不需要逆向第三方目标，那它基本用不上。

总结

REA 把逆向分析工具接到了 AI 智能体上，降低了“看懂一个没有源码的程序”的门槛。它对多种目标类型都有支持，原生分析依赖 Hopper / Ghidra / IDA，而 JS、.NET 这类可以纯静态完成。要不要引入，取决于你手里有没有需要逆向分析的真实目标，以及是否愿意为深度原生分析准备好相应授权和工具。

项目地址：

https://github.com/morluto/rea