告别手动翻代码:用 AI 分析 APK 的新姿势

简介: `apks2opencode` 是一款面向安卓逆向的AI分析工具,集成JADX反编译、jrag语义索引与OpenCode AI助手,支持自然语言提问(如“支付逻辑在哪?”),一键部署、本地索引、调用链追踪,大幅提升混淆代码分析效率。

反编译 5 分钟,翻代码 5 小时。如果你做过 APK 逆向,一定懂这种痛。

痛点

分析一个 APK,传统流程是:

  1. apktool 解包
  2. jadx 反编译
  3. 在成千上万个类里 grep 关键词
  4. 人肉追调用链
  5. 画流程图

代码是死的,人是活的。但人肉在几万行混淆代码里找逻辑,效率实在太低。

解决方案:apks2opencode

apks2opencode 把 JADX 反编译、jrag 语义索引和 OpenCode AI 助手串成一条流水线,让你用自然语言分析 APK。

一句话概括:让 AI 理解反编译后的代码,并追踪调用链。

核心优势

  • 一键部署:docker compose up 拉起全套环境,不用逐个安装配置。
  • 自然语言分析:不用手动翻代码,直接问“支付逻辑在哪”、“谁调用了这个函数”。
  • 语义搜索 + 调用链:jrag 提供向量检索和图查询,比 grep 高效得多。
  • 全本地索引:代码不离开机器,索引持久化,支持增量更新。

架构

┌──────────────────┐         ┌─────────────────┐
│  jadx-ai-mcp     │         │    opencode     │
│  JADX GUI (6080) │◀───────▶│    AI Agent     │
│  MCP Server(8651)│         │                 │
└──────────────────┘         └────────┬────────┘
                                      │
                             ┌────────▼────────┐
                             │      jrag       │
                             │ Vector DB + Graph DB │
                             │ (MCP via stdio) │
                             └─────────────────┘
  • jadx-ai-mcp:提供 JADX GUI(noVNC)和 MCP HTTP 服务,用于精确反编译和 Android 专有信息。
  • opencode:AI Agent,通过 MCP 协议调用 jrag 和 jadx。
  • jrag:基于 jadx 源码构建的语义索引和调用图,随 opencode 一起安装。

快速开始

依赖

  • Docker + Docker Compose
  • 一个 OpenAI 兼容的 API(DeepSeek、SiliconFlow、OpenAI 等)

启动

docker compose up -d --build

首次启动会:

  1. 下载 evil-opencode 最新版二进制
  2. 安装 jrag-cli(约 5-10 分钟)
  3. 创建 dummy pom.xml(如果源码目录为空)
  4. 构建初始索引

配置 API

进入 OpenCode TUI 后,用 /connect 命令配置 API:

docker attach opencode

在 TUI 里执行 /connect,选择你的提供商,粘贴 API Key 和 Base URL。凭据会持久化在 opencode-data 卷中。

添加 APK

./add_apk.sh /path/to/your_app.apk

脚本会完成:复制 APK → jadx 反编译 → 源码添加到 ./repos/<apk名>/ → 重建索引。每个 APK 的源码放在独立子目录,互不覆盖。

使用

docker attach opencode

直接提问,例如:

这个 APP 里有哪些 Activity?
com.example.MainActivity 调用了哪些关键服务?

/mcp list 查看 MCP 连接状态。

可选配置

创建 .env 文件可覆盖以下默认值,全部可选:

# JADX GUI 和 MCP 服务的对外端口
JADX_GUI_PORT=6080
JADX_MCP_PORT=8651

# jrag 嵌入模型,选择 HuggingFace 上的模型
SBERT_MODEL=sentence-transformers/all-MiniLM-L6-v2

# jrag 嵌入设备:cpu / cuda / mps
# 有 NVIDIA 显卡设为 cuda,苹果设备设为 mps
SBERT_DEVICE=cpu

已知坑

1. JADX 双 Token

JADX 有两套独立 Token:

