前阵子想让 AI 帮我复刻一个功能——某个笔记 App 里那种复制粘贴不丢格式的剪贴板。

我把需求说得很细，它写得很认真，代码跑不起来。换了个问法再要一版，还是跑不起来。来回三次，每次它都能给出一套看着挺像的新方案，每次都不对。

最后我问了它一句：你知道那个 App 到底是怎么实现的吗？

它说：据我了解，通常是通过剪贴板写入富文本格式……

「通常」。

那一刻我才明白，我一直在跟一个从没见过那个 App 的 AI，讨论那个 App 该怎么做。

AI 不缺手，缺的是眼睛

这两年我们习惯了把 AI 当手用：帮我们写、帮我们画、帮我们算、帮我们把想法变成能跑的东西。

手很好用。但所有手的动作，前提都是眼睛先看见了目标。

你让一个师傅打个柜子，他会先去看你家墙角那道梁。你让一个 AI 复刻一个功能，它没有墙角可看，它只有训练数据里的记忆。

训练数据里没有你电脑上装的那款，没有那个 2019 年就停止更新的安装包，也没有某家公司内部那套只有二十个人知道的实现。

所以它给你的，永远是「这类功能一般怎么做」，而不是「人家到底怎么做的」。

这两个东西的差别，就是「看着像」和「跑得起来」的差别。

人类程序员遇到这个问题的解法很朴素：扒。翻源码、看博客、按 F12 一条一条看网络请求、把安装包解开看看里面有什么。笨，但有效，因为那是「看见」。

AI 一直没有这个能力。它能读你给它的文件，但你不能把一个 App 递给它。

直到有人把这件事做成了基础设施。

给 AI 装一只眼睛

GitHub 上有个项目叫 REA，全称 Reverse Engineer Anything——逆向一切。

它不是一个 App，也不是一个网站。它是一个 MCP server，简单说，就是给 AI agent 外挂的一套工具。你装好之后，还是照常跟 Claude Code、Cursor、Codex 这些工具说话，只是它现在能「看」了。

装它只要一行：npx rea-agents setup。选一下你在用哪个 agent，确认要改的配置，重启。就这样。

它能看的东西，多到有点离谱。

原生二进制就不说了，那是本行。此外还有：Android 安装包、.NET 程序集、Electron 应用、WASM 文件、Go 编译出来的二进制（能读出编译器版本和依赖模块）、Rust 二进制（能读出内嵌的 crate 名和版本）、固件镜像、SQLite 数据库、Unity 的 IL2CPP 元数据、Godot 的打包文件、以太坊字节码、CUDA 核函数、GGUF 模型文件、iOS 崩溃日志、Windows 的签名证书、抓包文件、内核模块……

甚至还有逻辑分析仪录下来的信号，和跑起来的进程行为。

README 里列了三十多类目标。我第一次翻这张表的时候，感觉不像在看一个工具的功能列表，更像在看一个人的好奇心清单。

真正让这东西立得住的，是「证据」这两个字。

它每给一条结论，都会附上支撑这条结论的代码片段、地址、引用，以及这条结论的局限在哪儿。你追问下去，它能带你回到那一行指令。

这句话听着平淡，但你想想我们用 AI 最常遇到的场面：它说得头头是道，你一句「你确定吗」，它立刻改口。

一个会在结论后面标注「这里我没把握」的工具，和一个永远自信的工具，你信哪个？

三个案子，看看它能拆到什么程度

光说能力没意思，看它拆出来的东西。

第一个，一款 1996 年的弹球游戏。

DX-Ball 里有个音效设计：球打到砖块上，声音会根据位置左右偏移。这个偏移怎么算的，没人写过文档。

REA 顺着音效调用往下追，追到一个把位置换算成声像的辅助函数，把指令一条条读出来，还原成一个公式：输入值乘 1.5625，减 500.0，再乘一个缩放系数，取整返回。

63 个字节，一模一样。

这个数字的意义在于：它不是「大概理解了」，是「理解到能一字不差地重写」。

这两件事之间的距离，比大多数人想的远得多。

第二个，Notion 的剪贴板。

就是我开头想做的那个东西。REA 顺着渲染进程里的剪贴板接口往下走，穿过预加载脚本、穿过 IPC 通道、进到主进程，最后把那个富文本剪贴板的数据格式扒了出来。

渲染层 → 预加载层 → 通信层 → 主进程。一条线，四层，每层都能给你看代码。

我看到这个案例的时候愣了几秒。我折腾了三个来回没搞明白的东西，它的路径是这么清晰的一条。

第三个，一款 1994 年的 PC 游戏。

TH04，跑在 PC-98 机器上的弹幕射击游戏。REA 读的是 16 位时代的汇编指令，还原出弹幕环形排列的两套角度计算——一套固定角度，一套瞄准玩家。然后它把重写的 C++ 和一个九十年代的编译器编译出来的结果做了对比。

