REA爆火背后——当AI在把软件变便宜,传统软件的护城河要失守了?

本期是 信息暗面系列 第04期

这两天，GitHub 上一个名叫 REA 的项目突然冲上热门。

REA，全名 Reverse Engineer Anything，中文可以理解为“逆向任何东西”。它把 Claude Code、Codex 这类编程 Agent，接到 Ghidra、Hopper 等专业逆向工具上，让 AI 能够分析软件、追踪函数和调用关系，再尝试解释它背后的运行逻辑。

REA 在 10 月 7 日约有 1 万 Stars，10 月 11 日已超过 8 万。它确实在几天内迅速走红。至于“比 OpenClaw 更快”这个比较，仁者见仁，智者见智了。热度追踪报道

Stars 是热度，不是能力证明。REA 更值得关注的地方，是它把一个长期由专业人士掌握的领域，推到了普通开发者面前。

逆向工程，过去不是“看一眼代码”

软件逆向工程，常常要从已经编译好的程序里，推断它原本做了什么。

它通常意味着你看到的不是熟悉的源代码，而可能是一串机器指令、函数地址、字符串和调用关系。想弄清一个功能背后的逻辑，得先判断程序结构，再从碎片线索中拼出合理解释。遇到复杂程序，还要操作反编译器、调试器，熟悉汇编、操作系统和运行环境。

举个最简单的例子，你去饭店吃饭，你需要根据端上来的菜品，还原出它是如何被制作的流程，食材，火候，步骤等等；按照这个流程制作能还原出来这个菜品；这对于工作了十几年的大厨来说，尚且费力，何况现在是要你一个普通人来做到这个；

这像是面对一台没有图纸的机器：你看不到里面的设计，只能观察接口、拆开外壳、测量零件，再推断每根线和每个齿轮的作用。错认一个部件，后面的结论都可能跟着错。

图：逆向工程像从一道成品菜反推食材、火候和步骤；这张图是类比示意，不是实际软件分析过程。

过去，逆向工程的高门槛不仅是“要懂汇编”，更是要有能力持续提出假设、寻找证据、验证假设。工具专业，过程漫长，经验很难速成。

REA 做的，是让 Agent 能操作分析工具

REA 不是自己发明了一套新的反编译技术，也不是把任何软件丢进去就能得到完整源码。

它做的是连接：通过 MCP 等方式，让 AI Agent 能够调用 Ghidra 等软件分析工具，搜索字符串、查询函数、追踪引用和调用关系，再把这些结果整理成更易读的解释。Agent 可以据此继续分析，或者尝试重建某个具体功能。

门槛因此发生变化。以前，你往往要先会操作专业工具，才能开始问问题。现在，你可以先用自然语言描述目标，让 Agent 帮忙查线索、解释术语、缩小范围。

这就像过去要先学会操作一整套实验室仪器，才能研究一块陌生芯片；现在多了一个会操作仪器、记录结果、整理线索的研究助理。它没有替你成为专家，但让你不必从零学会每一台仪器，才有资格开始调查。

AI 降低的是启动和试错的成本，不是让复杂问题自动消失。

最有说服力的，不是演示，而是验证

REA 的官方案例集中，有 Android APK、CTF 程序、Electron 应用和老游戏等不同分析任务。REA 官方案例集

其中，DX-Ball 案例分析的是一款 1996 年 Windows 游戏中的声音声像计算函数。官方记录显示，重建出的函数通过了 3,205 组行为对比测试；在指定编译环境和处理重定位后，编译结果与原函数的 63 个字节完全匹配。DX-Ball 案例详情

这里要说准确：匹配的是一个具体函数，不是整款游戏；3,205 组测试也不是整款游戏的完整测试。这个案例真正有分量的地方，是它没有止步于“AI 解释得挺像”，而是拿原始行为和编译结果去核对解释。

图：REA 官方 DX-Ball 案例的分析流程示意。

想直观看 REA 怎么工作，可以从官方案例集继续看。页面有分析过程、代码和验证信息，适合在文章里放一张案例列表截图，再引导读者自行查看。

软件护城河，开始从“代码难写”转向“价值难复制”

