GPT88 / API Docs
බ්ලොගයට ආපසු යන්න

LeanREA：让编程 Agent 用本机 CLI 做授权软件分析

开发工具2026-10-2012 මිනිත්තු කියවීමLeanREAAI AgentClaude CodeCodexCursor逆向工程开源工具

程序员鱼皮在 X 原帖中分享了一个名为 LeanREA 的开源 Skill：它可以通过一条命令添加到 Claude Code、Codex、Cursor 等支持 Skills 的编程 Agent 中，并提醒使用者“只拆自己有权分析的软件”。这条帖子还指向 aicodeking/leanrea 仓库。

LeanREA 的思路不是再给 Agent 增加一层工具服务，而是告诉模型：面对不同类型的软件制品，先用哪些本机命令做低成本盘点，再怎样沿着符号、字符串、文件和调用关系找证据。它适合已经有本地 CLI 工具、希望 Agent 按更有条理的路径检查自己有权分析的软件的开发者。它不会让模型自动拥有所有逆向分析工具，也不会让对二进制的结论自动变成事实。

LeanREA 是什么

REA（Reverse Engineer Anything）是一套更完整的逆向分析工具项目。LeanREA 借鉴了 REA 文档和实践中的一些方法，把目标缩小为一份简短的 SKILL.md：Agent 通过 Bash 调用 file、strings、nm、otool、readelf、rg 等本机命令，不需要 LeanREA 自己提供 MCP Server 或数百个新增工具定义。

两者的差别主要在工作方式，而不是“有没有逆向能力”：REA 提供更多结构化工具；LeanREA 则提供如何选择现有命令、如何批量盘点和如何沿证据继续追踪的指引。能否执行某项分析，仍取决于操作系统、已安装工具、Agent 的终端权限和目标文件类型。

项目LeanREA 的做法实际含义
分发一份短 Skill 文件安装简单，但复杂分析仍需要本机工具
工具调用使用 Agent 已有的 Bash / CLI 能力不新增 MCP 工具定义，不代表完全没有环境依赖
分析路径先识别文件类型，再做便宜的盘点，必要时继续深入减少一上来就反编译或吞入大文件的情况
结论格式标注观察到的证据、推断和未知项避免把静态线索说成运行时已验证的事实

它怎样引导一次分析

LeanREA 的 Skill 文件先给出几条通用约束，再按目标格式选择工具路线。它建议从副本开始工作；先用 file 和魔数判断目标类型；先做导入、导出、字符串、依赖等低成本盘点；需要深入时再围绕一个具体符号或字符串查看局部内容，而不是一次读完整个压缩包或混淆后的大文件。

例如，Electron 应用可以从 app.asar 的文件清单、package.json 入口、.webpack 隐藏目录、preload、IPC 通道和 contextBridge 逐步追踪；Mach-O 程序可以先检查架构、动态库、导入导出、字符串与签名信息；Go 可执行文件则常能直接用 go version -m 获得构建工具链和依赖线索。其他路由覆盖 ELF/PE、Rust、.NET、Android APK、Flutter、WASM、SQLite、pcap/HAR、固件与网站等类型。

这里的关键是“先选一条便宜且贴近目标的证据路径”。比如 Agent 要判断某个 Electron 功能如何从界面到主进程，不一定需要遍历所有 JavaScript：可以先定位入口与 renderer/preload 边界，再搜 IPC 注册和调用点，最后核对相关函数附近的实现。具体命令需要按系统和目标版本调整；Skill 中的示例不是通用的安全扫描器或完整取证流程。

安装与使用

原帖给出的安装方式是：

npx skills add aicodeking/leanrea

Skills CLI 会提示选择要安装到哪些支持的 Agent。仓库还列出用户级安装、指定 Agent 和手工复制 SKILL.md 的方式；具体可选项以安装器与 Agent 当前版本为准。若希望先审查内容，可以直接浏览仓库中的 leanrea/SKILL.md，确认其命令范围和对本地文件的操作约定，再决定是否安装。

安装后可以在 Agent 中给出明确、范围有限的任务，例如：

检查我维护的这个 Electron 应用副本中，搜索功能从界面到主进程经过哪些调用。
先列出可观察到的文件、入口和 IPC 证据；把推断单独标出；没有证据的地方写未知，不要运行应用或改动副本。

