ARTICLE · 1200942
没有源码,AI 怎么看懂一个软件?聊聊 Rea
零象限 · 方法手记
有界面，就能看懂实现？
别只问答案，
去找证据
Rea 项目观察 · 功能追踪 · 能力与隐私边界
2026.10.17 ｜ 公开案例与独立验证分开看
本篇三个看点
它解决什么 ／ 怎样开始 ／ 边界在哪里
看到一个软件里的好功能，很多人的第一反应是截张图，丢给 AI。
「照着做一个。」
按钮的位置、配色、圆角，确实可以照着画。可一旦问题变成「搜索怎么组织」「复制一段内容时发生了什么」「这段计算为什么得出这个结果」，截图能提供的信息就不够了。
你看见的是结果，想理解的却是过程。
Rea 想往这中间补上一座桥。
它的全名是 Reverse Engineer Anything，名字很大，直译过来是逆向工程任何东西。但理解这个项目，最好先把 Anything 放一边。
它不是一个新发布的大模型，也不是把软件丢进去就能吐出完整源码的魔法。它是一套让 AI 助手调用分析工具、读取软件线索，并把结论连同证据交回来的工具。[1]
这次根据项目文档、部分契约和源码整理，未安装 Rea，也未运行案例。下面讲的是它的设计、作者公开展示的案例，以及可以怎么开始，不把阅读材料写成亲测体验。
Rea 最有意思的地方，不是让 AI 更敢猜，而是试图让它在解释软件时，有东西可以查。
先拿一个具体的例子说。
项目公开展示过一个 Notion 剪贴板案例。它研究的不是「把 Notion 整个复制出来」，而是沿着一条具体链路追踪，页面里的剪贴板接口，怎样经过中间桥梁，最后走到桌面应用的主进程。[2]
这里有个词叫 IPC，可以把它理解成应用内部不同进程之间的消息通道。你在界面上做了一个动作，真正完成工作的，可能是另一个进程。
看上去只是按了一次复制，背后却有好几次交接。
截图告诉你复制按钮长什么样，调用链才能帮你解释，内容到底经过谁，最后以什么格式进入剪贴板。
这就是 Rea 想解决的问题，少一点看图猜实现，多一点沿线索追原因。
当然，能追到一段链路，不代表理解了整个产品。公开案例也只是特定目标、特定功能的展示，不能推导出任意软件都能顺利分析。
另一个案例更能说明它的价值和边界。
作者展示过对 DX-Ball 声音左右声道计算的重建，报告了 3,205 个原始 x86 测试案例，以及 63 个编译后函数字节的匹配。[2]
这个数字看着很漂亮，但它对应的是一个明确的计算片段，不是整个游戏。
它值得关注的，是验证方式。不是「AI 说自己理解了」，而是拿重建结果去对照原始行为，甚至比较特定编译结果。
一个小函数有证据地做对，比对整个软件没有边界地宣称看懂，更有价值。
说到这里，逆向工程这个词，也可以放轻一点。
不必一听见它，就只想到破解软件。维护自己没有完整资料的旧系统、理解获准研究的文件格式、追踪兼容性问题、学习一个具体算法，都可能需要从结果往回找原因。
但项目开源，不代表研究对象也自动向你开放了权利。使用前仍要确认目标、素材、账号和操作的授权范围。别把「工具允许调用」当成「有权这样做」。
Rea 本身怎样接到 AI 身上？
它提供 CLI 和 MCP 两种入口。CLI 就是终端命令；MCP 可以先理解成一种接工具的方式，让支持它的 AI 助手知道有哪些工具可以用，以及该怎么调用。[3]
工作关系大致是这样。
你提出问题，AI 助手决定要查什么，Rea 调用对应分析能力，再把结果和证据返回。助手据此继续追问、解释，或者编写一个待验证的实现。
所以，它不是替代所有分析工具，而是把这些工具接进同一条调查流程。
对于原生二进制的深入分析，通常需要 Hopper、Ghidra 或 IDA 这样的分析引擎。JavaScript 和 Electron 的静态分析，则不需要先安装这一类原生分析引擎。[1]
同样叫分析，实际准备工作差别很大。
这张表是入口说明，不是通吃全部格式的承诺。相同扩展名可能对应不同部署方式，工具也有不支持和无法确定的情况。[3][4]
这里还有两个容易混淆的区别。
一个是静态分析和动态观察。
静态分析像把电器断电后打开外壳，看线路怎么接。Rea 的相关 JavaScript 工作流读取目标文件，不执行目标应用。它能给出结构线索，但不能仅凭这些线索证明，真实点击之后一定会发生什么。[4]
动态观察则要让东西运行起来。打开程序、输入内容、触发按钮，再查看实际反应。
它的信息可能更贴近真实行为，也可能涉及账号、网络、进程、文件和系统权限。不能因为任务写着「分析」，就把所有动作都当成没有副作用。
另一个是重建功能和恢复原始源码。
你可能根据证据，写出一个在若干输入下表现相同的实现。可原作者的变量名、注释、工程结构、全部异常分支，以及没有观察到的行为，不会因此自动回来。
复现了一个结果，和拿回整个工程，不是一回事。
Rea 更适合作为调查助手，不适合作为一键复刻的保证书。
那么，它怎样避免「听起来很有道理，其实证据不够」？
项目不只有展示页。它的 MCP 契约里定义了证据来源、标识、摘要视图，以及限制和未知项。部分结果还包含内容哈希，可以理解成用来核对内容是否变化的指纹。[4]
这些设计不能保证结论正确，但能让你追问，判断是从哪里来的，分析有没有被截断，哪些东西根本没有观察到。
这也解释了为什么别只向助手要一句结论。
可以要求它把「直接观察到的事实」「根据线索做出的推断」「暂时没有依据的问题」分开。证据不够时，留下一个未知，比补出一段流畅解释更诚实。
实际使用还会遇到一个很朴素的问题，材料太大。
