揭秘 REA 爆火的背后，为何十天从几百到二十万 + Star
文章目录
REA，十天从几百颗 Star，冲到了二十万以上。
10 月 3 日，它还只有约 547 星；10 月 13 日，已经跨过二十万。目前是 22 万 + , 一个开发了近半年的项目，突然成了 AI 圈最热的话题之一。
伴随它刷屏的，是 Matthew Berman 那句“Software is done”。这条帖子获得约 369 万次浏览，连带着一个诱人的想象：以后喜欢什么软件，就让 AI 拆开，再做一个。
但 REA 爆火的过程，比这句口号有意思得多。
开发者看到了自动调查软件的新工具，普通用户看到了摆脱昂贵订阅、复活旧游戏的可能。两种期待，在同一个仓库里汇合了。
工具确实在进步，故事也越传越大。看懂这两条线，才能分清 REA 改变了什么，以及哪些变化还只是想象。
一、半年积累，终于变成了一句能听懂的话
REA 最初的目标很具体：让 AI 助手调用专业工具，查清一个软件里的功能是怎样实现的。
它由 morluto 和研究游戏重建的 N0zoM1z0 共同开发。4 月刚起步时，项目还叫 betterBinaryMCP，主要连接一款专业分析工具 Hopper。
这对熟悉逆向的人有用，对大多数开发者却有点远。只看工具名，很难立刻想到自己能拿它做什么。
随后几个月，作者逐步补上实际使用中的缺口：网站能不能分析，Linux 能不能用，安装包少了文件，调查能不能继续。
到了 9 月底，工作流进一步补上了拆分问题、复用线索和记录结果的方法。合作者也开始把游戏重建中的经验，整理成可供 AI 使用的操作流程。
这些改动解决的是同一件事：一次调查怎样持续往前走。
拿到线索之后，下一步查哪里？已经查过的内容怎样保留？恢复出的逻辑又怎样验证？过去靠专业人士临场判断的步骤，开始被整理成可复用的方法。
10 月初，项目首页终于有了一种更直观的介绍：看到某个 App 里喜欢的功能，即使没有源码，也可以让 AI 帮忙调查它的实现。
读到这里，开发者就容易想到自己的任务了。
REA 的第一个变化，是把专业工具的能力，翻译成了用户想完成的事。
二、大 V 到来时，REA 已经在加速
把二十万星归功于一条大 V 帖子，很容易讲，却漏掉了最关键的一段。
在 Berman 发帖前约五小时，REA 已经有 1.93 万星，过去一天新增了七千多星。它已经跑起来了。
此前，已有技术创作者陆续介绍它。10 月 7 日，Amjad Masad 讨论 AI 逆向可能让软件变得近乎开源，REA 作者不到一小时就进入讨论，贴上自己的仓库。
一个抽象的行业预测，就这样接上了一个可以去看、可以去试的项目。
Berman 随后的“Software is done”，把这件事推到了更大的受众面前。
之前，人们关心的是这个工具能查什么。现在，话题变成了软件行业会不会变天。
开发者想到自己的工作，创业者想到产品壁垒，用户想到软件价格。即使暂时用不到 REA，也有理由加入讨论。
大 V 放大的，是一个已经增长的工具，以及围绕它迅速膨胀的未来想象。
后续的项目介绍、中文解释和使用教程，又把围观者带回具体入口。有人只是看热闹，也有人开始安装、提问，把工具带进自己的圈子。
REA 的出圈，就这样从技术介绍，走到了行业讨论，再走进用户的具体问题。
三、人们开始为自己的愿望传播 REA
真正让一个工具走出小圈子的，往往是这句话：它能不能帮到我？
在旧软件社区，有人想让 Win95 上的老游戏重新跑在 Win11 上。软件还在，运行环境却变了，一个新的分析工具，让保存旧游戏多了一种希望。
在生物信息学社区，有人面对 Geneious 等软件的订阅费，来问 REA 能不能帮忙。用户关心的是成本，逆向只是他们想到的一条路径。
这些都是愿望，还不是已经完成的成果。但愿望本身已经足够让人转发。
