REA：一个让AI替你逆向工程的革命性工具

你是否曾经看到某个App的酷炫功能，想知道它是怎么实现的，却因为没有源代码而一筹莫展？

现在，有了一个革命性的工具——REA（Reverse Engineer Anything），它能让AI Agent直接帮你分析任意程序的实现原理，从原生二进制到JavaScript应用，从Android APK到网站行为，全都支持。

这个项目在GitHub上已经斩获了11万颗星，成为逆向工程领域最火爆的开源工具之一。

今天，我就带你深入了解这个项目。

一、项目概述

1.1 REA是什么

REA是一个基于MCP（Model Context Protocol）的逆向工程工具，它将各种分析引擎（Hopper、Ghidra、IDA、反编译器等）统一封装，通过AI Agent进行智能分析。

简单来说：你告诉它你想分析什么，它帮你找出答案，并给出证据。

1.2 核心特性

特性	说明
多目标支持	原生二进制、JavaScript/Electron、.NET、Android APK、网站等
本地分析	所有分析在本地完成，不上传你的程序
证据驱动	每个结论都附带原始证据和已知局限性
Agent集成	支持Claude Code、Codex、Cursor、Gemini CLI等主流AI编码助手
CLI工具	也可以脱离Agent独立使用命令行工具

1.3 支持的分析目标

REA是目前支持目标类型最丰富的逆向工程工具：

• 原生二进制程序：通过Hopper/Ghidra/IDA返回伪代码、汇编、字符串、符号、调用关系
• JavaScript/Electron应用：恢复模块结构、import关系、IPC通道和原生接口
• Android APK：Manifest声明、类信息、反编译方法和引用关系
• .NET程序集：元数据、CIL指令、声明的原生依赖和构建对比
• 网站行为：页面结构、脚本、网络请求和截图
• Go二进制：内置静态分析，无需Go环境
• WASM产物：验证、分段、导入/导出的WAT形式
• EVM字节码：调度选择器、字节偏移、推断参数和可变性
• SQLite数据库：表结构、索引、视图、触发器和选定行的数据
• 固件：区域划分、提取结果和原生分析交接点
• 以及更多……

二、快速上手教程

2.1 环境要求

• Node.js：22.x (≥22.19)、24.x (≥24.11) 或 26+
• npm：已安装
• 分析工具（可选，根据目标选择）：
  • Hopper（macOS/Linux）：REA安装向导可以帮你安装
  • Ghidra 12.1.x + JDK 21+（Linux/macOS，Windows实验性支持）
  • IDA（Windows，需自行配置MCP）

2.2 安装步骤

第一步：连接你的AI编码助手

在终端中运行：

npx rea-agents setup

安装向导会：

1. 检测你已安装的编码助手（Claude Code、Codex、Cursor等）
2. 展示计划修改的配置文件（带备份）
3. 等待你批准后才执行更改

第二步：重启你的编码助手

桌面应用（Claude Desktop、Cursor、Windsurf等）：完全退出应用后重新打开。

终端工具（Claude Code、Codex等）：退出当前会话，重新启动。

第三步：验证安装

npx -y rea-agents@latest doctor --json

2.3 开始你的第一次分析

以分析一个Windows游戏为例。假设你有一份DX-Ball 1.07的可执行文件：

向Agent提问：

Use REA to find how DX-Ball calculates sound panning. Explain
the calculation and show the code.

Agent会通过MCP调用REA，REA返回：

• 目标函数的伪代码
• 汇编指令
• 调用者关系
• 引用的数据常量

Agent综合这些证据，最终给出可编译验证的C代码。

2.4 命令行直接使用

如果不想用Agent，也可以直接用CLI：

# 分析JavaScript/Electron应用
npx -y rea-agents@latest analyze-javascript-application /path/to/app --json

# 安装为全局命令
npm install --global rea-agents
rea --help

# 分析原生函数
rea function /path/to/program main --provider ghidra --json

# 检查更新
rea update

三、实战案例解析

3.1 案例一：DX-Ball声音定位计算

目标：恢复1996年Windows游戏DX-Ball中，砖块碰撞时的声音左右声道定位算法。

分析过程：

1. 发现问题：反编译器给出的函数只有__ftol()调用调用，但指令里显示有完整的浮点运算——这是线索

2. 追踪调用者：找到砖块碰撞函数，它传递了20 + 30 × tile_x作为屏幕坐标

3. 读取数据常量：

   • 1.5625 — 第一个乘法因子
   • 500.0 — 减数
   • 1.0 — 初始缩放值

4. 重建算法：

   DxBallInt dxball_screen_pan(DxBallInt x) {
       double pan;
       pan = (double)x;
       pan = pan * 1.5625;
       pan = pan - 500.0;
       pan = pan * dxball_pan_scale;
       return (DxBallInt)pan;
   }
   

验证结果：

• 通过了3205个输入用例的行为对比
• 编译后的字节与原始二进制完全一致（63字节逐字节匹配）

3.2 案例二：Notion剪贴板桥接

目标：理解Notion桌面版如何将富文本（文字+HTML）复制到系统剪贴板。

分析结果：

Renderer (页面) → preload API → IPC channel → Main process handler

关键发现：

• 页面调用window.__electronApi.clipboard.write()
• Preload通过ipcRenderer.invoke("notion:clipboard:write")发送
• Main process的handler检查发送者后，调用Electron原生剪贴板API

更精妙的是，Notion的剪贴板格式维护了块结构：

// 复制时保存的数据
text: "Project notes"
html: "<p>Project notes</p><!-- notionvc: <copy-id> -->"
id: <copy-id>  // 关联到结构化的块数据
mimeTypes: {
  "text/_notion-blocks-v3-production": → structured block data
}

