

你在别人家的 App 里刷到一个超好用的功能,会不会默默想:要是我自己的产品也有就好了?
过去只有两条路——自己边琢磨边从头写,或者请一位懂逆向的工程师,花上几天把功能拆开研究。
现在,第三条路来了:把“逆向”这件事,直接交给 AI。
我们用的软件,是程序员先写好源代码,再“编译”成机器码。源代码人能读懂,机器码基本是一长串数字。
逆向工程,就是手里没有源代码,只拿着编译好的程序,往回推它是怎么写的。像拿到一只没有图纸的机械表,只能打开表盖,一个齿轮一个齿轮地看它们怎么咬合。
过去,这是安全研究员和破解者的手艺,拆一个功能花上几天是常事。
本周,开源项目 REA 在开发者圈刷屏了。REA 是“Reverse Engineer Anything”的缩写——逆向一切。
它把 Ghidra、IDA 这些专业反汇编工具,接到 Claude Code、Codex、Cursor 这类 AI 编程智能体上。
你只要说一句“弄清楚某个 App 的搜索功能怎么做的,给我看证据,再在我的项目里做一个类似的”,它就会自己翻机器码,把结论和证据一起交回来。
据 Star History 统计,10 月 4 日到 10 日那一周,REA 新增 7.88 万星,在当周所有 GitHub 项目里排第一。到现在,总星数已接近 10 万。
AI 的逆向能力早有苗头。英国 AI 安全研究所公布的一道逆向题,专业测试员用了约 12 小时才解出,而 GPT 无人帮忙时只用了 10 分 22 秒,花费 1.73 美元。让 AI 拆解别人写的程序,成本正在快速变低。
不过,逆向工程教材《Practical Reverse Engineering》的合著者 Elias Bachaalany 转发时只给了一个词——“炒作”。
同一周,开发者 Brandon Thomas 发布了 ArtCraft 旗下七款开源软件,分别对标 Photoshop、Illustrator、Premiere、Lightroom、After Effects、InDesign 和 Acrobat Pro。
据他说,这些软件是借助 Claude Opus 用 Rust 写的,完全免费,跨平台运行。起因是被 Adobe 的退订费坑了好几次。他在 Hacker News 上写道:“Software is over.”(软件这门生意结束了。)
据媒体报道,PhotoCraft 和 FilmCraft 界面和原版几乎一样。可用户反馈:带智能对象的 PSD 文件打开会出问题,FilmCraft 导入较多视频会崩溃。
PhotoCraft 自带的测试里,要它重算 Photoshop 滤镜效果的 30 个案例,只有 5 个对得上。
Thomas 最初承诺“一个月内做到 100% 功能对等”,几天后就改口:做到 99% 需要一段时间,但肯定以月来算。
AI 让一个软件第一次“能打开、能点、能导出”的时间大大提前了。可成熟软件最难的部分,常常是那些需求清单之外的特殊情况。
我自己是非技术出身的独立开发者,手上正好有一个做了一半、被搁置的 App——带提词器的拍摄工具。
拍口播时,台词显示在画面上,眼睛不用离开镜头。iPhone 17 的方形前置传感器,正好适合做这个。
我用 Codex 一点点做,但做出来的只是“勉强够用”:前置 4K 要单独切 tab,预览卡顿,也没有原生相机的流畅度。
后来我看到 QCam,几乎就是我理想中该有的样子——语音跟随滚动,识别全在本地完成,一次性 49 美元买断。
我用 Claude 接着改,UI 也借鉴了它的一些设计。但要一比一复刻做不到,因为我不知道人家的相机链路是怎么连起来的。
看到 REA 时,我第一个念头是:有了它,也许能把这一环打通。
REA 主页的免责声明写着,它为“合法的逆向工程研究、分析和重建”提供工具,取得授权、遵守法律的责任在使用者自己。
大多数商业软件的用户协议里,都写着禁止反编译的条款。传统的“净室开发”要求拆软件的人和写代码的人分成两组、互相隔开。REA 让同一个智能体既读反编译结果、又写新代码,这道保护著作权的墙就不存在了。
我给自己定的规矩很简单:拿它来学习,不拿它去侵权,也不把做出来的东西拿去商用。
开发中我踩了很多坑,视频保存、稳定录制,每个看起来简单的环节都会出问题。
一个成熟产品卖给用户的,其实是“你不用操心”——它稳定,长期有人维护,能实实在在帮你提高效率。
媒体评价 ArtCraft 时说得好:一个 App 不只是一堆代码,还包括它的稳定性、性能和功能,以及它能不能扛住那些决定成败的极端情况。
很多人说,有了 AI 编程,谁都能做产品。但只要你认真做过一个项目,就知道这里面有多少坑。AI 帮你做出来的,很多时候只是一个架子,离真正投入稳定使用,还有很长一段路。
REA 不会替我把提词相机变成 QCam。但它让我这样的文科生,多了一个机会——去看看那些做得好的产品,到底好在哪里。
真正的门槛,从来不是“能不能做出来”,而是“能不能一直做下去”。
你有没有遇到过那种“一看就想照搬”的功能?你会选择自己啃,还是试着让 AI 帮你拆?
如果这篇对你有启发,点个赞❤️,也转发给正在做产品的朋友,一起聊聊。