REA的真相：能逆向任何程序的AI，唯独搞不定这个

REA（Reverse Engineer Anything），这个项目短时间内在GitHub上拿到了16+万star。功能如其名，它能对任何事物进行逆向工程。

这个开源的MCP框架，能把AI编码代理接上一整套逆向工程工具，让Agent从应用行为一路分析到原生二进制。

以前，你看到一个App的功能很惊艳，回去要用大量的时间成本才能搞清它怎么实现的。而现在，只需要告诉REA：帮我搞清楚怎么实现的。它就会给出原理和局限说明，还能根据你的技术栈重写一个。

这是不是意味着，编码能力不再是稀缺资源？

一、逆向工程平民化意味着什么

传统逆向工程，要求我们能读懂汇编和伪代码，理解Mach-O、ELF、PE等二进制结构，在没有符号信息的海量函数中，还原调用链路与业务逻辑。

而REA就是将这种复杂的能力封装起来，让Claude Code、Cursor、Codex这类编码代理直接调用。我们只需用自然语言下达指令，例如“分析这个APK的支付逻辑”，就能完成逆向分析。

逆向工程也许曾经是程序员能力金字塔的顶端。如今就连塔尖能力都开始自动化，那金字塔底层的编码能力，又会迎来怎样的变化？

二、代码稀缺性已经是个伪命题

过去三年，我们能够看到，编码能力已经不再稀缺。

1.从写不出来变成写得出来：初级工程师花一周写的CRUD页面，Copilot、Cursor、Claude Code一小时就能交付。

2.从看不懂变成看得懂：这也是REA解决的用户痛点。过去我们拿到一个开源项目，要花几天读文档、读源码才能理解架构；现在把这件事交给REA，就能直接得到调用图、关键逻辑等等信息。

3.从做不到变成做得到：比如还原早年单机游戏这类门槛极高的工作，现在REA就可以轻松做到这一点。

有人或许会提出质疑：那些复杂系统的架构设计、高并发场景，或是关键代码的审计，不还是需要人来做吗？

确实如此。我们仔细看这些仍然无法被AI完全取代的工作，就会发现一个共同点：这类工作需要的不是编写代码的能力，而是判断代码的能力。

比如架构设计，是要看我们能不能在十几种方案里选择最合适的那个；比如性能优化，要让我们判断真正的瓶颈以及值不值得优化；再比如安全审计，要判断的是哪段代码在什么场景下会出问题。

三、什么才是真正稀缺的

既然代码能力已不再稀缺，那什么才是真正稀缺的？

在上面这张表里，右侧没有一项是写代码的能力。这就足以说明，当下工程师的价值仍然是理解力与判断力。

• 实现者思考的是：这个需求怎么用代码实现？

• 判断者思考的是：这个需求该不该做？做到什么标准才算合适？上线之后会带来哪些连锁影响？

REA可以帮我们逆向出某个产品的功能实现方式，但它不会告诉我们：这个功能是否适合，资源是不是有更好的去向。这一切都需要我们自己根据自身的需求、市场环境的状况以及用户的需求做合理的取舍与判断。

代码能力不再稀缺。但判断力呢？