REA 引发的讨论，常常会走向“闭源软件是不是要终结了”。

这个说法太大，但它触及了一个真实变化：软件价值中，单纯的实现能力正在贬值。

以前，一个产品可以靠复杂代码、漫长开发周期和稀缺工程能力建立优势。现在，AI 编程工具降低了从想法到可用功能的成本；REA 这类工具，则开始降低理解已有软件逻辑的成本。一边让“从零写出来”更便宜，一边让“看懂别人怎么做”更容易。

当写和读这两件事都变便宜，依赖代码复杂度形成的壁垒就会松动。一个界面、一组常见功能、一段并不独特的业务流程，可能不再足以构成长期护城河。

但软件产品的价值不等于代码。微信、支付宝这类产品的壁垒，不只存在于安装包里，还包括用户关系、交易网络、服务端逻辑、数据积累、风控系统、品牌信任和长期运营。逆向一个客户端，不能直接复制这些东西。

所以更准确的说法是：AI 正在压低软件实现的成本，却没有自动复制软件背后的关系、数据和服务。

这会让护城河迁移。代码仍然重要，但产品的优势会更依赖谁更理解用户、掌握有效数据、连接关键渠道，并能在真实场景中持续迭代。

宇树科技创始人王兴兴在 2025 年的一次采访中说，自己过去十年犯的最大错误，是低估了 AI 技术进步的速度。采访报道这句话与 REA 无直接关系，但它提醒我们：AI 的冲击经常先从“原来只有专家才能做”的事情开始，再扩散到行业的成本结构。

被挤压的，可能是“只卖实现能力”的工具

从这个角度看，通用模型和通用 Agent 正在吃掉一些垂直产品的空间。

过去，用户可能要打开一个专门的网页工具，填写表单、选模板、一步步生成结果。现在，用户可以直接对 Codex 或 Claude Code 描述需求，让 Agent 写代码、调用工具、修改文件，再根据反馈继续调整。

REA 把这种变化推进到逆向分析：Agent 不只是生成新代码，也开始协助理解旧软件。

这不代表所有垂直工具都会消失。用户仍然愿意为可靠的工作流、专业数据、协作权限、合规能力和结果负责的服务付费。受到冲击的更可能是那些价值主要来自“替用户把一段普通代码写出来”或“把常见功能包成一个界面”的产品。

当能力可以被通用模型调用，产品就不能只靠“我会做”收费，还得回答“为什么用户应该一直用我”。

游戏移植，是趋势信号，不是 REA 的战绩

近期也有报道关注 AI 参与主机游戏的逆向和 PC 移植。例如，Switch 重制版《塞尔达传说：织梦岛》出现了非官方 PC 移植项目，开发者称大量使用了 AI。GamesRadar+ 报道

这可以作为“AI 正在帮助个人尝试过去超出其能力范围的工程”的例子，但报道没有说项目使用了 REA，也不能据此说大量 Switch 或 PS5 游戏已经被 AI 移植到 PC。

这个边界很重要。REA 展示的是一种新的分析工作流；游戏移植则是 AI 参与复杂工程的个案。它们共同指向门槛变化，却不是同一件事。

软件不会一夜消失，但软件能力正在变便宜

REA 不是“终结软件”的按钮，也不是“任何人都能逆向任何产品”的保证。

它更像一个信号：AI 正从生成新内容，走向理解和改造已有系统。过去只有少数专家能启动的工作，现在更多人可以借助 Agent 开始尝试。随着工具进一步成熟，软件行业里那些依赖信息不对称、实现稀缺和开发周期建立的优势，都会面对重新估值。

未来更难复制的，可能不是某段代码，而是理解需求的速度、真实数据的积累、用户信任、服务网络，以及把产品持续做对的能力。

AI 不一定终结软件，但它正在终结“把软件做出来”本身足以构成护城河的时代。

想了解 REA 的具体分析过程，可以从REA 官方案例集开始，看看它如何分析 APK、游戏、Electron 应用和老式程序。

✅ 更多技术深度探索？→ 信息暗面系列

✅ 获取AI行业深度解读？→ 信息暗面系列

✅ 发现更多职场人AI工具？→ AI工具系列

✅ 边看边做？→ vibecoding系列