太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA

简介: REA(Reverse Engineer Anything)是近期爆火的开源AI逆向工具,4月发布,1个月内斩获15万+ Star。它让AI Agent无需源码即可分析二进制、APK、JS/Electron、HAR包等17类目标,自动反编译、生成可运行代码,并强制返回带证据与局限的结论。全本地执行,MIT协议,支持Hopper/Ghidra/IDA等引擎,一行命令即可上手。

最近 AI 圈里爆火的一个开源项目:REA,今年 4 月才建仓,目前已经干到了 15 万+ star,严格来说,是最近一个多月直接冲到了15W+ star,相信很多人应该都听说过这个项目了,今天我们就来集中聊一聊它。

REA 这个项目到底是干啥的?

先说它解决的问题。官方口号叫 Reverse Engineer Anything,万物皆可逆向。

它能让你的Agent 从别的软件里直接拿你想要的功能,然后搞清楚它是怎么做出来的,全程不需要看源码。没源码也可以反编译任何app。

这个项目,先记住几个关键信息即可。

  • 项目:REA,本质上就一个 MCP server 加一套 CLI,让 AI Agent 对二进制、应用、抓包做逆向分析
  • 作者:morluto,个人开发者,GitHub 主页只挂了一个 X 链接,相当低调
  • 热度:158,125 star(截至 10 月 13 号更新时),但凡搞过开源项目的人,就知道这个数据的含金量了。
  • 迭代:最新版 6.4.0,10 月 11 号发布,一周连发 9 个版本
  • 协议:MIT,TypeScript 为主,官网 rea.tools,README 有简体中文版

有个细节挺有意思,README 里还在庆祝 11 万 star,实际数字已经 15 万+,这个项目热得连文档都追不上自己。

它干的事很简单,一句话概括:你看中别的软件里某个功能,让 AI Agent 通过 REA 去查,它不看源码直接拆二进制,把实现方式连证据带局限一起讲给你,还能照着写一份能跑的实现出来。

这个对于技术同学来讲,特别实用,比如「你想看懂一个没有源码的东西」,想分析竞品 App 那个丝滑的转场到底怎么实现的,想研究Electron 客户端背后调了哪些接口,一份抓包文件里前后到底发生了什么。这些问题都有同一个前置条件,你得会逆向。但常规逆向手段还是非常复杂的,IDA、Ghidra、汇编、伪代码,每一层门槛都不低,大部分人到这里就放弃了。

REA 干的事,就是把这层手艺外包给 AI Agent。

没有源码,REA也能拆

官网列了一张能力表,整整 17 类目标,我挑程序员最常用的几样说。

原生二进制是最硬核的一档。给一个没有源码的 exe 或者 so,它能出伪代码、汇编、字符串、符号表、调用和引用关系,反编译引擎用你机器上装的 Hopper、Ghidra 或 IDA,三家里任何一家都行。

Android APK 走无头 JADX,能反编译到方法级,看清 manifest 声明、类结构和每个方法里的逻辑。接上 adb 还能直接操作真机,看包、看进程、拉日志、截屏幕。

JS 和 Electron 应用是静态分析,不用把应用跑起来,模块、imports、路由、IPC 通道、native add-on 的关系全给梳理出来。.NET 程序集同样开箱即用,连分析引擎都不用配。

再往后是网站实测(驱动 Chrome 系浏览器)、HAR 抓包文件分析、Go 二进制、WASM、EVM 字节码、固件、Linux 崩溃转储,全在覆盖列表里。

有一条贯穿所有能力的设计,所有分析都在本地执行,你的目标文件不会离开你的机器。

最值得学的是它的取证思路

AI 做分析,最怕的就是一本正经地瞎编。逆向这个领域尤其如此,模型给你编一段看着很像那么回事的伪代码,你拿去照抄就完蛋了。

REA 的解法是把证据做进返回契约里。

每条结论都必须带上证据和局限两样东西,伪代码片段、指令、引用、source map 位置算证据,哪里没看清、哪里只是推测算局限。Agent 拿到的永远是一份带出处的调查报告,想编都没有缝隙。

官方案例就是按这个标准自证的。

第一个案例是逆向 DOS 游戏 DX-Ball 的声像定位算法,顺着一次声音调用找到算定位的辅助函数,看指令,把不完整的伪代码补成 C 代码。重建出来的代码通过了原版 3205 个 x86 测试用例,63 字节的编译产物逐字节复现。

另外两个案例,一个拆了 Notion 的剪贴板桥接,顺着渲染进程追 IPC 追到主进程,一个恢复了上世纪 PC-98 弹幕游戏 TH04 的弹幕环角度计算。

第二个值得学的设计,是它不重造反编译器。

REA 自己不写反编译引擎,它做的是把你机器上已有的专业工具,连同 JADX、adb、Binwalk、WABT 这些现成工具链,统一封装成 Agent 能调用的工具集。仓库的语言构成很说明问题,主体是 1719 万行 TypeScript,旁边还躺着 Java、Python、C++、汇编,全是各家工具链的集成胶水。

