REA 让 AI 读懂软件的实现

借助 REA，我成功从这些文件中逆向出了代码。这次实践，让我直观地感受到 AI 在理解软件实现方面的价值。

REA 把软件逆向分析工具接入 AI 编码助手，让助手能够根据程序中的证据解释功能，并帮助开发者编写自己的实现。当手里只有已经编译好的程序时，它提供了一条重新理解软件实现的路径。

截至2026 年 10 月 30 日，REA 的官方 GitHub 仓库显示约41 万 Star。项目全称是Reverse Engineer Anything，官方仓库为morluto/rea，采用 MIT 许可证。1

REA 是什么

逆向工程，可以理解为从已经做好的软件出发，研究它的结构与行为。例如，从一个程序里的函数、字符串和调用关系，追查某个按钮背后的处理逻辑。

REA 提供了面向 AI Agent 的分析工具接口，也提供命令行。它通过MCP，也就是 Model Context Protocol，把这些工具交给编码助手调用。助手负责围绕问题组织调查，REA 负责提供分析能力与证据，底层分析引擎则承担反汇编、反编译等具体工作。1

可以把这个过程想成检查一台已经装好的机器：先找到与问题相关的部件，再观察连接和动作，最后解释它为什么这样运行。对软件而言，这些“部件”可能是函数、模块、消息通道或数据处理步骤。

这样的分工，使“帮我研究这个功能”有了更具体的执行路径。用户提出问题后，助手可以继续调用工具追查，而不是只凭界面现象推测实现。

它怎样分析一个功能

以原生程序为例，一次调查通常从寻找线索开始：相关文字出现在哪里，哪些函数引用了它，关键函数又调用了什么。REA 可以向分析引擎查询函数、指令、伪代码与引用关系，再把这些结果交给助手继续追踪。2

这里的重点是让解释有可以核对的依据。比如，助手认为某个输入会进入一个分支，就应该指出对应的条件和调用关系。静态分析里存在一条路径，也不代表程序在某次运行中一定经过它；涉及实际运行的问题，还需要相应的运行观察来验证。2

官网展示了一个容易理解的例子：Windows 计算器为什么会把 200 + 10% 算成 220？

在这个加法场景中，百分号处理的是前一个数的百分比：200 的 10% 是 20，所以结果为 220。案例把相关指令、函数调用与计算规则联系起来，再说明如何重建这个行为。它展示的是从程序证据推导具体规则的过程。3

对开发者来说，这种调查方式很实用。与其笼统地问“这个软件怎么做的”，不如先问一个能够验证的问题，例如“这个输入为什么得到这个输出”。问题越具体，越容易判断分析是否真正解释了现象。

它能分析哪些软件

REA 覆盖多种目标，不过不同目标返回的内容和所需工具并不相同。

Electron 应用尤其能说明跨模块追踪的价值。一个界面操作可能经过渲染进程、预加载脚本和 IPC，再由主进程处理。REA 的 JavaScript 工作流允许围绕特定线索追踪相关关系，并保留已知事实与尚未解决的问题。4

选择工具时，可以先看目标属于哪一类。静态查看 JavaScript 或 .NET 文件，与深入分析一个原生二进制，所需的环境和工作量会有明显差别。

为什么它值得关注

从开发流程来看，REA 吸引人的地方，在于把“研究现有行为”和“编写自己的实现”连接在了一次编码会话里。

例如，维护旧系统时，先把一个计算规则说明白，再补上对应的测试；研究兼容行为时，先确认输入输出和特殊情况，再设计自己的实现。这样安排工作，可以让后续开发围绕已经查明的问题展开。这些是基于其工作方式可以考虑的应用方向，实际效果仍取决于目标和验证质量。

它也适合教学。学习者可以追问一个结论来自哪条指令、哪个模块，再对照结果理解软件结构。AI 提供解释，程序证据提供核对解释的机会，两者结合才能帮助人真正理解实现。

最近的版本有哪些变化

截至本文日期，GitHub 最新正式发布版本为rea-agents 6.8.0，发布于2026 年 10 月 25 日。

这次发布的重点包括：从网络记录、浏览器场景等输入构建本地 Agent 环境；扩展对 GPU 代码对象、Python 字节码、Unity IL2CPP 元数据等格式的检查；通过保留摘要与按需查询，帮助较大的调查控制上下文规模。5

其中，本地 Agent 环境提供了一个值得继续关注的方向：把观察到的应用交互转成可供 Agent 使用的环境。发布说明同时强调，写入能力受到证据约束。因此，这项能力也需要按记录范围和支持的操作来理解。5

怎样开始使用

先按官方安装文档准备符合要求的 Node.js 与 npm，再从官方入口运行：

npx rea-agents@latest setup

按照向导选择要接入的编码助手，查看配置计划并确认，完成后重启相应助手。若任务需要原生分析，还要配置适合当前平台和目标的分析引擎，例如 Ghidra、Hopper 或 IDA；安装要求以相应文档为准。6

第一次尝试，适合选择自己有权分析的小程序，并把任务限定到一个功能。下面是一种可用的提问方式：

请用 REA 分析这个程序的百分比计算功能。先定位相关处理逻辑，再解释输入输出规则，给出支持结论的证据，并列出仍需验证的情况。

得到解释后，可以自己准备几组普通输入和边界输入，检查结论能否覆盖它们。若要编写新实现，再把这些例子变成测试，让分析结果能够接受实际检验。

使用时要理解的边界

REA 返回的伪代码、汇编或模块关系，需要结合分析范围理解。反编译和 AI 分析都可能不完整或出现错误，重建出的功能仍要经过验证。官方也明确提醒，不能把分析输出当作准确性、完整性或兼容性的保证。7

数据流向同样需要看清。REA 的分析在本地运行，工具结果会交给编码助手；助手所使用的模型服务，有自己的数据处理政策。涉及敏感程序或数据时，需要同时考虑这两个环节。1

此外，项目面向合法研究、教育、互操作性和软件保存等用途。能够观察到一个功能，并不自动获得复制其受保护代码或素材的权利。7

理解 REA，最值得抓住的是它提出的一种工作方式：围绕一个具体问题，调用工具寻找证据，再据此解释和验证软件行为。当 AI 能够把“为什么这样运行”讲清楚，并让人核对依据，它对软件开发的帮助也就有了更扎实的基础。

参考资料

1. REA 官方 GitHub 仓库与 README
2. REA 原生二进制调查文档
3. REA 官网与计算器案例
4. REA JavaScript 应用工作流文档
5. REA 6.8.0 正式发布说明
6. REA 安装与配置文档
7. REA 项目使用说明与分析限制