建议把目标文件放在可丢弃的副本或隔离目录内，说明操作系统和版本、允许读取的路径、是否允许安装额外工具，以及本次任务不允许触碰的文件。需要运行程序、访问网络或安装工具时，先确认这些动作属于你的授权范围，再让 Agent 继续。

结果中可以要求保留三种证据状态：

  • 已观察：直接来自文件、符号、偏移、字符串或命令输出，可以指出具体位置。
  • 推断：根据多个线索推出来，但没有直接观察到对应行为；说明推理链和替代解释。
  • 未知：当前文件和工具无法回答，或者静态分析无法确认运行时行为。

例如，导入列表里出现网络库只能说明程序包含或链接了相关能力线索，不能单凭它断言程序一定会连接某个服务。静态分析也不能代替在可控环境中的运行观察、版本核对或独立复现。

作者的基准测试应该怎样看

LeanREA 仓库附有 2026 年 10 月 16 日的基准说明和逐次运行结果。作者在 Claude Code headless、Sonnet 5.5、macOS arm64 环境下，对 4 类任务分别以三种配置各运行三次，共 36 次：不加 Skill、使用 LeanREA、使用 REA MCP 加其 Skill。任务包括 Electron 应用调用链、原生扩展信息、Go 构建信息，以及从反汇编追踪本地 socket 协议。

按仓库汇总的 12 次运行结果，LeanREA 总耗时 388 秒、费用 2.17 美元、答案评分 74/75；REA 对照组为 627 秒、3.36 美元、75/75。作者报告 LeanREA 相对 REA 少用约 38% 时间和 35% 费用。与不加 Skill 的组相比，LeanREA 总耗时也更低，但每个任务表现并不一致：例如原生任务中，不加 Skill 的运行中位数反而更快、费用更低。

这些数字只能作为项目作者在特定任务、工具、模型、机器和判分规则下的实验结果。每个实验格只有三次重复，模型只有一个，目标文件也只有几个；答案由作者手工制作标准答案，再用正则评分。仓库指出 LeanREA 有一次把 v2 IPC 通道写成 v1 通道，严格评分少一分；作者认为两种通道都存在，因此将结果解释为近似相同准确度。读者应同时看到严格得分差异与作者的解释，而不要把宣传表格当成独立评测或所有项目上的效率保证。

授权、隐私和安全边界

逆向分析工具本身可用于维护、自有软件审计、互操作性研究、恶意软件防御和兼容性排错，也可能被用于未授权的软件拆解、隐私侵犯或规避访问控制。原帖明确提醒只分析自己有权分析的软件，这应当成为使用前提：确认你对目标拥有所有权、管理权限或明确许可，并遵守适用的协议、法律和组织政策。

即使目标文件可以公开下载，也不代表其中的账户数据、通信记录、密钥、个人信息和第三方代码都可以被复制、外传或公开。分析私有软件时，不要把完整二进制、配置、数据库、客户数据或凭据直接发给远程模型；尽可能先做本地提取和脱敏，只分享回答问题所必需的最小证据片段。对下载来的 Skill 和命令行工具也应先审阅来源与内容，避免把未知代码放入拥有宽泛文件权限的开发环境中。

对真实运行行为有疑问时，静态结论应保留边界。只读文件检查不能证明程序实际执行了某条路径；单次运行也不能代表所有配置和版本。更可靠的分析记录应包含目标版本与哈希、使用过的工具、观察位置、运行环境和仍未验证的假设。

结语

LeanREA 最值得借鉴的地方，是把 Agent 的逆向分析拆成一条可审查的路径：先识别目标、做小范围盘点，再沿证据推进，并明确区分观察、推断和未知。短 Skill 降低了指引的上下文成本，但结果质量仍取决于模型、工具、目标版本和使用者是否认真复核。

如果你要把分析结果整理为报告，可以再用 GPT88 的统一大模型接口将本地证据按“已观察 / 推断 / 未知”归类、生成待验证问题或润色说明；具体 API 调用以Chat Completions 文档为准。含有闭源程序细节、凭据、个人数据或未获授权的材料，不应为了方便而上传给模型。最终结论应保留证据出处，并由有权限的人员核验。

来源

අදාළ මාර්ගෝපදේශය

Claude Opus 5.5 vs GPT-6 Sol：程序员鱼皮的 5 个实战测评