软件完蛋了吗？REA三天狂揽12万星：无需源码，Agent就能克隆一切软件

　　作者 | Tina

　　这两天，GitHub 上有一个叫 REA（Reverse Engineer Anything）的项目火了。

　　火到什么程度？截至 10 月 12 日，它的仓库页面显示已经有 12 万颗星。作为对比，年初引领全民“养龙虾”热潮、创造增长奇迹的 OpenClaw，在爆发第三天累计新增了 6 万颗星。

　　项目网址：https://github.com/morluto/rea

　　它干的事情，用 GitHub README 的原话说就是：“通过 Agent 逆向分析一切，从应用行为一路深入到原生二进制层面（Reverse engineer anything with agents, from app behavior down to native binaries）”。

　　简单说，就是利用 Claude Code、Codex 等 AI 编程智能体，通过 MCP 接入 Ghidra、Hopper 等逆向工具，让 Agent 能分析没有源码的软件，追踪某项功能的实现线索，并根据分析结果尝试编写相似功能。

　　REA 对原生二进制文件的支持最深入，覆盖范围也不止于此：

　　原生应用：Mach-O、ELF、PE 和 macOS .app 程序包，包括 Swift 和 Objective-C 元数据。

　　程序包和归档文件：ZIP、APK、IPA、ASAR；还可以不解压文件，直接生成文件清单。

　　Electron 和 JavaScript 应用：静态梳理入口点、模块、IPC 通道、preload 脚本和 source map，无需运行应用。

　　网站：通过本地 Chrome DevTools 端点，被动观察你已经控制的浏览器。

　　.NET（托管型 PE/CLI）：无需执行程序，即可检查元数据、成员和原生代码边界。

　　版本差异分析：比较应用的两个版本，并生成变更报告。

　　正如 Replit CEO Ahmad Msad 所说：“AI 驱动的逆向工程和反编译领域正在发生的事情简直不可思议。很快，所有软件都可能事实上变成开源软件。”

　　过去四十年，软件的价值逻辑有一部分建立在“源码不可得”这个前提上：我写了代码，编译成二进制，你拿不到，所以你得买我的。REA 动摇的正是这个前提——当 AI 能读懂二进制、能追调用链、能生成重构代码，“拿不到源码”这件事，还能挡住谁？

　　这显然会改变整个行业的游戏规则。那些躺在过去成绩上、不积极投入产品、也不持续快速更新的公司，问题已经不再是“会不会有人克隆你”，而是“什么时候被克隆，以及克隆你的人会不会跑得更快”。

　　延续了半个世纪的“闭源护城河”神话，在这一刻，似乎正式宣告破产。

　　“这些订阅制都该消失。贪得无厌，真让人无语。”“软件完蛋了。”

　　“如果这真能跑通，那以后就没有什么东西还算专有了！软件这下算是彻底完蛋了！”

　　1 几十年硬功夫，Agent 几年就上手了

　　你有没有过这种时刻：用着某个 App，发现某个功能做得特别顺——离线搜索秒出结果，同步机制丝滑得不像话。你想在自己产品里也搞一个，但没源码、没文档，连它怎么实现的都不知道。

　　以前遇到这种事，只能去学逆向工程。找一款反汇编器，啃它的 API，在一堆字符串和符号里翻来翻去，手动追调用图，在不同工具之间来回倒腾。这是一门硬功夫，绝大多数应用开发者根本没时间去学。

　　REA 换了个思路：把这活儿交给你的 AI 编程助手，例如 Claude Code、Cursor、Codex、Gemini CLI、Windsurf 和 Claude Desktop 等。

　　更准确地说，REA 是一个用 TypeScript 编写的开源（MIT 许可）工具，为 Agent 提供了一种一致的方式来调查软件，其核心就是在 AI Agent 和逆向工具之间架了一层调度。

　　有网友打趣说，这就像“有人给 Claude Code 配了一个反编译器”。

　　REA 调用的逆向工具实际上都不是新的，都已经发展多年：Ghidra 于 2019 年开源，Hopper 的历史可以追溯到 2011 年，IDA 则从上世纪 90 年代起就被逆向工程师使用。REA 做的，是让 Agent 能调用这些工具，把过去需要人工串联的分析步骤接进编程工作流。

