翻訳済みこの事例について
この2日間、timelineはREAで溢れており、多くの人が「クローズドソースの商用ソフトウェアはAIに下着まで剥ぎ取られる」と驚嘆している。
そのrepo、MCP契約、いくつかのcaseを覗いてみると、底層のロジックは実に非常に直接的で、黒魔術的なものは何もない。
新しい逆コンパイルモデルを発明したわけでもなく、アセンブリを一行たりとも自分で解析していない。
しかし、なぜClaude Codeが数分でNotionのプロセス間通信を把握し、clean-roomでの再現コードまで書けるのか？
本当の対比と価値はここにある。
- 痛点：なぜ以前、逆コンパイルコードを直接AIに食わせても全く通用しなかったのか？
ほとんどの人は以前、逆アセンブルしたアセンブリや難読化JSを大規模モデルに投げ込むことを試した。
結果はほぼ災難だった。シンボル名が剥ぎ取られ、コンテキストが断片化した数千行のコードを放り込むと、大規模モデルは当てずっぽうに推測し、ロジック説明の80%は脳内補完の幻覚に頼っていた。
REAは発想を変えた。大規模モデルに最外層で推測させるのではなく、ローカルで動作するMCP Serverを作り、分析チェーン全体を階層ごとに剥離した：
- 意思決定層（Claude Code / Codex）：目標を理解し、仮説を立て、方向性を定め、証拠を得た後に再現コードを書く。
- スケジューリング層（REA MCP）：各端の逆解析インターフェースを統一し、Evidence ID付きの構造化証拠パッケージを出力する。
- 実行エンジン（ローカルツールチェーン）：ネイティブプログラムはIDA / Ghidra / Hopperを呼び出してアセンブリとクロスリファレンスを抽出；Electron / フロントエンドは直接AST静的解析とSource Map復元を行う；AndroidはJADXを呼び出す。
- 核心メカニズム：Evidence Loopで大規模モデルの幻覚を押し潰す
リバースエンジニアリングで最も心力を消耗するのは、あるコードが読めないことではなく、逆コンパイルウィンドウで絶えず手動でクロスリファレンス（Xrefs）を追跡し、メモを取り、断片を繋ぎ合わせることだ。
REAはこのプロセスをAgentの「検証ループ」に変えた：
Agentが仮説を立てると、ツールは正確なバイトオフセットと呼び出しトポロジーを含む証拠スライスを返す。さらに重要なのは、ある静的解析呼び出しグラフが不完全な場合、ツールは「カバレッジ範囲制限」というマークを明示的に付けることだ。
これは、大規模モデルが「静的範囲内で呼び出しが見つからなかった」ことを「論理的に呼び出しが存在しない」と誤判定しないことを意味する。前ラウンドの確固たるEvidence IDを持って初めて次の層を追跡でき、分析範囲を徐々に収束させる。
- 具体的なcase：Notionクリップボードのプロセス間呼び出しチェーン
公式がNotionクリップボードを追跡したケースを見ると、プロセスは実に非常に明確だ：
「Notionウェブ側でコピーをクリックしたとき、内容がどのようにシステムクリップボードに書き込まれるか」を解明するには：
- フロントエンドが公開するAPIをスキャンし、preloadラッパー関数を特定する；
- 唯一のIPCチャネル名 notion:clipboard:write を取得する；
- チャネル名に沿ってメインプロセスコード内のリスナーと権限チェックを特定する；
- 最終的にElectronネイティブAPIを呼び出す完全なチェーンを繋ぎ合わせる。
4ステップの操作で、AIはコード実装を一切推測せず、IPCチャネル名という事実のアンカーに全靠して、プロセス間の呼び出しエンドポイントを寸分違わず繋ぎ合わせた。
- 神格化するな：3つの越えられない物理的境界
その価値を明確に見るには、その境界をさらに明確に見る必要がある：
-
ゼロバックエンド貫通力：ローカルクライアント内のコードしか分析できない。SaaS製品のコアロジックはすべてクラウドサーバーにあり、このツールは全く触れられない。
-
ネイティブ分析はローカル環境に高度に依存する：C/Rust/Goネイティブプログラムを逆解析するには、ローカルに商用版IDAまたはHopper / Ghidraが設定されていることが前提であり、それ自体は逆コンパイル能力を持たない。
-
強力な加固は依然として死角：VMPパッキングや高強度の制御フロー平坦化難読化に遭遇すると、従来のツールは歯が立たず、REAも同様にお手上げだ。
-
出力されるのはメカニズムと疑似コードであり、1:1の元のエンジニアリングソースコードをゼロから復元することはできない。
