夜雨聆风学习资料网

ARTICLE · 1196451

REA:让 AI 看穿任何软件的X光机,一周斩获 23 万 GitHub 星

REA:让 AI 看穿任何软件的X光机,一周斩获 23 万 GitHub 星

REA:让 AI 看穿任何软件的X光机,一周斩获 23 万 GitHub 星

逆向工程平民化时代来了

10月的第一周,GitHub 上发生了一件不太寻常的事。

一个名叫 REA(Reverse Engineer Anything)的开源项目,从 10 月 4 日的 1,513 颗星,暴涨到 10 月 14 日的 23 万+颗。连续 5 天霸榜 GitHub Trending 第一,单日最高增长 3 万颗星,npm 日安装量逼近 2 万。

这个增速是什么概念?今年上半年最火的开源项目之一,增长曲线也没有这么陡。

1REA 到底是什么

一句话:REA 让你的 AI 编程助手能够"看穿"任何软件的内部结构,哪怕你完全没有它的源代码。

你用着一个 App,觉得某个功能做得特别好,想知道它是怎么实现的。以前你有两个选择:猜,或者找一个逆向工程师花几周时间拆解。

现在有了第三个选择:打开你的 AI 编程助手(比如 Claude Code、Cursor),跟它说一句"帮我看看这个功能的实现原理",REA 会在后台调动专业的逆向工程工具,把这个功能的代码逻辑、调用关系、运行行为全部分析出来,然后告诉你答案——附带证据。

它不是自己造了一个反编译器。它连接的是逆向工程领域已有的专业工具——Ghidra(美国 NSA 开源的免费工具)、Hopper、IDA Pro。REA 做的事是把这些专业工具"翻译"成 AI 助手能懂的指令,让普通人也能用自然语言完成逆向分析。

2能做什么,不能做什么

能做的事:

分析原生二进制程序(Windows exe、macOS app、Linux 二进制),返回伪代码、汇编指令、函数调用链。分析 Electron 桌面应用,还原模块结构和 IPC 通信。反编译 Android APK。检查网站前端代码。甚至分析固件。

官方给出的案例都很硬核:用 REA 分析 Windows 计算器,搞清楚了为什么 200 + 10% 等于 220 而不是 210(答案是:% 按钮在加法后会取第一个数的百分比,200 + 20 = 220)。用 REA 分析 1996 年的老游戏 DX-Ball,完美重建了音效声像计算逻辑,63 个字节的函数全部对上。用 REA 分析 Obsidian 的快速切换搜索排名算法,4 分钟重建了一个功能等价的版本,4,915 个测试全部通过。

不能做的事:

REA 不能还原原始源代码。它给你的是基于汇编和运行行为的重建,不是开发者写的那份代码。重建质量取决于目标程序的复杂度——简单的功能效果不错,但面对大型复杂程序时,AI 助手可能会"偷懒"去找已有的开源实现参考,而不是真正从二进制中提取逻辑。

一个更重要的限制:REA 本身不带任何分析引擎。Ghidra、IDA、Hopper 都需要你单独安装配置。对于 Electron 和网页应用,REA 可以直接分析。但对于原生二进制,没有这些工具的配合,REA 什么都做不了。

3怎么用

安装只需要一行命令:

```

npx rea-agents@latest setup

```

运行后会自动检测你的开发环境,配置 MCP 连接,注册到 Claude Code、Cursor、Codex 等 AI 助手中。整个过程不到一分钟。

然后你就可以在 AI 助手中直接提问了:

"用 REA 分析一下 Windows 计算器的 % 按钮,为什么在加法后按 % 的结果和乘法后不一样?"

AI 助手会调用 REA 的分析工具,返回相关的汇编代码和伪代码,然后帮你解读逻辑,甚至可以用代码重建这个功能。

整个过程跑在本地,分析结果不会上传云端。唯一的例外是你用的 AI 模型本身(比如 Claude API)会收到分析结果——这取决于你用的是什么模型和服务。

4为什么这件事很重要

REA 的火爆不仅仅是"又一个好玩的开源工具"。它代表了一个趋势:专业工具的平民化。

逆向工程一直是一个门槛极高的领域。你需要懂汇编语言、操作系统原理、调试技术、反编译工具。学习曲线陡峭,能做好的人很少。

REA 做的事不是降低技术门槛——汇编还是汇编,反编译还是反编译——而是把"操作专业工具"这件事交给了 AI。你不需要知道 Ghidra 怎么配置、IDA 怎么使用,你只需要用自然语言描述你想知道什么,AI 帮你操作工具、解读结果。

这个模式——专业工具 + AI 代理——会在越来越多的领域出现。REA 只是逆向工程领域的第一个爆发点。

5冷静看待

REA 很火,但火不代表一切。几个需要注意的地方:

证据链还不够。 目前最亮眼的演示案例都来自 REA 团队自己或合作 YouTuber,缺少第三方独立验证。真实场景下的准确率、稳定性、覆盖度,还需要更多实际使用的反馈。

token 消耗巨大。 有开发者实测,REA 的 MCP 工具列表就有约 2MB 的 JSON——大约 50 万个 token。还没开始分析,光是"告诉 AI 有哪些工具可用"就占用了大量上下文窗口。对于上下文有限的模型,这可能成为瓶颈。

法律边界。 REA 的 README 明确写了"仅限合法用途"。用它来分析自己的软件、开源软件、获得授权的目标是合法的。但如果用它来分析商业软件然后复制功能,就是另一个故事了。工具无罪,用法有责。

技术要求。 需要 Node.js 22+。原生分析需要 Ghidra(免费)或 Hopper/IDA(付费)。不是开箱即用的体验。

6值不值得试

如果你对软件内部原理感兴趣,或者工作中需要理解一些没有源代码的程序行为,REA 是目前最值得尝试的工具。零成本——开源免费,Ghidra 也免费——花几分钟装一下就能体验。

如果你是想用它来做竞品分析或功能克隆,建议先搞清楚法律边界。技术上可行,不代表法律上可行。

GitHub 仓库:https://github.com/morluto/rea

官方网站:https://rea.tools

相关学习资料