GitHub爆火REA:用AI智能体给成品软件做逆向

REA用MCP让智能体逆向分析成品程序,答案自带证据链,源码完整时不必用。
文章介绍开源工具REA如何重新定义逆向工程:在拿不到源代码时,它通过MCP接入Claude Code、Codex、Cursor等智能体,负责从成品程序中取回原始指令、反编译代码和调用关系,由智能体用自然语言解释规则甚至重建功能。文章以Windows计算器百分号规则为例,说明手工逆向要过的三关,并强调REA与直接问AI的核心区别在于证据——结论附带地址、文件行号和局限说明。判断标准只有一条:结论依赖成品才用REA,源码完整就用普通代码工具。三类成品对应不同工具链,小恐龙与DX-Ball两个案例展示了证据链如何纠正猜测和反编译遗漏,文末还列出五个新手常见坑。
当百分号撞上计算器:逆向工程被AI重新定义
Windows计算器里藏着一个奇怪的规则:输入200+10%,结果是220;但换成200×10%,结果却是20。同一个百分号,前面换一个运算符,算法就变了——这种规则不会写在界面上,只有拿到源代码才能直接知道。
没有源代码时,想照着做一个,就只能从装在你电脑上的成品程序往回推。过去这意味着读机器指令、一条条往下追,把汇编放到人眼前硬啃。现在,一个叫REA的开源工具改变了这条路:你只要对编程智能体说一句「用REA看看计算器,为什么200加10%等于220」,它就会去查你电脑上那个程序本身,把相关指令和调用关系拿回来,再由智能体用大白话把规则讲清楚,甚至照着规则给你写一个一样的功能。

REA替你干了哪一段活
先把这个词说清楚:拿不到源代码,直接去看程序本身、弄清一个软件是怎么工作的,这就叫逆向工程。它的目的很实在——把一个功能搞懂到能讲清楚、能改、或者能自己重新做一个。难就难在「往回推」这一段。
手工做,至少要过三关。第一关,你看到程序在比较两个编号,比完都跳到同一个地方,得去查这两个编号各对应哪个按钮,查完才知道一个是乘号一个是除号。第二关,里面有好几个函数调用,你看到的只是一串地址,哪个是做除法的,哪个直传了进去,都得一个个去追。第三关,把前面这些拼起来才得出规则:前面按的是加号,10%就是取第一个数的10%,200乘10再除100等于20,200加20就是220;前面按的是乘号或除号,10%就直接变成0.1,200乘0.1还是20。同一个按钮,跟着前面的运算符换规则。
这三关要读的是汇编——把机器指令写成人勉强能读的样子。对没碰过它的人来说,每一关都不轻松。用了REA之后,分工变了:REA负责把材料拿回来,包括处理函数的原始指令、反编译出来的代码、它调用了谁;智能体负责解释走的是哪个分支、算的是什么、要重建应该怎么写。你只剩一件事——问一个具体的问题。
据B站视频作者的介绍,REA是通过MCP接到智能体上的。MCP可以理解成一个统一的插座,智能体通过它去调用外部工具。所以Claude Code、Codex、Cursor这些支持本地MCP的智能体都能接;不用智能体也行,在终端里直接跑走的是同一套分析流程。
MCP(Model Context Protocol) 是 Anthropic 于 2024 年底推出的一种开放协议,目的是给大模型与外部工具、数据源之间定义一套统一的调用接口。可以把它类比成 USB-C:只要工具端实现了 MCP 服务,任何支持该协议的智能体都能以相同方式发现并调用它的能力,无需为每个模型单独写适配层。MCP 服务通常以本地进程或远程服务的形式存在,通过标准输入输出或 HTTP 通信,向外暴露若干「工具」(tools)和「资源」(resources)。在 REA 的场景里,MCP 服务封装的是反汇编、反编译、读取程序文件等底层能力,智能体看到的只是若干可调用的工具名和参数说明,具体怎么解析二进制由服务端负责。这也解释了为什么 Claude Code、Codex、Cursor 等不同智能体都能接同一个 REA——协议层统一了接口,客户端差异被屏蔽掉了。
和直接问AI有什么区别:证据
你可能会问,这跟我直接问智能体有什么区别?区别在证据。
直接问一个模型计算器的百分号怎么算,它手上没有这个程序的任何材料,只能凭印象答,答得对不对你也没法核对。REA返回的结论都带着依据:是哪个地址的指令、哪个文件的哪一行,还有这次分析有哪些局限。它给智能体的说明里要求很严——看到的、推出来的、还不知道的要分开讲,只读文件得出的结论也不能说成程序真的这么跑过。
对你来说,好处是答案出了错,你能顺着证据一路找回去,用不着在信和不信之间二选一。
什么时候该用REA:判断标准只有一个
给你一个判断标准:你要下的结论,靠的是一个已经发出来的成品,还是你手上完整的源代码?
是完整源代码,就用普通的代码工具。REA自带的说明里也写得很清楚,这种情况不用它。是成品——比如安装包、编译好的程序、打包好的应用、正在运行的网页——才轮到REA。借一句话就行:源码完整用代码工具,结论要靠成品才找REA。
怎么问也有讲究。官方建议从一个具体的按钮、文件或者行为问起。大任务也能做,比如照着一个网站重做一个,或者从一个老游戏的程序里还原玩法,但最好拆成一个个具体问题。