官方 CLI 文档举了一个例子，某个 Obsidian 应用的完整分析证据文件达到 334MB，而它的摘要视图大约 10KB。[3]
这不是说每个应用都能压缩到这个比例，更不是模型费用保证。它提醒我们，不应该把所有结果不加筛选地塞进对话。
先看总览，再看相关模块，再沿具体功能追踪。就像查资料，先确定问题，再翻对应的页。
如果你想试，建议从一个有权研究、能够离线读取的 JavaScript／Electron 样例开始，不要第一天就挑战复杂商业客户端。
截至 2026 年 10 月 17 日核对，仓库与 npm 发布包均为 6.5.0。项目要求 Node.js 22.19 及以上的 22.x、24.11 及以上的 24.x，或 26 及以上版本，不能简单理解成「随便一个新版 Node 都行」。[5]
Node.js 是运行这套工具的环境。先准备好它和 npm，再看下面的命令。
以已经安装 Claude Code 的读者为例，可以先预览 Rea 准备修改哪些配置。
bash
npx rea-agents@6.5.0 setup --client claude_code --dry-run
这里固定版本，是为了对应本文核查的内容，不表示以后都不该更新。版本变化时，先看官方发布与安装说明。
还有一个细节，dry-run 预览的是 Rea 的配置变更，并不表示整个命令零执行。第一次用 npx，仍可能联网下载并运行这个包。请核对包名与官方来源，不要从同名镜像随便安装。[5]
看清配置路径、将添加的服务和技能，再去掉 dry-run，进入正式配置流程。
bash
npx rea-agents@6.5.0 setup --client claude_code
按提示审阅并批准。Hopper 是另外的可选项，不做原生分析时，不必为了把工具都装齐而安装它。完成后，按提示重启助手。[5]
只装一个同名 skill，不等于工具已经接通。官方说明，skill 提供调查流程指引，setup 才负责注册 MCP 服务并配上相应指引。[1]
你可以再检查一次环境。
bash
npx rea-agents@6.5.0 doctor --client claude_code --json
doctor 是诊断，不是任务验收。它能帮你发现配置或依赖问题，但不能证明某个目标已经分析成功。其他客户端的参数，请按安装文档调整。[5]
第一次提问，不建议直接写「研究这个软件，然后重做一个」。
可以把任务收紧成这样。
text
这是我有权研究的本地应用目录。
请先识别目标类型和当前可用的分析能力。
本轮只分析搜索功能相关的静态结构。
说明入口、关联模块和调用线索，附上证据位置。
把已知事实、推断、未知项分别列出。
不要启动目标应用、访问账号或调用外部服务。
如需要动态观察，先列出动作与可能的副作用，等我确认。
不要因暂时找不到线索就编造实现。
先输出分析报告，暂时不要重写整个应用。
执行前，把目录和具体功能说清楚。这是教学提示词，不是本次已经运行过的任务。
先拿到一份能对照的报告，再决定要不要继续。这样即使遇到问题，也比较容易知道卡在环境、能力、材料，还是判断上。
至于门槛，别被一行安装命令骗了。
下面只是本文的主观估计，以能使用终端、但没有逆向经验的开发者为起点，1 最低，5 最高，不是官方评分，也不是成功概率。
有前端经验，可能更容易读懂 JavaScript 模块图。有底层经验，原生分析可能顺手一些。但无论哪条路，能调用工具和能判断证据，都不是同一种能力。
费用也不能只看开源两个字。
Rea 自有代码采用 MIT 许可证，但 Hopper、IDA 等第三方工具仍有各自的授权条件。模型调用、存储和你的分析时间，也可能产生费用。免费工具、试用版和商业授权，不应混成同一笔账。[6]
电脑没有一个适用于所有目标的配置答案。只看静态模块，与启动完整分析引擎、运行应用和处理大证据文件，资源需求不同。先用小样例确认流程，再根据实际内存、磁盘和耗时决定要不要升级。
最后还得提醒一句隐私。
官方说 Rea 在本地分析目标，但 AI 助手会收到工具结果，所用模型供应商有自己的数据处理规则。[1]
如果调用云端模型，返回的代码片段、字符串、路径和其他分析内容，就可能随着上下文被发送过去。
本地分析，不等于整条工作流绝对离线。
涉及公司程序、未公开数据或客户材料，先确认使用范围和数据去向。需要严格离线时，要核查整条链路，而不是只看分析工具装在哪里。
聊到这里，Rea 真正值得关注的方向也就清楚了。
它试着把 AI 从「根据描述写一个答案」，往「拿着工具寻找线索，再给出解释」推了一步。
这一步有用，但离可靠的调查结果，中间还有人的问题意识、工具能力和验证工作。
软件不会因为 AI 更会说话，就突然变得透明。好的工具，是让那些原本看不见的交接，多留下一点可以追索的痕迹。
理解，比照着画难。留下证据，也比给出结论麻烦。
但如果真想学会一个功能是怎样工作的，这些麻烦，值得保留。
零象限
保持好奇，也保留判断。
资料与阅读入口
截至2026年10月17日，本文核查仓库提交为4a076f368c62bdfb19415accad342e03a38d1005，npm包为6.5.0。下方源码链接固定到该提交；项目后续版本可能不同。文中的案例数字来自作者材料，并非本次独立复现。
[1] Rea 项目说明与常见问题
[2] 作者案例入口 · DX-Ball 案例 · Notion 案例
[3] CLI 与证据读取
[4] MCP 工具与证据契约
[5] 安装、配置与诊断 · 版本与运行环境 · npm 包
[6] MIT 许可证 · 第三方工具与许可说明
