ARTICLE · 1268527

没有源码也能看懂一个软件?REA 让 Agent 学会逆向工程

发布时间：2026-10-28 18:26:07 最近访问：2026-10-28 18:26:07

逆向工程这件事本身一点也不新鲜。Ghidra、IDA Pro、JADX 这些工具早就有了，安全研究员、游戏 Mod 作者、搞协议逆向的工程师天天在用，GitHub 上相关开源项目一抓一大把。

真正少见的，是把这些工具接进 AI 的。过去你想让 AI 帮忙看一个二进制项目，基本只有一条路：把文件丢给 ChatGPT，问一句“这个程序在干什么”。这条路其实非常不靠谱：AI 一本正经地给你编了一段“分析”，虽然术语全对、逻辑通顺，但结论一个证据都没有。它描述的可能是一个真实程序，也可能是一个它想象出来的程序，而你根本分不清。这就是大模型做逆向工程最大的死穴：幻觉。

2026 年 10 月，这个情况被一个新项目打破了——REA。它创建于今年 4 月，只用了半年时间就拿下 36 万+ Star（截至 10 月 23 日为 368,623，Fork 超过 9.2 万），登顶 GitHub Trending 第一。Hacker News 上的首发讨论帖拿下 814 赞、340 条评论，连以批评著称的 404media 都专门写文章讨论它。

它做的事情写在副标题里，简单粗暴：

用 AI Agent 逆向工程任何东西，从应用行为，一路下钻到原生二进制。

REA 到底是什么

REA 的全名是 Reverse Engineer Anything，作者是个人开发者 morluto，MIT 协议开源，TypeScript 编写。

一句话介绍：一个开源的 CLI 工具 + MCP 服务器，把 Ghidra、Hopper、IDA Pro、JADX、ASAR 这些专业逆向工具“接到”你的 AI 编程助手手上，让 Agent 能对任何软件做逆向分析。

如果你的日常工具是 Claude Code、Cursor、Codex CLI 或者 Gemini CLI，接入 REA 只需要一条命令：

npx -y rea-agents@latest setup

装完之后，你就可以对 AI 助手说人话了：“帮我分析这个 APK 的验证码逻辑？”“这个 Electron 应用往剪贴板里写了什么？”“这个 DLL 的加密函数在哪？”，Agent 就会自己打开逆向工具，自己找证据，自己写分析报告。

官方给的工作流长这样：你提出问题，REA 调度本地工具检查和追踪目标，把代码、引用和未知点作为证据交还给你，Agent 基于这些证据去解释、实现和验证。

这个项目迭代速度惊人：今年 4 月创建，10 月已经发布到 v6.7.0，几乎每周都有更新。

它能干什么

大多数“AI + 逆向”的项目只做某一层，REA 的野心是从上到下一条链打通：

• 应用行为层：Electron 应用（通过 ASAR 解包直接看源码结构）、浏览器行为、JS/V8 层的运行时逻辑
• 中间层：.NET 程序集反编译、Android APK（通过 JADX 还原 Java 代码）
• 机器码层：ELF、Mach-O、PE 格式的原生二进制，交给 Ghidra、Hopper 或 IDA Pro 处理。x86、x64、ARM 乃至 m68k 裸镜像都支持

为了驱动这些功能，REA 内置了 12 个工具族、126+ 个 MCP 工具，背后编排着一系列的专业工具：Ghidra（NSA 出品的开源逆向框架，免费）、Hopper、IDA Pro、JADX、ASAR、Kuna 静态分析等等……

一张图看懂它的全栈架构：

REA 的价值不是重新发明一个反汇编器，而是作为“总指挥”：Agent 决定问什么问题，REA 调度合适的工具、把结果切成模型消化得了的碎片、再把证据喂给模型。

下图就是 REA 驱动 Hopper 分析一个 Mach-O 二进制的真实界面，下方日志区正在执行它的 Python 分析脚本：

还有一个对很多人来说是决定性的设计：本地优先。所有分析都在你自己的机器上跑，二进制文件永远不上传云端。对企业敏感样本、安全研究员的未公开漏洞样本来说，这条红线至关重要。

最大亮点：不给证据，不许下结论

把 Ghidra 接给 AI 这件事，两年前就有人干了，单看这一点，解释不了 REA 的 36 万 Star。它能火起来，靠的是一个独创的机制：Reconstruction Obligation Ledger，直译过来就是“重建义务账本”，或者叫它证据账本。

