过去，如果一款软件有个特别好用的功能让你看上了，最直接的办法是自己手搓代码开发一个。

现在用不着这么麻烦了，因为AI可以REA了。

2026 年10月，开源项目REA（Reverse Engineer Anything）引起技术社区广泛关注，荣登GitHub 热榜第一。其核心思路就是“反向工程任何程序”，把 AI 智能体与专业逆向分析工具连接起来，让智能体能够调查没有公开源代码的软件，分析程序行为，寻找相关代码和资源，并最终重建特定功能。

比如开发者想搞清楚剪映的动态字幕模板到底存在哪里，又是怎么渲染的，就可以直接REA一下。

目前，REA 相关案例库已收录了针对剪映动态字幕的调查，案例页面报告发现了2291 个模板。当然，这属于作者报告的结果，并不代表剪映整个软件已经被完整破解。

这里不讨论剪映有没有被彻底拆解，而是想关注一个影响更大的可能性，即如果AI能够帮助开发者理解一款成熟软件的功能，过去需要大量专业经验才能完成的功能研究，未来会不会变得越来越便宜？

受到影响的不只是剪映，也不只是视频剪辑行业，而是所有传统软件公司。看看Adobe的股价就能知道，这个冲击有多大。他们不得不当面对一个致命的问题：如果产品很容易就被REA了，你的护城河究竟在哪里？

1、“逆向一切”的REA，也有边界

首先要明白，REA不是新的反编译器，而是一个 MCP 中间层，可以把Ghidra、IDA、Rizin、objdump这些已经存在了十几二十年的逆向工具，封装成 AI 编程助手能直接调用的接口。

AI智能体如Claude Code、Codex等拿到工具后自己决定先反编译哪个函数、再追踪哪条调用链、什么时候该去看网络抓包。

使用也很简单，装好之后，用户只要说一句“用REA看看这个App怎么做的”，AI就会自己动手拆解。

其实，这件事的意义不在工具本身有多新，因为2025 年GhidraMCP、IDA Pro MCP等工具就已经出现，专业逆向人员早就在用AI辅助分析。

真正的变化是REA的打包方式和传播速度。一条 npx rea-agents setup 命令完成配置，一个不具备逆向专业能力的普通开发者，也能让Agent去拆解并复刻一个传统软件。

比如有网友所在小区换了能用手机App开门的新门禁，但每次外卖小哥打电话，他都要放下手头的事去翻App。为了让这个App更好用，这位网友通过Codex调用REA，很快就找出负责登录、接口和加密的文件，成功将开锁功能集成进了自己写的家庭屏App。

再比如另一位网友在中学信息处当老师，有个很头疼的问题是，哪个年级考试，他都需要手动调动对应区域的几十个铃声。第二天还要再改回来。软件系统已经停更，REA 爆火后，网友用AI逆向了这套系统的 Web Socket 接口，重写了一个控制面板。现在只要输入考试日期、区域和科目，对应区域的铃声就会自动静音。

这些案例的共同点，针对的都是“功能明确、输入输出可验证”的小型目标，行为可观察，验证方式直接，是AI代理擅长的那类任务。

这并不代表REA真的可以“逆向一切”，其能力边界要交代清楚。

独立技术作者quanglee梳理了 51 次 REA 公开使用记录，29 件达成目标，16 件部分完成，6 件失败。排除掉项目贡献者自己做的9件，42件独立使用者的记录里，20件成功。而在这20件成功案例中，9 件是小型程序或简单任务，6 件是中型应用的单一功能，剩下5件没有公开具体目标。

可见，REA的成功更多集中在小型程序和特定功能上，还不足以证明它能完整重建大型商业软件。

此外，面对VMP这类强虚拟化平台软件，REA也容易失效。而且缺少动态调试能力，服务器端逻辑触及不到，分析输出会迅速消耗上下文窗口，面对复杂模型很容易卡顿中断等等。

事实上，REA在已有开源社区积累的领域是加速器，在完全陌生的领域是探索工具，并不是万能钥匙。它能帮拆开一个门禁App的接口，不代表它能重建剪映的渲染引擎，更不代表它能复刻Adobe的整个产品线。

但即便REA仍有着明显短板，传统软件公司也已经风声鹤唳。

2、传统软件的护城河在哪儿？

问题很明显，当REA的能力不断增强，软件公司靠什么守住自己的生意？

目前REA的舒适区是行为可观察，结果可验证，实现逻辑不依赖大规模用户数据或云端状态。一个Agent跑几个小时，就能摸清接口、复现功能。

但是，全球开发者里总不乏比较激进的，比如开发者Brandon Thomas，直接用 Claude Opus 5.5 和 Rust 语言重建了七款 Adobe 软件的开源替代品，项目叫 ArtCraft，涵盖 PhotoCraft（对标 Photoshop）、VectorCraft（Illustrator）、FilmCraft（Premiere Pro）等。

汇丰银行分析师Stephen Bersey据此把Adobe的评级从“买入”下调到“持有”，目标价从 310 美元砍到 267 美元。他的理由是，免费替代品不需要做到完美，只要威胁具备足够可信度，就足以压缩 Adobe 的溢价空间和品牌光环。

这一轮AI浪潮中，Adobe这家昔日的图像软件巨头实惨，今年已被至少15次下调评级，综合评分掉到3.16分，而标普500 软件指数成分股平均是4.65分。

但是，“做出来”和“能做好”之间仍然有明显的差距。

在实测中，ArtCraft的反馈并不算好，PhotoCraft 的界面虽然看起来像Photoshop，但底层功能并不对等；HEIC图片支持和文件保存选项存在问题；FilmCraft 的视频编辑功能缺失或不完整。