粘贴时，Notion通过HTML中的<copy-id>匹配本地保存的块数据，恢复完整的Notion块结构。

3.3 案例三：Aegis身份验证器的TOTP算法

目标：从APK中恢复六位数登录码的生成算法。

分析过程：

1. 缩小范围：搜索包含"Totp"的类，找到3个匹配项
2. 追踪引用：从TotpInfo类追踪到OtpInfo.getOtp调用者
3. 恢复算法：
   • 时间每30秒为一个区块
   • 区块号 + 账户密钥 → HMAC-SHA1 → 取31位 → 取6位数字
   • 关键公式：code = (hash selected bits) % 1_000_000

验证结果：在133个测试用例上通过验证，包括时间区块边界和首位为0的情况。

3.4 案例四：CTF旗标验证器

目标：解决DownUnderCTF的一道逆向题目。

分析过程：

1. 找到提示字符串"What is the flag?"的引用地址
2. 分析检查函数，发现它用6×6网格+26个掩码做校验
3. 每个掩码选择若干位置的字符码求和，与目标值比较
4. 用Z3约束求解器联立求解26个方程

最终解：DUCTF{ezzzpzzz_07bcda7bfe81faf43caa}

四、设计哲学

4.1 证据驱动的分析

REA的核心设计原则是：每个结论都必须附带证据。

不像普通的反编译器只输出"这是什么意思"，REA同时返回：

• 伪代码（高级抽象）
• 汇编指令（原始证据）
• 调用关系（上下文）
• 引用数据（常量来源）
• 已知局限性（分析的边界）

这样，AI Agent可以自行判断置信度，并在证据不足时继续深挖。

4.2 渐进式调查

REA的工作流不是一次性输出所有结果，而是引导式、迭代式的：

1. Agent提出问题 → REA返回初始发现
2. Agent基于发现提出下一个问题 → REA深入追踪
3. 重复直到结论完整

这种设计让复杂的逆向任务可以分步完成，降低了每次分析的计算复杂度。

4.3 本地优先，隐私安全

所有分析都在本地执行，你的程序不会被上传到任何服务器。这是一个经常被忽视但极其重要的设计决策——商业软件逆向涉及大量敏感信息。

4.4 Agent作为用户界面

传统逆向工具（IDA、Hopper、Ghidra）有陡峭的学习曲线。REA的核心创新是让AI Agent成为人与工具之间的桥梁。

用户不需要学会使用反编译器，只需要用自然语言提问：

• "这个功能是怎么实现的？"
• "这段代码在哪里？"
• "为什么这个值是这样计算的？"

Agent负责操作工具、解读结果、构建答案。

4.5 可验证的结果

REA鼓励可验证的结论。例如DX-Ball案例中：

• 行为验证：3205个输入用例对比
• 字节验证：编译后函数与原始二进制逐字节匹配

这种"双重验证"确保了重建代码的正确性。

五、观点与结论

5.1 REA代表了什么趋势

REA的崛起反映了两个重要趋势：

趋势一：AI正在降低专业技术门槛

逆向工程传统上需要掌握反编译器、汇编语言、调试器等多种技能。REA让任何能用自然语言提问的人都能进行专业级逆向分析。

趋势二：工具正在被AI原生重塑

不是把AI加到现有工具上，而是让AI成为使用工具的接口。REA本质上是把复杂的逆向工具封装成了对话式体验。

5.2 REA不做什么

• 不自动生成完美代码：它提供证据和线索，生成可工作代码仍需人工判断
• 不绕过安全机制：它分析合法获取的软件，强调合规使用
• 不替代专业逆向工程师：复杂任务仍需要领域知识和经验

5.3 适用场景

✅ 适用场景：

• 学习某款应用的技术实现
• 为自己的项目实现类似功能
• 理解和调试没有源码的第三方库
• CTF竞赛题目分析
• 软件遗产保护与文档重建

❌ 不适用场景：

• 破解商业软件的授权机制
• 分析恶意软件（虽然技术上可行，但违反项目许可）
• 绕过安全防护进行未授权分析

5.4 局限性

• 静态JavaScript分析不需要原生引擎，但原生分析需要额外配置Hopper/Ghidra/IDA
• 大型二进制文件分析耗时较长
• 某些平台（如IDA在Linux/macOS上的headless模式）支持仍不完善
• 项目更新频繁，需要经常保持最新版本

5.5 展望

REA项目目前已有11万星，Discord社区活跃，持续有新功能加入。其路线图显示未来可能支持：

• 更多二进制格式
• 更深度的语义分析
• 与更多IDE和Agent的集成

随着AI编码助手越来越普及，REA这类工具正在成为开发者工具链中不可或缺的一环。

六、总结

维度	评价
易用性	⭐⭐⭐⭐⭐ 通过自然语言即可操作
功能覆盖	⭐⭐⭐⭐⭐ 支持20+种分析目标
证据质量	⭐⭐⭐⭐⭐ 每个结论都有原始证据
社区活跃度	⭐⭐⭐⭐⭐ 11万星，Discord活跃
学习曲线	⭐⭐⭐⭐ 相比传统逆向工具极低

REA是一个真正革命性的工具。它不是简单地用AI包装一个反编译器，而是从"人与工具交互"的角度重新思考了逆向工程的工作方式。

如果你对软件实现原理感兴趣，想理解某个功能是如何工作的，或者想在没有源码的情况下复用某项技术，REA值得一试。

---

相关资源：

• GitHub：https://github.com/morluto/rea
• 官网：https://rea.tools/
• 官方指南：https://rea.tools/guides/
• 案例研究：https://rea.tools/showcase/
• Discord社区：https://discord.gg/GkcryMnJDM