先说它针对的痛点。直接问大模型逆向问题，通常会遭遇两种困境：

第一种是凭空想象。 模型没有真实的反汇编输入，靠训练记忆里的“常见模式”编答案，输出貌似专业、实则虚假。

第二种是上下文爆炸。 就算你把反汇编结果贴给它，一个中等规模的二进制反编译出来动辄几万行，模型的上下文窗口瞬间被塞满，管中窥豹，结论照样不可靠。

REA 的证据账本则用一套强制规则对付这两种死法：

每一条结论，必须挂在一个“证据束”（Evidence Bundle）上——具体到文件偏移、汇编指令、交叉引用。Agent 说“这个函数在计算弹幕角度”？可以，请出示你在哪几个字节、哪条指令看到的。拿不出证据的推断，必须明确标注为推测，或者干脆撤回。

每个分析结果附带覆盖率评分（Coverage Score）——告诉你结论覆盖了多少比例的真实代码。

这套机制不是纸面设计。官方数据显示 REA 通过了 29.8 万项评测。

整个举证流程画出来是这样的：拿不出证据的结论走不到“账本”，只能被标注为推测或撤回重试：

打个比方：这就像司法体系里的证据链。普通 AI 逆向是“目击者口供”，说得再流畅也不能定案；REA 是“完整取证流程”，每个结论都有对应的物证编号，可以随时复核。它把 AI 逆向能力从玄学变成了工程。

实战：从 1996 年的老游戏到 Windows 计算器

README 里最硬核的案例，是 1996 年的老游戏 DX-Ball。

REA 的 Agent 接管后，用“Ghidra 反汇编 + 大模型推理”的组合拳逆向了它的音效声道逻辑，然后重建了一份实现代码：通过 3,205 个测试用例，与原版的 63 字节机器码完全匹配。

这份重建结果精确到了字节级别，每一条结论都可以按字节复核。

类似的案例还有很多。官方把三个招牌案例画在了一张图里：DX-Ball 音效声像、Notion 剪贴板桥、东方 TH04 弹幕环：

• Windows 计算器的 % 按钮之谜：用过 Windows 计算器的人都被它诡异的行为折磨过。REA 从 x64 汇编层面还原了真相：那背后是一套 M/DD/YYYY 格式的日期算术逻辑。是的，一个百分比按钮，底下埋着日期计算。三十年的悬案，Agent 给出了带证据的答案
• Notion 桌面版的剪贴板：你在 Notion 里复制内容时，它往剪贴板里塞的到底是什么？REA 从 ASAR 包和 V8 代码里把精确的正则表达式原样提取了出来
• 东方 Project 第四作的弹幕算法：Agent 花 10 分钟重建了 TH04 的弹幕环生成算法，重实现版本跑出了 70fps

还有逆向 Chrome 断网小恐龙的游戏速度公式、分析 Aegis 两步验证器 APK 的密码库细节……这些案例覆盖了从怀旧游戏、日常软件到安全审计的各种场景。

谁需要它

梳理下来，REA 的目标用户至少有五类：

1. 安全研究员 / CTF 选手：样本分析、漏洞研究，最需要“可复现的证据链”；
2. 闭源依赖和遗留系统的维护者：供应商跑路、源码丢失，必须搞清二进制在干什么才能继续运维；
3. 做互操作和 Clean-room 重实现的开发者：想兼容某个闭源协议、文件格式、私有 API；
4. 游戏 Mod 社区和怀旧游戏保存者：老游戏没有源码，想移植、重制、修复；
5. 纯粹好奇的开发者

也要说清楚：它不适合想“一键破解、去授权”的人。注意，逆向工程也是有法律边界的。

竞品对比

“给 AI 接逆向工具”这个方向，REA 不是第一个做的。2025 年 3 月，GhidraMCP 和 ida-pro-mcp 就已经入场，验证了这个赛道的可行性。但数据说明了一切（Stars 为 GitHub API 实测，截至 2026-10-23）：

差距就出在这里：竞品做的是给 AI 一把简单工具，REA 做的是一套鉴定流程和取证规范。

之前工具 MCP 桥的通病是：Agent 拿到工具就乱试，调用了 Ghidra 不代表结论可靠，输出没有任何验证环节。REA 用证据账本把“能调工具”升级成了“结论可验证”，又用多工具编排把“只能分析二进制”扩展成了“什么都能分析”。REA 晚了一年才入场，却把这两件事同时做对了。

使用方式

上手只要三步：

1. 装：npx -y rea-agents@latest setup，它会自动检测并配置你机器上的 Claude Code、Cursor、Codex、Gemini CLI；
2. 问：打开你的 AI 编程助手，用自然语言下任务；
3. 收：Agent 自动调度工具族，输出一份每条结论都带证据链接的分析报告。

前置要求：Node.js 22+；如果要用 Ghidra 后端，需要 JDK 21+，并准备 2~6GB 内存。提醒一句，Ghidra 分析大样本时冷启动比较慢，最长可能要等几分钟，第一次用别以为卡死了。