REA：让 AI 编程助手替你做逆向工程 | 穿越整个城市的越野跑

本文是对 REA（rea.tools）官网的中文图文总结。截图均为本人实测截取。

你有没有过这样的时刻：想搞清楚一个闭源软件某个功能到底是怎么实现的，却在 Ghidra 面对几万个函数时无从下手？或者接手一个没有源码的 Electron 应用，想知道它某个按钮背后的逻辑？

现在你可以把这类活儿交给 AI 编程助手了——前提是给它装上”眼睛”。这就是 REA（Reverse Engineer Anything） 要解决的问题。

REA 官网首页

什么是逆向工程？

先补个背景。逆向工程（Reverse Engineering） 是指不依赖源代码，从最终交付的软件产物（二进制、安装包、网页）反推其设计与实现过程的技术。

什么是逆向工程

传统逆向工程的典型场景包括：

安全研究：分析恶意软件行为、挖掘闭源软件漏洞；
兼容性开发：弄清私有文件格式或网络协议，实现互操作；
遗留系统抢救：源码丢失的老系统，只剩可执行文件，要理解它才能重写或迁移；
学习与好奇：想知道优秀软件是怎么实现的。

门槛一直很高：汇编语言、反编译器、调试器、协议分析……每一项都需要经年累月的积累。REA 的切入点是——这些”看”的功夫可以工具化，而”想”的部分交给大模型。

核心理念：REA 提供”眼睛”，助手负责”大脑”

REA 的本质是一套 MCP（Model Context Protocol）工具集，装进 Cursor、Claude Code 这类编程助手后，助手就获得了对任意软件制品进行逆向分析的能力：

分工	谁来做	做什么
眼睛	REA	加载二进制、反编译、追踪调用、观察运行时 UI 与网络行为
大脑	AI 助手	提出假设、决定看哪里、解读证据、输出结论

这个分工很有意思。逆向工程真正的难点往往不是某个具体工具不会用，而是面对海量未知信息时的搜索与判断——从十万个函数里找到实现那个功能的一个。这恰恰是大模型擅长、人类容易疲劳崩溃的环节。

安装：一行命令

支持 Cursor、Claude Code、Codex CLI 等主流助手，安装只需：

bash

npx rea-agents@latest setup

安装完成后，你就可以直接用自然语言向助手下达逆向任务了。

两个官方示例

1. Chrome 小恐龙游戏的速度规则

断网时 Chrome 的恐龙小游戏大家都玩过。REA 官方示例的第一个任务就是：搞清楚游戏速度是如何随时间递增的。

Chrome 小恐龙游戏示例

助手通过浏览器观察工具连上游戏页面，追踪游戏循环中的速度变量与计分逻辑，最终还原出速度增长的数学规则——不需要任何游戏源码。这类分析对做游戏外挂检测、Web 应用行为分析都很有参考价值。

2. Windows 计算器的 % 按钮

第二个例子更”生活化”：Windows 计算器上的 % 按钮到底是怎么算的？

Windows 计算器示例

很多人以为 50 + 10% 会得到 60.1（先算加法再取百分比），实际上 Windows 计算器给出的是 55——它把 10% 解释为”前一个数的 10%“。助手通过对计算器原生二进制的分析，从反编译代码中找到了这个语义判断的确切实现位置，把这个”民间玄学”变成了有代码依据的结论。

三大分析指南

REA 官网还提供了三类目标的分析指南，覆盖了绝大多数软件形态：

REA 三大分析指南

原生二进制（Native）：macOS / Windows / Linux 的可执行文件、静态库、固件。工具链包括二进制加载、反编译伪代码、调用图、交叉引用、UI 动作追踪等。
JavaScript 与 Electron：打包后的 Web 应用、Electron 桌面应用、浏览器扩展。可以从 bundle 还原源码结构、追踪模块导入、观察运行时执行。
浏览器观察（Browser）：对运行中的网页进行截图对比、网络捕获分析、事件监听器检查、执行观察，适合分析 Web 应用的实际行为。

我的看法

REA 最打动我的一点是它没有试图造一个”全自动逆向机器人”，而是老老实实做工具层，把推理决策留给助手。这符合 MCP 生态的设计哲学，也让它天然受益于底层模型的迭代——模型越强，同样的工具能挖得越深。

适用场景判断：

✅ 强适用：遗留系统理解、闭源协议/格式分析、安全研究辅助、竞品功能行为分析、教学演示；
⚠️ 需谨慎：涉及软件许可协议与版权的场合。逆向本身在很多司法辖区合法，但用途决定合规性，请遵守目标软件的 EULA 与当地法律。