因为它们比“自动化软件分析”更容易被理解：一个工具，也许能让老游戏继续玩，让某项工作不再受软件价格限制。
REA 因此获得了两种吸引力。
一边是开发者：查清一个功能，少走一些分析的弯路。
另一边是更多用户：自己熟悉的软件，能不能有更便宜、更自由的使用方式？
两边都在关注 REA，却未必在关注同一种能力。这也给后来的误传留下了空间。
四、最惊人的案例，有些并不属于 REA
随着热度扩大，Adobe、Office 替代项目和游戏反编译成果，也被放进了 REA 的故事里。
读者很容易得到一个印象：它已经能把大型软件拆开，重新做一套。
回到具体项目，区别就出来了。
ArtCraft 作者表示使用的是普通 Claude Code，还刻意避免使用反编译工具。CADCraft 则通过观察软件的外部表现实现功能，项目规则禁止读取、反汇编或复制 AutoCAD 的应用包内容。
这些成果展示了 AI 开发的可能，却不能拿来证明 REA 已经完成了同样的事。
观察一个软件怎样操作，再写出类似功能；拆解程序，恢复内部逻辑。这两条路，在转述中被揉到了一起。
REA 自己最清楚的案例，反而小得多，也具体得多。
-
Notion：顺着一次操作，追踪数据怎样传递，找到写入系统剪贴板的位置。
-
DX-Ball：恢复一段声音左右声道的计算逻辑，并对结果进行验证。
-
Wispr Flow：分析遇到卡顿和工具选择问题，最终结合 REA 与另外编写的脚本，做出了一个 64 行的简化版本。
其中，DX-Ball 恢复出的函数编译后只有 63 字节，项目却报告进行了 3,205 组对照。
这组反差，恰好说明了逆向工程的难处：写出一段看起来合理的代码，还得确认它在各种条件下都做对了。
一个声音函数尚且要这样验证，完整软件还包含更多功能、依赖和运行条件。
现有公开案例最能支撑的判断，是 REA 能帮助追踪具体功能、恢复局部逻辑。它距离“一键重建大型软件”，仍有大量工程工作。
这已经有实用价值。开发者做兼容、维护旧系统、研究文件格式，常常需要查清的就是其中一小部分。
局部成果可以解决真实问题。把它扩写成“软件行业已经结束”，才会让期待超过证据。
五、二十万星背后，真正发生的变化
回看这十天，REA 的爆火过程已经很清楚了。
几个月的开发，提供了可以尝试的工具。更直观的介绍，让用户看懂了用途。大 V 把用途接到行业未来，社区又把行业话题接回各自的生活。
与此同时，不同项目的案例被混在一起，进一步扩大了 REA 的能力想象。
对做 AI 工具的人，这个过程有一个很实际的启发：用户先看懂自己能完成什么，才会关心背后接了哪些工具。
“连接专业分析软件”很难让人转述。“查清一个喜欢的功能怎样实现”，就容易得多。传播入口变了，能够参与的人也随之增加。
REA 还体现了另一种方向：把专业人士调查问题的做法，逐步整理成 AI 可以执行和复用的流程。
模型已经能调用工具，接下来的价值，越来越多地落在怎样组织这些调用、保留线索、检查结果上。REA 的工程积累，正落在这些具体步骤里。
二十万以上 Star 包含对工具的认可，也包含对未来的押注。人们期待软件更便宜、旧游戏更长寿、闭源功能更容易被理解。这些期待解释了热度，却不能代替一次次实际验证。
REA 爆火的背后，变的是专业能力被组织和理解的方式，也变了人们对软件壁垒的想象。
从几百星到二十万以上，只用了十天；从查清一个功能到重建一款软件，还是要走过一整个工程验证的过程。
📙 历史文章
别再急着买API, 用 CLIProxyAPI 盘活你的 AI 订阅
深度调研 Grok Bot 自带云电脑：配置怎么样，能做什么，能当服务器用吗？
Cursor + Grok Bot + pstack，真正的 AI 软件工厂开始出现了
如果这篇教程对你有点帮助，欢迎 关注 + 收藏 + 转发
⏩ 关注 @0xlangeai, 持续分享 AI 工具使用经验和心得