我盯着这三个案例想了很久。

这不是黑客工具的样子。黑客工具的目标是攻破，是拿到权限，是让系统做它不该做的事。

这个工具的目标是理解。它干的事更像考古——把一件没人留下图纸的东西挖出来，一点点清掉土，然后告诉你它当年是怎么造的。

· · ·

最反常识的地方，是它的免责声明

任何一个做逆向的工具，都要先回答一个问题：这东西会不会被拿去干坏事。

REA 的回答写在仓库最显眼的位置。它列了一份「不做」的清单：帮人绕开正版验证、做游戏外挂、破解别人的账号权限、抄别人的专有代码、规避 AI 模型厂商的使用政策、倒卖账号和 API。

这份清单本身挺有意思——它基本上是同行的业务范围。

更值得注意的是它的措辞。它没有说「本工具仅供学习」，那种话等于免责符，说了跟没说一样。它说的是：分析要在你拥有或获得授权的目标上进行，你对你指挥 AI 做的每一个动作负责；一个公开可得、你手里有这个文件、你能连上这个调试端口，这三件事本身都不构成你有权对它做任何操作。

这话说得挺硬，也挺清醒。

还有一个细节，我觉得才是它敢挂 41.9 万 star 的真正原因。

README 第二段是一段警告：只从三个官方渠道——这个仓库、、npm 包。然后它写了一句：「相似的仓库名、抄来的 README，都不能说明这个是官方的。」

一句话把话说透了：仿冒已经出现了。

一个逆向工具被人仿冒，逻辑上非常顺——它太适合被塞点东西进去了。项目方在第一天就把这个风险摆到台面上，而不是等出事了发公告。

一个让我后背发凉的细节

我去翻了它的提交记录。

贡献者名单里有几个名字：Claude Opus 5.5、OpenAI Codex、factory-droid、Cursor Agent、Greptile。

都是 AI。

一个教 AI 怎么拆解别人的项目，自己是 AI 一起写出来的。

再看时间线。四月十四号，第一版提交，名字叫 betterBinaryMCP，做的事情很窄：给 Hopper 反汇编器套一个 MCP 外壳，三十九个工具。

六个半月后的今天，它变成了覆盖三十多类目标的全能选手，三十九个版本，PR 编号已经排到八千六百多，还有一千六百多个 Issues 开着没关。

从四月十四号到十一月二号，二百零二天，四十一万九千颗 star。平均下来，每天两千多颗。

这个速度不是人手敲出来的速度。它是一个已经把「看代码」这件事自动化了的团队，在用自动化生产自动化工具。

作者叫 morluto，2020 年注册的账号，两百六十个仓库。个人简介只有一句：member of technically staff。

就这样。

谁该紧张，谁该高兴

写到这里我得说点不好听的。

该紧张的是：把信息差当护城河的人。

你花了半年打磨出来的交互细节、那套只有你们团队知道的参数、那个「用户说不清但就是好用」的手感——过去这些东西能靠不开源、不写文档、不参加行业会议来保护。

现在保护期大概是：功能上线，到有人想拆它，中间隔着一个下午。

该高兴的是：所有在学的人。

以前你想搞懂一个效果是怎么做的，路径是这样的：先猜关键词，再搜到几篇互相抄的博客，然后扒一个 GitHub 上不知道对不对的实现，最后自己试。运气好三天，运气不好三周，还得接受「大概就是这么回事」。

现在是：问一句，它去拆，回来给你证据。

学徒和师傅之间那层「你得先看得见」的门槛，被抹平了一大半。

我的判断是：护城河的位置变了。它从「我知道怎么做」，移到「我知道该做什么」，再移到「我有别人拿不走的东西」——用户、数据、渠道、信任，还有那个最虚也最实的：判断力。

技术实现正在变成一种公共品。这不是坏事，但对靠技术实现吃饭的人是硬着陆。

还有个功能，我觉得才是这个项目真正的野心，只是它被藏在文档深处。

它能把一段录下来的网页会话，变成 AI 可以练手的环境。你操作一遍网页，它把请求和响应都记下来，然后拼成一个沙盒，让 AI 在里面反复练「建文件夹、改名、删除」这类任务，练完还能打分。

这叫强化学习环境构建。一个逆向工程工具，顺手把「给 AI 造训练场」这件事也做了。

它卖的不是拆解，是拆解之后的那块地。

最后

那天晚上我把那个剪贴板功能从需求文档里删掉了。

不是因为做不到。是因为看完 Notion 那条四层路径之后，我突然不想抄了。

我想要的从来不是「跟那个 App 一样」，是「比它少点步骤」。这个差别，AI 判断不了，REA 也判断不了。

它能替我去看，替我把看不到的东西拆开摆平，替我把「人家怎么做的」变成一行一行有出处的证据。

但它不知道我到底想要什么。

这大概是接下来几年最有意思的分工：机器负责看见，人负责想明白。

只是有个问题我一直没想通——如果拆解的成本降到几乎为零，你手上还剩下什么，是别人拆不走的？

项目地址：https://github.com/morluto/rea

官方网站：https://rea.tools/