　　比如说要求 REA“逆向分析 Notes 应用，找出离线搜索的工作方式并解释清楚，然后用 TypeScript 和 SQLite 为我的项目实现一个类似版本。”在后台，Agent 会借助 REA 工具大致完成以下步骤：

　　不过，大模型进入逆向工程，并非始于 REA。

　　大模型辅助逆向已经发展了好几年。早在 2022 年，纽约大学和卡尔加里大学的研究团队就在论文 《Pop Quiz! Can a Large Language Model Help With Reverse Engineering?》 中测试 Codex 能否辅助逆向。研究者让模型阅读代码和反编译代码，判断函数用途、程序具备什么能力，以及变量名或关键值可能是什么。

　　这开创了使用大模型解析反编译伪代码的先河，但当时 AI 还只是个需要手动复制粘贴的“阅读理解外挂”。随后几年，技术走向分化：一派如南科大开源的 LLM4Decompile，尝试绕过传统引擎直接将机器码原生翻译为 C 源码；另一派则走向了 REA 这种 Agent 自动化架构——通过在大模型与 Ghidra、IDA 等传统工具之间架起调度桥梁，让 AI 真正长出“手和眼睛”，实现自动提取符号、追踪调用链并生成落地代码的端到端逆向工作流。

　　今年 4 月，一位资深安全人员用 Agent 搭配 Ghidra MCP，从普通游戏一路拆到了银行等级 App。

　　游戏类的基本不在话下：Cocos2d 游戏靠纯静态分析就能识别出 Blowfish 算法并反推出 key，Unity 游戏靠观察密文特征猜出 Lua 注释格式从而反推出 XOR key。

　　真正让人意外的是银行 App。这类 App 通常有多层加壳和混淆，还带反注入、反调试、root 检测、模拟器检测等一整套防护。按他事后的总结，AI 一层层分析、绕过了这些保护，最终都能在 root 过的模拟器上打开 App 并抓到请求内容。

　　整个过程，他用的工具是 Cursor 搭配 Claude Opus 4.6 high thinking，大部分时候 prompt 很简单：某个文件夹底下有个 apk，把它逆向还原成源码。而且很多 App 的逆向时间在 30 分钟左右，按照 Cursor 的计费机制，花费不到 5 美元；用 Claude Code 试的一个 Unity 游戏花了 4000 万 token，约 27 美元。平均下来，30 美元上下。

　　他自己都感叹：“那时我才意识到，我才是 AI 的限制器。”以前觉得 AI 办不到的事，其实是自己不敢让它去试。“只要你能给 AI 一个让他发挥的环境，确保他能看到足够的 log 而且验证对错，再给他够多时间，没有什么逆向不出来的。”

　　2 克隆潮已经来了，护城河换了个地方？

　　可以说，逆向各种 App 理论上早就可行，只是这几天 REA 的出现让这件事引起了更多关注。

　　有网友就提到：“我怀疑这是否就是为什么过去几天我的 YouTube 推送里出现了大量关于各种商业应用程序的 Vibe Code 克隆版视频的原因。从 Adobe 到 Microsoft Office 的旗舰产品，应有尽有。”

　　应用克隆以前在手机游戏领域就发生过：有人发布一个换了名字的 Flappy Bird，第二天就冒出一大堆仿制品。可现在不是一大堆，而是数不清的仿制品。只要有人想要某款软件，就可能把它克隆出来。眼下这事发生在小团队身上，但 Adobe 一样会受到影响——Photoshop、Illustrator，Adobe 整套产品，都有人做出了克隆版，而且某些方面还更好，做这件事的可能还不止是个人行为。

　　对于 REA 本身，还有网友实测后反馈道：“REA 火成这样真不是吹的，我拿剪映和几个项目试了试，确实底裤都没了。”

　　他提到了看到别人某个功能做得好，顺着模块、路由、IPC 通信一路查到实现逻辑，在自己的项目里直接复现；那些不给你开放接口的软件和库也能拆，Electron/ 桌面端应用很多就裸奔了。还有一个场景是用来“拯救没有源码的老软件和老库——Agent 能调用 Ghidra、Hopper 去读伪代码和汇编，甚至把老游戏里的算法精准还原出来。”

