菜单
English articles本文暂无译文
积墨AI

积墨AI

Star 暴涨至 23 万的 REA 项目拆解:Agent 如何啃下逆向工程这块硬骨头

10 月上旬的一周之内,GitHub 上一个名为 REA 的开源项目 Star 数从 1.5 万一路冲破 23 万,热度堪称现象级。REA 全称 Reverse Engineer Anything,直译过来就是「逆向一切」,它瞄准的是计算机领域一块啃了几十年的硬骨头:在没有源码的情况下,如何从编译好的二进制文件里反推出软件的实现逻辑。过去,这类工作只能由逆向工程师借助 Ghidra、IDA、Hopper 等专业工具手工完成,费时费力且高度依赖个人经验。REA 的出现,让「人用工具」的旧模式第一次真正切换到了「Agent 用工具」的新范式。

从字节级还原到商业功能提取

逆向工程并非「破解软件」的代名词,它的正经用途非常广泛:恶意软件分析、漏洞研究、通信协议理解、旧系统兼容,以及找回丢失的源码。一个最常见的场景是:你看到竞品 App 里某个功能做得不错,想搞清楚它到底怎么实现,但对方不会给你源码,唯一的办法就是从编译产物里反推逻辑。问题在于,这条流程长期停留在原始状态——工具虽然专业,但每一步怎么走、走到哪一步算完,全装在逆向工程师的脑子里。由此带来三大痛点:工具分散、门槛高企,IDA、Ghidra、Hopper、JADX 各有各的操作方式,入门要啃数月的快捷键和概念;过程黑盒,为什么追这个交叉引用、为什么进这个函数,没有留档,他人无法复核;经验不沉淀,每个工程师的套路是孤立的,换个目标、换个人就得从头再来。

让 AI 参与逆向的想法早已有之,但过去一直停在 demo 层面,因为三道坎始终迈不过去。第一是工具不可调用:编程 Agent 擅长读代码、写代码,但 Ghidra、Hopper 都是 GUI 桌面软件,没有统一的编程接口,Agent 要么无从下手,要么得为每个工具单独写一套胶水代码。第二是过程不可追溯:逆向的产出本应是一条证据链——函数在哪个地址、被谁调用、反编译结果是什么,但传统逆向往往只有结论、没有中间证据,Agent 直接给结论没人敢信。第三是经验不可复用:资深工程师「先搜字符串、再追交叉引用、可疑点回汇编验证」的方法论,写不进工具,也无法被另一个 Agent 继承。归根结底,逆向不是算力问题,而是编排问题——它本质是一套调查流程,谁把流程标准化、接口化,谁就能让 Agent 跑起来。

Agent 时代的产出不是答案,而是一条可回放的证据链;逆向的门槛从会用工具降到会提问,降掉的是一整个工种的经验壁垒。

“行业观察”
积墨 AI 核心产品

积墨 AI 智能体开发平台

快速搭建具备商业价值的 AI 智能体,支持复杂工作流编排、50+ 主流模型接入与私有化部署。

REA 的解法非常克制:它不自研反编译引擎,而是做一个 MCP 服务器,把 Hopper、Ghidra、IDA、JADX 等成熟工具包装成 Agent 可直接调用的标准接口。Agent 通过 MCP 问一句「这个功能怎么实现的」,REA 负责定位目标、追踪代码、返回带证据的发现,Agent 再据此解释行为、编写测试、重建实现。架构上有四个关键设计值得细看。其一是桥接层:不同反编译器各有各的 API 和启动方式,REA 在 bridge 目录里做统一桥接,用环境变量即可切换引擎,加一个引擎只需加一份桥接实现,上层接口不动——桥接即扩展。其二是静态与运行时分层:JavaScript、.NET 直接静态解析,原生二进制交给 Ghidra,Android 上 JADX,覆盖从 ELF、PE 到网络固件的极广目标类型。其三是结果契约:所有分析结果必须附带证据和局限性说明,Agent 拿到的不只是「这个函数干什么」,而是「它在地址 X、被 Y 调用、伪代码是 Z、置信边界是 W」。其四是安装即注入:一条 npx rea-agents setup 命令完成 MCP 注册、工作流指令安装和配置备份,官方支持 Claude Code、Cursor、Gemini CLI 等主流客户端,接入成本一条命令,价值却是整套逆向工具链。

REA 爆火的另一半原因,是社区案例足够硬核,每个都能验证它到底能不能干活。最出圈的一个案例是对 1996 年老弹球游戏 DX-Ball 的声音算法还原:从编译好的 x86 二进制里抠出左右声道定位函数,用 C 语言重写后跑通全部 3205 个原始测试用例,63 个编译字节与原版完全一致——不是看着像,是真的对上了。另一个经典案例是对 Notion 剪贴板调用链的完整追踪:从 Electron 渲染进程的剪贴板 API 出发,穿过 preload 脚本和 IPC 通道,一路追到主进程,把富文本剪贴板的完整数据格式和消息载荷全部扒了出来。还有开发者从 16 位汇编里恢复了 PC-98 平台老游戏的弹幕角度计算逻辑,并与历史编译器输出交叉验证;更有社区开发者连接真机,让 Agent 分析 Sony 官方 App 中降噪功能的实现链路,做出了一个独立 Android 应用。最激进的一个项目里,十几个 Agent 并行工作,把一款商业射击游戏 99% 的函数还原成了 C++,其中 83% 编译后与原程序逐字节一致。值得注意的是,这些案例的发布者大多不是专业逆向工程师,而是「会提问的普通开发者」——逆向的能力边界,正在从专业工种下沉到每一个工程师。

当然,REA 并非「逆向一切」的法宝:面对商业级混淆、反调试和虚拟机壳,Agent 依然会卡住;内核级驱动逆向也需要更深的动态调试能力;它也明确声明只用于合法研究与授权目标。但它的真正信号不在「逆向火了」,而在 Agent 的能力边界正从「读代码、写代码」扩展到「调用任何工具」。逆向只是最新被 Agent 化的领域,桥接、MCP、结果契约都是成熟组件,价值在于把它们组合起来,回答了那个悬置已久的问题:高度依赖经验的流程,如何标准化地交给 Agent。

#MCP#逆向工程#Ghidra#工作流编排#Claude Code#证据链
分享文章

相关文章推荐

试用咨询
企业微信二维码

扫码添加企业微信