三类成品,对应三套工具
成品分好几种,REA用的工具也不一样,记住三类就够了。
第一类是编译好的原生程序,比如exe和动态库。要深入分析,接一个分析引擎——Hopper、Ghidra或者IDA,用其中一个就行,不过能用哪个要看你的系统和要分析的文件。
第二类,很多桌面软件其实是网页技术外面包了一层壳,这层壳叫Electron,Notion的桌面版就是这类应用。REA直接读文件,不用启动它,也不用装分析引擎。
第三类是网页,接一个Chrome系的浏览器就能看页面结构、正在跑的脚本和网络请求。
还有一点要分清:只读文件的分析不会运行程序;要观察运行起来的行为,就会真的用你自己账户的权限去运行或者操作目标。
Electron 是 GitHub 开发的一套桌面应用框架,核心思路是把 Chromium 渲染引擎和 Node.js 运行时打包进一个可执行程序,让开发者用 HTML、CSS、JavaScript 写界面和逻辑,再分发成 Windows、macOS、Linux 上的原生安装包。这类应用在磁盘上通常是一个包含 app.asar 归档文件以及若干动态库的目录,源代码往往以压缩或字节码形式存放。它的进程模型分为主进程(main,负责窗口管理和系统调用)与渲染进程(renderer,负责页面),两者通过 IPC(进程间通信)传递消息,预加载脚本(preload)则在中间做受控桥接。正因为一个功能经常横跨这三层,逆向时不能只看页面代码,必须顺着消息通道追到主进程,这也是文中说 Electron 分析难点不同的原因。
两个反直觉的案例:证据链怎么发挥作用
小恐龙为什么会越跑越快
Chrome断网时那个小恐龙游戏,跑着跑着会越来越快。REA查的是一个从Chromium移植出来的网页版,它把页面里实际在跑的脚本拿了回来,规则一下就清楚了:起始速度6,每次没撞到障碍的更新加千分之一,速度低于13就一直加。
有意思的是后面的核对。在受控的浏览器环境里直接调用原游戏的更新函数,1000次更新之后速度是7,4000次之后是10,10000次之后是13.001。为什么会比13多出一点点?因为它是先判断再加,最后一次判断时还没到13,这一加就超了一点。这种细节光靠猜是猜不出来的,得读到真正在跑的代码,再实际跑一遍核对才看得出来。
反编译漏掉的那条指令
原生程序那边也有类似的事,而且藏得更深。有个开源项目在把1996年的Windows老游戏DX-Ball用C语言重新写一遍,其中一步要弄清砖块被打中时声音是怎么按位置分到左右声道的。反编译器给出的伪代码显示这个函数没有输入,里面只调用了一个类型转换——只看这一层,你会以为它啥也没算。
但REA在同一个结果里还给了原始指令:指令里明明读进了一个整数,还做了几次带小数的运算。就是这个对不上的地方,让智能体知道还得接着查。它顺着调用者找到了输入是什么,又从程序文件里按地址读出几个常数,最后写出了一个很短的C函数。这个函数过了两道检查:一道是跟原程序对比了3205组输入,返回值全部对上;另一道是用当年的编译器编出来,这个函数的63个字节跟原程序完全一致。

