最近在看 Agent Skills 这个方向，发现安全领域也开始有人做系统化的技能包了。一个叫 reverse-skill 的项目引起了我的注意：PowerShell 写的，MIT 协议，周增 3100 Star，专门给 Claude Code、Cursor 这类 AI 编码客户端做逆向工程和渗透测试的方法论路由。
我把它翻了一遍。它不是简单的工具脚本集合，而是一套"先判断该做什么，再执行"的 AI 安全代理框架。今天从技术和使用两个角度聊聊。
一、它解决什么问题
让 AI 做安全分析时，最大的问题是不可控。
你扔一个 APK 给 Agent，它可能直接说"用 apktool 反编译"；你扔一个二进制，它可能直接猜"用 IDA 打开"。但真实的安全分析不是这样的——不同文件类型、不同目标、不同环境，对应的方法论完全不同。
reverse-skill 的做法是：让 Agent 先匹配路由，再检查工具，然后按标准化流程执行。核心思路一句话："不让代理凭直觉猜命令"。
二、核心架构：路由优先，执行第二
reverse-skill 的架构分成 5 层：
| 层级 | 作用 |
|---|---|
| 路由与控制层 | 根据用户意图和目标类型分发任务 |
| 技能模块层 | 逆向、渗透、AI 安全、CTF 等专业方法封装 |
| 基础设施与自举层 | 自动检测环境，按需准备工具链 |
| 记忆与进化层 | 沉淀经验，避免重复踩坑 |
| 平台适配层 | 支持 Windows、Kali Linux、通用 Linux/macOS |
所有任务进入后，必须先经过 SKILL.md 和 routing.md 定义的路由矩阵，而不是直接跑命令。
三、15 步执行协议
reverse-skill 给 AI 代理定义了一个 15 步 Behavior Chain。我把它归纳为 5 个阶段：
阶段 1：上下文发现
Agent 先识别项目根目录 <SKILL_ROOT>，加载平台特定规则。Windows 和 Kali Linux 的处理方式不一样，不能混用。
阶段 2：意图路由
把请求匹配到三维路由矩阵：
- Target Type：APK、ELF、前端 JS、Web 应用、CTF 题目等
- User Intent：逆向分析、漏洞扫描、行为审计、漏洞复现等
- Toolchain：可用工具有哪些
阶段 3：工具验证
查 tool-index.md，确认 jadx、Ghidra、gdb、nmap 这些工具是否可用。缺了不会直接报错，而是输出具体安装命令。
阶段 4：经验检索
查 field-journal/，看有没有类似任务的历史记录。如果有已知坑点，先避开。
阶段 5：执行与进化
进入具体技能模块执行，完成后把新发现写回经验库，下次再用。
四、覆盖的技能域
reverse-skill 目前包含的技能模块很多，我按实际用途分了个类：
| 类别 | 技能示例 |
|---|---|
| 逆向工程 | APK 反编译、二进制分析、JS 前端逆向、固件分析、恶意软件分析 |
| 渗透测试 | 信息收集、漏洞扫描、API 安全测试、SRC 漏洞挖掘 |
| 漏洞利用 | Pwn 链、N-Day 漏洞、补丁对比分析 |
| 红队对抗 | EDR 绕过、后渗透操作 |
| AI 安全 | LLM 安全、供应链安全 |
| CTF | 沙箱编排、题目分类处理 |
| 工具集成 | BurpSuite MCP、IDA/Ghidra MCP、浏览器自动化 MCP |
注意，reverse-skill 本身不实现这些底层能力，而是把方法论和工具链串起来。真正干活的还是 jadx、Ghidra、gdb、BurpSuite 这些已有工具。
五、实际怎么用
安装
git clone https://github.com/zhaoxuya520/reverse-skill.git
.\refresh-tool-index
对 AI 代理
项目 README 明确写了：
"If you are an AI Agent, jump to README_AI.md and follow the instructions strictly."
代理加载 README_AI.md 后，会严格按 15 步协议工作。
对人类用户
可以直接看 skills/MASTER-ROUTING.md 做快速判断，再查 skills/routing.md 的完整规则，最后参考 skills/ops/ 里的操作契约执行。
一个典型场景
假设你拿到一个 ELF 二进制，想分析它的行为。传统方式是直接让 Agent "帮我 reverse 一下"，结果往往是一堆随机命令。
用 reverse-skill 的话，流程会变成：
- 路由识别：这是一个二进制 + 逆向分析任务
- 基线收集：
file、checksec、strings - 路径选择：根据基线决定走静态分析还是动态调试
- 分步执行：壳检测、反调试识别、关键函数定位
- 结果解释：调用
decompile-explain子技能，给出人类可读的分析
每一步都有明确判断标准，不会乱来。
六、平台适配和工具链自举
reverse-skill 支持多个平台：
- Windows（主要支持平台）
- Kali Linux
- 通用 Linux / macOS
它通过 PLATFORMS.md 定义各平台的适配规则，通过 bootstrap-reverse 做环境初始化，通过 tool-index.md 管理工具清单。
这意味着同一套技能包，在不同机器上能保持一致的工作方式。对于安全团队来说，这很重要——你不会希望 Windows 笔记本和 Kali 虚拟机跑同一个任务时结果完全不同。
七、我的判断
适合谁：
- 把 Claude Code / Cursor 当安全工作流一部分的开发者
- 需要统一"AI 看到二进制应该做什么"的团队
- CTF 训练、恶意软件分析、自有系统审计
- 安全研究人员做方法论的沉淀和复用
不适合谁：
- 希望直接拿到现成 exploit 的人
- 想完全自动化、不需要人工监督的红队实战
- 没有安全基础、看不懂路由术语的纯开发者
实际价值：
reverse-skill 最有价值的地方不是它覆盖了多少工具，而是它把 AI 做安全的随机性降低了。它强制 Agent 先做判断、再执行，并且把每次执行的结果沉淀成可复用的经验。
对于安全这种"没有固定地图"的领域，有一份可靠的路由表，比让 Agent 自由发挥靠谱得多。
结语
reverse-skill 反映了 Agent Skills 赛道的一个趋势：AI 不擅长判断的领域，正在被人用结构化规则补齐。从设计品味到公共服务，从文档检索到逆向安全，每个垂直领域都需要自己的"决策框架"。
对于安全从业者来说，它不是 IDA 或 BurpSuite 的替代品，而是给 AI 代理配的一份作战地图——告诉它遇到什么情况该走哪条路，而不是让它在黑暗里乱撞。