-
エンジニア視点の認知次元上昇
REAが放つシグナルは非常に明確だ：
AST静的解析、シンボル抽出、クロスリファレンス追跡がAgentの基本ツールとしてパッケージ化されると、クライアントを分析する敷居は「数日の人的消費」から「数ラウンドの対話のTokenコスト」に縮小した。
純粋にクライアントコードロジック、フロントエンドパッケージング、単純な難読化だけで構築されたいわゆる「技術的障壁」は、防御收益がゼロに近づいている。
クライアントコードは完全に透明なホワイトボックスになりつつある。ソフトウェアの真の堀は、すでに完全にクラウドのプライベートデータフライホイール、リアルタイムビジネスContext、そしてユーザーの真実のシナリオへの理解の深さに移行した。
原文 / README
这两天 timeline 上都是 REA，一堆人惊呼“闭源商业软件要被 AI 扒得连底裤都不剩了”。
翻了下它的 repo、MCP 契约和几个 case，底层逻辑其实非常直接，甚至没什么黑魔法。
它没有发明任何新的反编译模型，甚至连一行汇编都没自己解析过。
但为什么它能让 Claude Code 在几分钟内摸清 Notion 的跨进程通信，还能写出 clean-room 复现？
真正的反差和价值在这里。
- 痛点：为什么以前直接把反编译代码喂给 AI 根本行不通？
大部分人之前都试过把逆向出来的汇编或者混淆 JS 塞给大模型。
结果基本是灾难：几千行剥离了符号名、上下文破碎的代码丢进去，大模型连猜带蒙，80% 的逻辑解释全靠脑补幻觉。
REA 换了个思路：不让大模型在最外层猜，而是做了一个本地运行的 MCP Server，把整个分析链路分层剥离：
- 决策层（Claude Code / Codex）：理解目标、提假设、定方向，拿到证据后写复现代码。
- 调度层（REA MCP）：统一各端逆向接口，输出带 Evidence ID 的结构化证据包。
- 执行引擎（本地工具链）：原生程序调 IDA / Ghidra / Hopper 提取汇编与交叉引用；Electron / 前端直接做 AST 静态分析与 Source Map 还原；Android 调 JADX。
- 核心机制：用 Evidence Loop 压死大模型的幻觉
逆向工程最消耗心力的，从来不是看不懂某段代码，而是在反编译窗口里不断手动追踪交叉引用（Xrefs）、记笔记、拼碎片。
REA 把这个过程变成了 Agent 的“查证循环”：
Agent 提出一个假设，工具返回包含精确字节偏移、调用拓扑的证据切片。更关键的是，如果某个静态分析调用图不完整，工具会显式打上“覆盖范围受限”的标记。
这意味着大模型不会把“静态范围内没查到调用”误判为“逻辑上不存在调用”，必须拿着上一轮确凿的 Evidence ID 才能追查下一层，把分析范围逐步收敛。
- 具体 case：Notion 剪贴板跨进程调用链
看官方追踪 Notion 剪贴板的案例，过程其实非常清晰：
要搞清楚“Notion 网页端点击复制，内容如何写入系统剪贴板”：
- 扫描前端暴露的 API，定位到 preload 包装函数；
- 抓取到唯一的 IPC 通道名 notion:clipboard:write；
- 顺着通道名在主进程代码里定位监听器和权限校验；
- 最终串出调用 Electron 原生 API 的完整链路。
四步操作，AI 没有猜测任何代码实现，全靠 IPC 通道名这个事实锚点，把跨进程的调用端点严丝合缝拼齐。
- 别神化它：3 个无法逾越的物理边界
看清它的价值，更要看清它的边界：
-
零后端穿透力：只能分析本地客户端内的代码。SaaS 产品核心逻辑全在云端服务器，这套工具碰不到分毫。
-
原生分析高度依赖本地环境：逆向 C/Rust/Go 原生程序，前提是你本机配好了商业版 IDA 或 Hopper / Ghidra，它自己不带反编译能力。
-
强加固依然是死穴：遇到 VMP 加壳、高强度控制流平坦化混淆，传统工具啃不动，REA 同样抓瞎。
-
产出的是机制与伪代码，无法凭空还原出 1:1 的原始工程源码。
-
工程师视角的认知升维
REA 释放出的信号非常明确：
当 AST 静态分析、符号提取和交叉引用追踪被打包成 Agent 的基础工具后，分析客户端的门槛已经从“几天的人力消耗”缩减到“几轮对话的 Token 成本”。
纯靠客户端代码逻辑、前端打包和简单混淆构筑的所谓“技术壁垒”，防守收益正在趋近于零。
客户端代码正在变成全透明的白盒。软件真正的护城河，已经彻底转移到了云端私有数据飞轮、实时业务 Context，以及对用户真实场景的理解深度上。
