最近两天，我用了一个 GitHub 上特别火的项目，叫 REA。

真的牛逼。

我直接把本地一个收费应用给逆向、重写了。当即就把它的续费关了。

以前说 AI 能写代码，多少还是在讨论它能帮程序员提多少效率。这次我自己的感受很直接：它已经影响到我下一笔软件订阅的钱，还要不要花了。

给大家解释下，REA 是干嘛的。

它的全称叫 Reverse Engineer Anything，你可以理解成，让 AI 帮你分析一个软件是怎么工作的。

截至 10 月 13 日，这个项目在 GitHub 上已经有 15 万多 Star。

软件没有给你源码，也可以从程序本身入手，分析它的功能和逻辑。REA 把这类分析工具接给 AI 编程助手，再由 AI 根据分析结果解释功能，或者写出新的实现。

比如你看到一个软件里的功能，觉得特别好用。以前想自己做一个，你得先搞明白它怎么实现，碰上看不懂的程序，还得自己折腾逆向工具。

现在有了 REA，AI 可以参与这个过程了。

它能接到 Claude Code、Codex、Cursor 等编程助手里，分析对象包括本地程序、JavaScript 和 Electron 应用、.NET 程序以及网页。具体用到什么工具，要看软件类型。

你不懂这些技术名词也没关系。说白了，就是让 AI 有工具去查这个软件，再根据查到的东西干活。

当然，不能理解成一键找回原作者的完整源码。拿到分析结果以后，仍然需要理解逻辑、重新实现和验证。

但这个能力已经很有意思了。

以前我们让 AI 写软件，通常是自己描述需求，告诉它这个按钮干嘛、那个功能怎么做。需求说不清楚，做出来的东西就容易跑偏。

现在，已有的软件本身，也可以成为理解需求和实现逻辑的线索。

比如它导出文件时到底做了哪些处理，同一个按钮在不同情况下有什么行为，某个功能需要哪些模块配合。这些都可以变成具体的调查问题。

我最近两天的这次尝试，最后就是把那个收费的本地应用重写了。

具体我是怎么用的，也给大家说一下。

我先把 REA 项目拉到本地，启动了自己的分析工作台，再把要分析的 EXE 放进去，通过窗口里的分析结果和 AI 配合拆解。

下面这张，就是我当时用的本地工作台。界面里能看到目标文件、模块清单、分析证据，以及还没有弄清楚的问题。

这里说明一下，这张图是我的实际环境，底部写着 inspired by REA。它不是所有人安装 REA 后都会出现的统一官方界面。

REA 官方提供的接入方式，是把分析工具连接到你使用的 AI 编程助手。入门命令是 npx rea-agents setup，按照安装计划完成配置后，重启助手。具体怎么分析，还得看目标程序的类型和你准备的工具。

使用的时候，我建议把任务拆开。

第一步，确认你有权分析这个目标，告诉 AI 你想理解的具体行为，比如会话配置怎么保存、文件导出经过了哪些处理。

第二步，让它给出相关模块、调用关系和证据。哪些是已经查到的，哪些只是推测，哪些还需要继续验证，都列出来。

第三步，把自己的应用需求写清楚，再让 AI 编写新的实现。需要的协议、界面和交互分别说明，先把核心功能跑起来。

第四步，验证能用以后，再继续改。界面不顺手就调整界面，流程太绕就改流程，需要新功能就逐个加。

这就是我觉得很有意思的地方：做出自己的应用以后，可以继续围绕自己的需求改。

下面这张 ServerDock，就是我提供的重写应用截图。终端、容器和日志入口，以及资源监控、SFTP 文件面板，都能在界面里看到。截图展示的是当前界面，功能是否稳定还得继续实际使用和验证。

还有个情况，我也遇到了：AI 可能会拒绝。

我收到过的回复，大意是，如果任务涉及绕过商业软件的会员限制或连接数限制，它不会参与，也会建议使用替代工具，或者基于公开协议自行开发。

这是我遇到的一次实际回复，不能推成“AI 一概不做逆向工程”。REA 提供分析工具，AI 仍然会判断具体任务的用途。换一句提示词，也不能代替把真实目标说清楚。

如果你要做的是自己的应用，可以这样描述一个明确的开发任务：

我想开发一个自己的服务器管理应用，需要多标签 SSH、SFTP 文件管理和会话配置。请基于公开协议和可使用的开源组件设计并实现，先列出方案，再做一个能运行的最小版本。对于我自己开发或已获分析授权的参考程序，请分析指定行为，列出证据和未知项，再说明哪些结论可以帮助新的实现。

这是一段建议提示词。分析对象、权限和具体需求，都要根据你的实际情况填写。

等自己的应用跑起来以后，后续的改造就很直接了。你可以把需求继续交给 AI，一边用，一边改，一边验证。

续费关掉的那一刻，我其实就在想，以后有些本地软件的订阅，可能真得重新算一算了。

我们为什么愿意为一个软件付钱？

因为它解决了我的问题，也省掉了我自己做、自己维护的麻烦。

这个钱，我一直觉得该花就花。一个工具每天帮你省时间，做得稳定，用着舒服，当然有价值。

但如果我已经能借助 AI，把自己需要的工具做出来，那我就有理由重新考虑这笔续费了。

尤其是有些本地工具，我买的是一整个应用，日常反复用的却只是其中几个功能。

过去，即使只需要这几个功能，自己做的成本也可能很高。现在 AI 能写代码，REA 又让它有机会分析现成的软件，自己动手的门槛就进一步降了。

对愿意折腾的人来说，这个变化很实在。

你可以围绕自己的需求做。用不上的功能省掉，常用的流程改顺手，后续要加什么，也可以继续让 AI 帮你改。

当然，重写出来，也得自己承担维护。

出问题要查，新环境要适配，特殊情况要测。这些工作不会因为 AI 帮你写了代码，就自动消失。

我这次关掉一个应用的续费，也不能推成所有收费软件都不值得买。复杂的软件、长期稳定的服务，还有大量我自己不愿意接手的维护工作，照样有付费价值。

但软件作者以后可能要面对更多像我这样的用户了。

我会更在意，你到底持续帮我解决了什么问题。新版本有没有实际价值，维护有没有跟上，价格和我的使用频率匹不匹配。

因为“自己做一个”这个选项，正在变得越来越现实。

以前看见一个好用的软件，我更多是在想，要不要买。

现在还会多想一步，我能不能借助 AI，做出一个适合自己的版本？

我觉得 REA 最值得关注的地方，就在这里。它把理解已有软件和编写新软件这两件事，接得更近了。

我最近两天亲自用下来，确实很服。

一个本地收费应用，我把它重写了，续费也关了。

AI 到底有没有用，对我来说，这次已经有了一个很具体的答案。

项目和资料：

• • REA GitHub 项目^[1]
• • REA 官方介绍与案例^[2]
• • REA 分析能力与常见问题^[3]

引用链接

[1] REA GitHub 项目: https://github.com/morluto/rea
[2] REA 官方介绍与案例: https://rea.tools/
[3] REA 分析能力与常见问题: https://rea.tools/faq/

阅读原文：点击这里​