起初，Brandon Thomas承诺一个月内实现100%功能对齐，后来又改口说可能需要几个月而不是一个月。而行业媒体报道中，直指他的这七款应用都还是早期 的alpha版本。

在做出来和可以每天用来真正干活之间，才是商业护城河真正所在的位置。而专业软件的价值不仅在于功能存在，还在于它可靠、安全、有人兜底。这些属性不会因为一段AI生成的代码就自动转移。

反观ArtCraft引发的Adobe评级下调，本质上不是因为它真的能替代 Photoshop，而是因为它让市场开始怀疑Adobe 的定价权。

那么，传统软件公司又有哪些东西是AI逆向够不着，或者是即便够着了，也搬不走的？

首先是数据规模驱动的效果。推荐算法、搜索排序、AI降噪，效果来自持续的用户行为数据和训练迭代。REA逆向读不出推荐模型的权重是怎么来的，也读不出过去几年积累的用户点击序列。ArtCraft可以复刻Photoshop菜单，但复刻不了Adobe在云端积累的素材库、字体服务和协作数据。

第二是云端服务能力。服务器端逻辑不在客户端，前面提到的学校广播系统案例之所以被 REA拿下，恰恰是因为其Web Socket 接口暴露在本地网络上。一个真正的SaaS产品，核心逻辑跑在服务器上，REA对此完全无能为力。

剪映就是一个很好的例子。据天眼查显示，其运营主体脸萌科技由字节全资控股，剪映的云端能力背后，是整个字节系在支撑。用户在本地能看到的，只是这个庞大系统面向用户的表层。

第三是系统复杂度与兼容性。专业软件的价值大量沉淀在文件格式兼容、硬件适配、插件生态和长期稳定性上。ArtCraft的菜单可以做得像Adobe，但打开一个客户发来的带智能对象的PSD文件时，差距立刻暴露。

最后是生态锁定与迁移成本。用户的工作流、协作关系、历史资产、肌肉记忆，这些不随功能复刻而转移。一个团队用剪映，不是因为其动态字幕算法多难复制，而是因为剪辑师熟悉它、素材在它里面、协作流程围着它转。ArtCraft的GitHub仓库可以被任何人下载，但一个设计团队不会因为有一个免费选项就立刻迁移，迁移成本本身就在保护原有产品。

其实，Adobe第三季度营收仍然增长了13%，达到 67.6亿美元，订阅收入增长了 14%。汇丰的降级和卖出评级指向的是预期变化，不是收入崩塌。

REA的功能复刻让软件公司活不下去了？这不符合事实，也低估了护城河的复杂性。更准确的判断应该是，那些长期依赖“实现门槛”来维持定价和用户关系的软件公司，会被迫面对一个它们长期回避的问题，即除了自家产品不好做之外，用户还有什么理由继续付钱？

3、谁受到冲击？谁可能受益？

不可否认，AI 技术发展到REA这个阶段，即便仍有护城河，传统软件行业也不得不面对一场巨变。

其中，压力最大的一方是功能严重同质化，差异化主要靠“实现门槛”而非“持续运营壁垒”的产品。

这类产品的特征也很具体，比如单机工具类产品，功能清单很清晰，用户迁移成本低，核心价值不在云端数据或网络效应上。这类产品的用户一旦意识到“AI用几个小时就能做出差不多的东西”，即便AI现在做的仍有一堆BUG，其付费意愿也会受到强烈冲击。

ArtCraft引发的Adobe评级下调，本质上也是这种心理冲击在资本市场上的折射，并不是因为PhotoCraft现在真能替代Photoshop。

游戏反编译社区decomp.dev关停，也是一个值得关注的案例。decomp.dev不是一个商业产品，其关停并不直接反映商业竞争，但展示了AI如何瓦解一个依赖特定成本结构的协作体系。

平台创始人Luke Street 在公告中明确表示，在有人工引导和代码审查的前提下，AI 可以显著加速反编译，问题是有人滥用AI抢先发布半成品移植版，这些行为不对原始项目做出有意义的贡献，但摧毁了社区内部的信任和连接。

当AI让开发一个看起来还可以的产品变得足够便宜，那些需要参与者必须先付出大量努力才能进入的共同体，首先从内部瓦解了。

可以说，REA正在颠覆整个传统软件开发的生态。有人受冲击，有人就受益。

对独立开发者和中小企业来说，AI的REA可以让他们获得以前只有专业逆向人员才有的能力，从根本上理解一个闭源软件的工作机理。

安全研究领域也明显获益，比如国外有团队就用Claude Sonnet 4.6在Cursor里，从公开的CVE信息、厂商官网可直接下载的固件以及分析工具出发，复现了丹佛斯制冷控制器的三个已知漏洞，还串联其中两个，拿到root级命令执行权限。这件事的价值显而易见，安全团队可以用同样的方式，在攻击者之前理解自己设备的漏洞。

其实，不管是受害方还是受益方，软件行业真正需要回答的问题，在REA出现之前就已经存在了。只不过以往因为信息不对称，被掩盖了下来。

这个问题就是，当软件的“实现某个功能”不再有天然壁垒，用户愿意持续付费购买的东西，到底是什么？

AI未必能终结传统软件行业，但想靠信息不对称持续收费的想法，很可能要终结了。