这个案例要带走的是:伪代码是反编译器推出来的,可能漏东西;有原始指令兜底,才查得出它漏在哪。
Electron应用的难点又不一样。一个功能常常横跨页面、预加载脚本和后台主进程好几处,靠进程间的消息连起来。比如Notion复制文字,页面调用的写剪贴板方法只是个包装,真正的写入在主进程那一头。REA先帮你在压缩过的代码里标出入口的文件、行和列,智能体再一层层解开。
反编译器与反汇编器的分工值得单独说清楚。反汇编器(如 IDA、Ghidra 的反汇编视图)把机器码逐条翻译成汇编助记符,基本保持一一对应,信息损失很小,但可读性差;反编译器则在此基础上做控制流和数据流分析,试图还原出接近 C 语言的高级代码(伪代码),可读性大幅提升,代价是推断过程可能出错——比如把没有副作用的浮点运算优化掉、把通过寄存器隐式传入的参数识别成无输入、把内联展开的函数折叠掉。文中 DX-Ball 的例子正是反编译器丢失了整数读入和浮点运算,而原始指令仍然完整保留。实践中的通行做法是「伪代码看逻辑、汇编对细节」,两者交叉验证;只信伪代码容易得出错误结论,只看汇编则效率太低。
新手最容易踩的五个坑
坑一:以为工具在本地跑就什么都不会出去
REA确实是在你自己电脑上分析的,但分析结果会交给智能体,智能体背后的模型服务商有它自己的数据政策。这一层要按你用的那家来判断。公司内部的程序拿去分析之前,先把这一层想清楚。
坑二:以为装了技能就能用
REA的技能只是一份给智能体的调查说明书,真正干活的MCP服务得靠官方的安装设置接上。安装设置会先列出要改的配置、备份旧配置,你同意了才动手。装完要重启智能体;还看不到工具,就用官方的诊断命令查注册状态,注册正常还是没有,就去看智能体那边的连接报错,别一遍遍重装。

坑三:以为一上来就得先装好IDA或者Ghidra
REA只有原生程序的深入分析才需要分析引擎。JavaScript和.NET的静态检查用不着。
坑四:拿到答案就收工
前面讲的恐龙和DX-Ball都跟原程序的结果比过,计算器碰巧有微软公开的源代码,正好拿来对答案。你自己用也一样:让智能体给出文件和行号,再出一个小预测去验证。官方入门练习就是这么设计的——一个只有六个文件的笔记小应用,有一个导出笔记的按钮,先问它导出的文件写到哪、有哪几列,答案是下载文件夹里的一个CSV表格,两列:编号和标题;再让它预测标题里本身带逗号和引号的文件夹导出来会变成什么样,然后真的跑一遍格式化函数,看预测对不对。做完这一步,你对它的答案就有了自己的判断。
坑五:版本更新很快,却只更新了命令行工具
REA更新很快,修复也很频繁,碰到问题先更新。还有一点容易漏:智能体那边登记的是一个固定版本,光更新命令行工具不够,要把安装设置重新跑一遍,再重启智能体,新版本才会生效。
最后一条不算坑,但一定要讲
REA是给合法的研究、分析和重建用的,需要什么授权、要守哪些法律,都是使用者自己负责。
回到开头那个问题:200加10%为什么等于220?现在你知道了——前面是加号,百分号就取第一个数的百分比。这种问题以后你也知道怎么问、怎么让答案带着证据回来、怎么自己再验一遍。按安装说明准备好对应版本的Node.js,跑一次安装设置,然后挑一个你天天在用的软件,找一个你一直好奇它是怎么做到的按钮,问你的智能体一句。
相关推荐

Yung Pueblo谈自我觉察:一本365天的心灵变革指南
Yung Pueblo在Talks at Google访谈中分享新书《Journey》的365天自我觉察结构,探讨冥想、直觉、关系共同领导与感恩实践,提出与改变做朋友的日常行动建议。

黎曼猜想被Lean形式化验证?联合声明引发热议
Lean社区博客发布黎曼猜想形式化验证联合声明,在Hacker News引发359分、263条评论的热议。本文解析Lean与mathlib的形式化验证背景、社区两极反应,以及为何在读到原文前不宜断言黎曼猜想已被证明。

FBI与USDA遭黑客攻击:关键基础设施安全再响警报
FBI与USDA据报遭黑客攻击,FBI近几个月内第二次被入侵,本次目标为国家犯罪信息中心(NCIC)。本文分析事件细节、NCIC的战略价值及政府机构面临的共性安全挑战。