　　那么问题来了：如果连没有源码的老软件都能被拆开、复现，软件公司的护城河在哪里？

　　技术专家徐昊的观点是，克隆能拿走的是代码，拿不走的是知识。面对一个没有源码的软件，重点从来都不是“用另一个技术把它重写出来”，而是去推断它的业务逻辑，梳理清楚它到底在干什么。“你把它重演出来，我觉得这东西没什么意义。”

　　。如果放到 REA 的场景里，这话也可以理解为：REA 虽然可以把二进制还原成代码，生成一份看起来完整的功能实现，但“还原出代码”和“理解了这个软件”之间，还隔着一层东西——它为什么这样设计，业务规则是什么，哪些行为是刻意为之，哪些是历史包袱。

　　换句话说，写代码从来不是一个软件公司的护城河。

　　有专家在接受 InfoQ 采访时也把答案落在了代码之外：“客户关系、社区、人与人之间的信任，以及对需求的洞察，才是公司真正要经营的东西。”

　　过去，有些人把“几个程序员写代码很厉害”当成创业理由，却没有想清楚自己要解决什么问题、能为业务带来什么价值。软件和代码只是实现业务价值的手段。如今开发成本下降，对真正懂行业、有 know-how、能解决实际问题的人来说，反而意味着他们有机会把经验转化成产品。

　　也认为， “REA 确实会进一步影响软件行业的生意模式，但要说这是软件的末日，我不认同。”从能做出类似功能，到客户愿意付钱，再到能够长期服务好客户，中间有很多事情，拿到代码并不能替你完成。

　　“如果源码一旦可以获得，软件生意就无法继续，那开源软件的商业模式早就应该不存在了。”

　　很多开源项目的代码，大家本来就可以获取、研究，也可以在许可证允许的范围内使用和修改。但企业仍然愿意购买相关的商业订阅、托管和技术服务，这个现象已经存在很多年。以 Red Hat 为例，它在官方订阅说明里列出的价值，包括面向生产环境的软件、生命周期管理、兼容性、补丁和更新，以及技术支持和专家资源。客户付费买到的东西，明显超出了下载一份代码。

　　企业当然可以选择自己组建团队，把这些事情做起来。但自己做也有成本，需要招聘、培训、积累经验，还得让这支团队长期存在。对一些企业来说，向专业供应商付费，是比全部自己承担更合适的选择。

　　一个版本发布以后，谁来维护？依赖的组件出了问题，谁来判断是否影响业务？多个产品放在一起使用时，谁来验证兼容性？这些工作不会因为代码公开了就自动完成。

　　企业愿意付的钱里，有相当一部分，是为了减少自己把软件用好、长期维护好的成本和不确定性。这也解释了为什么同样围绕一个开源项目，不同公司能够做出的生意差别很大。代码的可获得性相近，服务能力、客户关系和履约记录却可以相差很远。

　　但这不意味着原有软件公司可以高枕无忧，服务体系本身也会被 AI 改变。过去需要很多人完成的排查、文档整理、配置检查和部分实施工作，以后可能由更小的团队借助 AI 完成。如果新公司既能做出合适的产品，又能以更低的成本提供可靠服务，它就有机会逐步建立客户信任。原来的大厂不能因为自己过去拥有完整服务体系，就认为这种优势会永远保持下去。

　　回到 REA 本身，它改变的不是“软件有没有价值”，而是“软件的价值靠什么支撑”。当代码和功能越来越容易被复制，收费的基础就必须从“实现难度”和“信息不透明”转向别的地方——对业务的理解、对客户的响应、对系统长期运行的保障。

　　这个变化可能让一些功能更便宜，让一些原来的收入受到挤压，也可能让新的服务商有机会进入市场。它对生意模式的影响会很实际，但企业对可靠软件、专业服务和持续支持的需求，并没有因此消失。

　　护城河没有消失，它只是从“你看不到我的代码”，挪到了“你拿不走我的服务能力和业务理解”。

　　《REA 不是软件的末日，拿到源代码也不等于拿到生意》：

　　《AI 可以用任何手段、写任何东西，但你得是个“中年老登”》：

　　https://blog.huli.tw/2026/04/18/ai-reverse-engineering-op/

　　https://arxiv.org/html/2202.01142v1

　　声明：本文为InfoQ 编译，不代表平台观点，也不构成投资建议，未经许可禁止转载。