夜雨聆风声明：本文仅供技术学习与研究交流，严禁用于任何商业目的！请遵守相关法律法规及平台服务条款。
前言
先说结论：我对web端基本算是七窍通了刘窍————一窍不通！
最近在研究某 AI 平台的语音合成功能，想把它的 TTS 能力集成到自己的工作流里做一些自动化实验。官方 API 要收费，而网页版有免费额度，于是萌生了一个想法：能不能用 AI 辅助逆向，把网页版接口搞明白？
实践下来发现，AI 时代的 Web 逆向和以前完全不一样了。以前你得自己一行行读混淆代码、手动断点调试，现在大部分脏活累活都可以交给 AI。整个过程我几乎没怎么手动分析代码，主要精力花在了"怎么问 AI"和"怎么验证结果"上。
下面分享一下完整流程。
整体思路
我的工作流分为 6 步，每一步都尽量让 AI 来干，人只负责"指挥"和"验证"：
Step 1：网络抓包，保存为 HAR
打开浏览器 DevTools（F12），切到 Network 面板，操作一遍目标功能（比如点击"生成音频"），然后右键导出为 HAR 文件。
要点：
勾选 "Preserve log" 防止页面跳转丢失请求 WebSocket 请求也会被记录在 HAR 里（包括收发的消息） HAR 本质是 JSON，里面包含了所有请求的 URL、Headers、Body、Response
这一步没什么技术含量，但很关键——HAR 就是后续所有分析的"原材料"。
Step 2：把 HAR 扔给 AI，整理成可测试的接口文档
这一步是整个流程的核心提效点。
直接把 HAR 文件（或者从中摘出的关键请求）丢给 AI，prompt 大概是：
"帮我分析这个 HAR 文件，整理出所有关键接口，按 Postman 可操作的格式输出，包括 URL、Method、Headers、Body、Response 结构说明。"
AI 会帮你：
区分哪些是核心接口、哪些是辅助接口 识别出 WebSocket 握手和消息格式 整理出请求参数的含义 标注哪些参数是动态的（需要每次计算）
Step 3：外部信息用配置文件分离
AI 整理完接口文档后，会发现有些参数是"你自己的"——比如 token、设备 ID、用户标识等。这些不应该硬编码在脚本里。
让 AI 帮你设计一个 config.json：
{
"credentials":{
"token":"你的登录token",
"uuid":"你的uuid",
"device_id":"你的device_id"
},
"tts":{
"model":"speech-xxx",
"voice_id":"某个音色ID",
"speed":1,
"vol":1,
"pitch":0
},
"output_dir":"./output"
}
这样做的好处：
敏感信息不会意外泄露 换号、换参数只改配置文件 脚本可以直接分享给别人
Step 4：搜索补充缺失参数
整理完接口文档后，你会发现有些参数搞不清楚怎么来的。比如我遇到的情况：请求里有一个 yy 参数，每次都不一样，明显是动态计算的签名。
这时候需要：
在浏览器 DevTools 里全局搜索（Ctrl+Shift+F）关键词 找到相关的 JS 代码片段 把混淆后的代码扔给 AI 分析 
我在 Sources 面板搜索 yy 相关的关键词，定位到了一段 webpack 打包后的代码。虽然变量名全是 e、t、l、n 这种单字母，但把上下文一起扔给 AI，它能帮你理清逻辑。
Step 5：还原加密算法
拿到混淆代码后，让 AI 帮你还原算法。这一步可能需要多轮对话：
先让 AI 解读混淆代码的大致逻辑 确认关键函数的输入输出 让 AI 用 Python 重写
这类平台的签名算法一般都是类似的套路：把请求路径、时间戳、请求体等参数按某种规则拼接，再做一次或多次哈希。具体的拼接顺序、分隔符、盐值各家不同，但思路大同小异。
还原出来后用 Python 实现大概长这样（伪代码，非真实算法）：
import hashlib
defgen_sign(path, timestamp, body=None):
"""动态签名计算（伪代码示意）"""
# 1. 组装签名原文：路径 + 分隔符 + 请求体 + 时间相关哈希 + 盐值
raw = encode(path) + separator + serialize(body) + hash(timestamp) + salt
# 2. 对原文做哈希得到最终签名
returnhash(raw)
核心就是：拼接 → 哈希，可能嵌套多层。具体实现因平台而异，需要结合上一步拿到的 JS 代码让 AI 分析。
如果纯靠人肉读混淆代码，可能要花好几个小时。但交给 AI，基本一两轮对话就能搞定。
Step 6：本地复刻测试
所有参数都搞清楚后，让 AI 帮你写一个完整的 Python 脚本：
WebSocket 连接 + 自动签名 发送合成请求 接收流式音频数据 保存为 WAV 文件
# 合成语音
python tts_script.py "你好，这是一段测试语音。"
# 查看可用音色
python tts_script.py --list-voices
跑通的那一刻，成就感拉满。
⚠️ 重要提醒：分散你的 AI 工具！
这里有一个血泪教训要分享：
尽量不要用 ChatGPT 做逆向分析！ 我已经被封了一个号了 
ChatGPT 对这类内容比较敏感，容易触发风控。我的经验是：HAR 分析和接口整理交给 DeepSeek（网页版或 API 都行，注意别直接说"逆向"，就说"分析接口"就好，但据说DeepSeek是逆向好手，但没怎么用过），它上下文窗口大，吃得下整个 HAR 文件。而还原加密算法、编写最终脚本这些活，我用的是 Kiro——非常配合，啥都能干 
甚至还帮我主动搜索了该平台签名函数的相关资料，属实是逆向好帮手。
总之一句话：把"危险"的活分散到不同工具上，ChatGPT 留着干正经事。
总结
AI 时代的 Web 逆向，核心能力从"读代码"变成了"问问题"：
抓包是基础 — HAR 文件是一切的起点 AI 是放大器 — 混淆代码、协议分析、脚本编写全交给它 人负责决策 — 判断哪些接口重要、验证结果是否正确 配置要分离 — 敏感信息别硬编码 工具要分散 — 别把鸡蛋放一个篮子里（别问我怎么知道的）
整个过程从抓包到跑通，大概花了一小时。如果纯手工逆向，可能要一两天，对于我这种路易十六附体的，肯定需要更长时间！AI 确实把门槛降低了很多，但前提是你得知道"该问什么"和"怎么验证"。
再次声明：本文仅供技术学习与研究，请勿用于商业用途或违反任何平台的服务条款。尊重知识产权，合法合规使用技术。
