auto-re-agent

上传二进制，AI 自动还原 C/C++ 函数，逆向效率翻倍

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署智能体 🍴 复刻 253 🐛 待处理 12 👀 关注 15

GitHub ↗

GitHub 星标 ★ 2424

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，可免费使用和部署。

项目预览

auto-re-agent 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类智能体

开发团队Dryxio

GitHubhttps://github.com/Dryxio/reagent

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，可免费使用和部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai-agent,autonomous-agent,binary-analysis,c-plus-plus,claude,codex,cybersecurity,decompilation,ghidra,llm,reverse-engineering,source-code-recovery,static-analysis

GitHub 星标★ 2424

上线时间2026-02-17 00:00:00

代码更新2026-09-09

仓库体积224 KB

本站数据更新2026-11-09

维护状态维护中

收录时间2026-08-09

浏览次数7

项目介绍

auto-re-agent 是一个开源的 AI 逆向工程智能体，它结合 Ghidra 和大型语言模型（LLM），能够自动从二进制文件中重建并验证 C/C++ 函数。该项目解决了传统逆向工程中人工分析耗时费力的问题，通过自动化流程，让 AI 辅助完成反编译、函数签名识别、代码重构和逻辑验证等核心任务。其核心能力包括：基于 Ghidra 的深度二进制分析、利用 LLM 生成可读的 C/C++ 代码、自动验证重建函数的正确性，以及支持多种 LLM 后端（如 Claude、Codex）。它旨在提升安全研究人员和逆向工程师的工作效率，降低逆向分析的门槛。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2424

技术标签

ai-agent autonomous-agent c-plus-plus claude codex

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 30 分钟部署方式：本地安装 7 步

环境要求

Python 3 与 pip 环境
本地安装的 Ghidra
一个受支持的 AI 提供方（Claude、Codex 或 OpenAI 兼容模型）
已认证的 Claude / Codex CLI，或可用的 API 配置
一个待分析的目标程序或项目

安装与启动步骤

1安装主体与桥

通过 PyPI 安装 auto-re-agent 及 Ghidra 查询桥，需 0.4.0 及以上版本。
```
python3 -m pip install --upgrade "auto-re-agent[ghidra-bridge]>=0.4.0"
```
2装无头导出支持

需要用无头方式运行 Ghidra 导出时，再装 headless extra。
```
python3 -m pip install --upgrade "auto-re-agent[headless]>=0.4.0"
```

3安装开发版

想用 GitHub 上最新开发版本时，用此命令同时安装桥与主体。

python3 -m pip install --upgrade "ghidra-ai-bridge @ git+https://github.com/Dryxio/ghidra-bridge.git@main" "auto-re-agent @ git+https://github.com/Dryxio/reagent.git@main"

4导出 Ghidra 证据

在你要逆向的项目目录下执行，需 headless extra 与本地 Ghidra 安装。
```
ghidra-bridge export all
```
5确认导出可见

检查导出的证据和配置是否已被桥识别，避免后续分析读不到数据。
```
ghidra-bridge info
```
6编写配置文件

在目标项目里创建 re-agent.yaml，填入 LLM 提供方、密钥、模型等；完整字段见 docs/configuration.md。
7运行环境自检

执行 setup check，确认依赖、Ghidra 与 AI 提供方配置是否就绪，再开始重建函数。
```
re-agent doctor
```

关键配置

配置项	必填	说明	示例
`RE_AGENT_LLM_PROVIDER`	是	指定使用的 LLM 提供方	`anthropic`
`RE_AGENT_LLM_API_KEY`	否	API 方式接入时的密钥	`sk-xxxxxxxx`
`RE_AGENT_LLM_MODEL`	否	指定调用的模型名称	`claude-sonnet-4`
`RE_AGENT_LLM_BASE_URL`	否	OpenAI 兼容接口的基础地址	`https://api.openai.com/v1`
`RE_AGENT_BACKEND_CLI_PATH`	否	Claude / Codex CLI 可执行文件路径	`/usr/local/bin/codex`
`RE_AGENT_BACKEND_TIMEOUT`	否	后端调用超时时间	`300`

如何确认成功

ghidra-bridge info 能列出导出与配置，且 re-agent doctor 自检通过；随后对一个小函数重建并查看验证结果。

常见问题

Q：如何控制 LLM 成本和运行时长？

A：每函数的审查轮次、调查和尝试次数都在配置中做了上限；提供方日志会记录用量与成本元数据，实际花费取决于所选模型、证据量和目标复杂度。

Q：支持哪些 AI 后端？

A：支持 Claude、Codex 以及 OpenAI 兼容的模型；可以使用已有认证的 Claude 或 Codex CLI，也可以走 API 配置。

Q：应该从什么目标开始？

A：建议先选一个程序并只从一个小函数入手，确认流程跑通后再扩大范围，同时设置较小的模型调用上限。

Q：配置该写在哪里？

A：角色相关的 agents.* 配置、验证、项目 profile、parity 和输出路径都要写在 YAML 里；环境变量只支持有限的几个 LLM 与后端参数。

注意事项

配置优先级为：CLI 运行时覆盖 > 支持的环境变量 > re-agent.yaml > dataclass 默认值。
当前支持的环境变量仅有 RE_AGENT_LLM_PROVIDER、RE_AGENT_LLM_API_KEY、RE_AGENT_LLM_MODEL、RE_AGENT_LLM_BASE_URL、RE_AGENT_BACKEND_CLI_PATH、RE_AGENT_BACKEND_TIMEOUT。
无头导出需要同时安装 headless extra 并具备本地 Ghidra；桥的 Ghidra、导出与 source-map 配置见 ghidra-bridge 文档。
README 未给出 re-agent.yaml 的完整字段示例，请以 docs/configuration.md 为准。