Token 默认值 作用
Plugin Token jadx-plugin-secret-token GUI 插件内部通信(8650)
MCP Admin Token admin-secret-token MCP Server 对外认证(8651)

OpenCode 连接的是 MCP Server,必须用 Admin Token,格式为 Bearer admin-secret-token(注意空格)。

2. jrag increment 检测不到新文件

jrag increment 只会更新已索引文件的变更,不会扫描新增文件。添加新 APK 后必须重建索引。add_apk.sh 已内置此逻辑:先尝试 increment,如果文件数不变,自动 fallback 到全量 jrag install。

3. jadx GUI 需要手动加载 APK

MCP 服务起来后,JADX GUI 里如果没有打开 APK,工具查不到任何东西。浏览器访问 http://<IP>:6080,在 GUI 里打开 /apks/xxx.apk。

4. 跨 APK 的 FQN 冲突

子目录隔离只解决路径冲突,不解决 FQN(全限定类名)冲突。如果两个 APK 都有 com.example.package.Class,LadybugDB 建图时还是会报 Symbol already exists。

工作流建议

给 AI 的提问模板(省 Token):

直接回答。只调用必要的工具,最多 1-2 次。不要做额外的状态验证。

分析流程:

  1. jrag search 定位相关类
  2. jrag neighbors / callers 追调用链
  3. 需要精确源码时用 jadx MCP 或直接读 /workspace/<apk名>/ 下的文件

项目地址

https://github.com/zhangdeepseek/apks2opencode

致谢

本项目是以下工具的编排配置,核心功能均由上游提供:

License

MIT


如果这个项目对你有帮助,欢迎 Star。也欢迎提 Issue 分享你的使用体验。

相关文章
|
20天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
8887 26
|
19天前
|
人工智能 并行计算 PyTorch
秋叶 ComfyUI 2026 整合包 v3.2 完整部署教程:Python 3.13 + Torch 2.13 全栈升级
秋叶aaaki ComfyUI 2026年8月整合包v3.2正式发布!全面升级Python 3.13.11、PyTorch 2.13.0+cu130及ComfyUI v0.30.2,原生支持MiniMax H3、Wan 2.2、Qwen-Image-2.1等2026主流音视频/图像模型,解压即用,无需环境配置。
3839 16
|
18天前
|
人工智能 测试技术 API
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
Jev是TypeSafe AI推出的“系统一模型”,不生成文本,专做毫秒级结构化决策:Choice(多选)、Score(打分)、Noul(是非概率)。响应快193倍、成本低444倍,适合工单路由、内容审核、测试定级等高频判断场景。
2245 4
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
|
5天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
411 1
|
13天前
|
人工智能 Linux 开发者
【2026国内使用】Codex安装过程一篇讲透(Win/Mac/Linux全支持)
Codex是OpenAI推出的AI编程智能体,可读取本地项目、理解需求并自动修改代码。支持桌面GUI、命令行(CLI)及VS Code/Cursor插件三种形态,覆盖可视化操作、终端高效开发与编辑器无缝集成场景,助开发者用自然语言驱动编码全流程。(239字)
1003 2
【2026国内使用】Codex安装过程一篇讲透(Win/Mac/Linux全支持)
|
6天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
7天前
|
人工智能 Linux Windows
千问办公(QwenWork)官网入口:其实有2个,一个是网页端千问办公,一个是介绍指南页面
千问办公(QwenWork)是阿里云推出的AI智能办公平台,支持网页端直接使用及Windows/Mac/Linux客户端下载。提供PPT生成、财报分析、网页搭建等AI功能,个人版免费,企业版198元/席/月。详情见官网qwenwork.cn或阿里云产品页。
957 0
千问办公(QwenWork)官网入口:其实有2个,一个是网页端千问办公,一个是介绍指南页面
|
19天前
|
云安全 人工智能 安全