整段工作流是这样的。

快速上手

安装就一条命令。

npx rea-agents setup

向导里选你在用的 Agent,Claude Code、Codex、Cursor、Gemini CLI、Grok Build 都支持,确认改动、重启 Agent 就完事。setup 会注册 REA 的 MCP server,同时给 Agent 装一套配套的调查指引,教它怎么提问、怎么顺着证据追问,改配置前自动备份。

环境门槛只有一条,Node 22.19 以上的 22.x、24.11 以上的 24.x,或者 26 及以上。

组件也不用记多。

rea-agents 这个 npm 包是全部主体,MCP server 和 CLI 都在里面;

  • 常用的话 npm 全局装一个,得到一条 rea 命令;
  • 反编译引擎是 provider 概念,Hopper、Ghidra、IDA 三选一,静态 JS 和 .NET 分析连 provider 都不用配。
  • APK 分析要另装无头 JADX 和 JDK,WASM 要 WABT,固件要 Binwalk,这些按需再补,新手记住前面三样就够。

跑起来更简单,装完直接开口。

Understand how search works in the Notes app, show me the evidence,
and build a similar feature for my project.

把 Notes 换成你的目标 App 和想搞懂的功能就行。不想装、只想跑一次的,终端一条命令也行。

npx -y rea-agents@latest analyze-javascript-application /absolute/path/to/app --json

返回目标应用的模块、imports、Electron 边界,每条都带证据。一条命令装,一句话开跑,这就是全部门槛。

谁用得上

  • 做竞品分析的。看中别家 App 或客户端的一个交互,让 Agent 顺着伪代码和调用链讲清实现方式,证据摆出来再决定怎么借鉴
  • 天天抓包的。HAR 文件直接喂给 Agent,接口行为、payload、源码位置自动梳理,抓包的后半段可以交出去了
  • 做 APK 摸底和安全审查的。反编译到方法级加上真机操作,客户端合规检查、兼容性调研都用得上
  • 对做测试开发的人,它是「Agent 怎么干专业领域的活」的现成参考。

几个要留神的点

  • 想拆原生二进制,得有 Hopper、Ghidra、IDA 之一。Ghidra 免费开源,Hopper 收费但 setup 可以帮你装,选哪家看预算
  • 迭代速度太快未必是好事,一周 9 个版本意味着踩坑随时可能踩到新版上,官方 FAQ 的第一条建议就是遇到 bug 先 rea update
  • 分析虽然全在本地,结论会进 Agent 的上下文,等于发给你所用模型厂商的服务器,涉密项目要过一遍这个账
  • 项目有明确的免责声明,只用于合法研究、教育、互操作和自有或授权软件的分析,拿来干什么,责任在自己

写在最后

这个项目最让我在意的,是它给「Agent 干专业领域的活」打了个样。专业领域最缺的从来都不是模型能力,是让模型只说真话的约束。REA 把证据和局限做成返回契约,把专业工具封装成 provider 桥接,把分析数据锁在本机,这三件事凑齐,Agent 才敢往逆向这种错一步就白干的领域里放。

工具本身可用可不用,Hopper 那一档的门槛对多数人还是偏高。但证据链返回契约、专业工具桥接、本地分析边界这三个设计思路是通用的,搬回自己的工具和流程里照样成立。

地址放这了。

GitHub 👉 https://github.com/morluto/rea

官网 👉 https://rea.tools/

觉得有用帮忙点个 Star,也欢迎转给团队里天天想拆竞品的同学。


目录
相关文章
|
23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
9321 29
|
9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。
|
21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。
2447 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!
|
7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。
615 1
|
2天前
|
存储 缓存 测试技术
QWT 3D 模块重构记:旧渲染管线改进介绍及实时瀑布图示例
QWT 3D模块完成重大重构:解耦窗口与图形(Plot+Item),摒弃OpenGL 1.x固定管线,迁至Core Profile着色器渲染;支持多图元同场景叠加,并以实时3D瀑布图验证——滑动窗口、固定色域、64帧×256点达61fps。兼容Qt 5.12+/6,LGPL协议。
154 120
|
10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。
1174 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
|
14天前
|
Windows
【保姆级】.NET Framework 3.5离线安装教程(2026最新实测)
.NET Framework 3.5是微软经典运行库,专为兼容老软件、老游戏设计。Win7自带,Win10/11需手动启用(在线或离线安装)。它与4.x系列并存不冲突,缺它会导致“找不到组件”报错。本文详解两种安装方式及常见问题解决,小白也能轻松上手。(239字)
1780 0
|
4天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
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。
391 0

热门文章

最新文章