AI面对APK就瞎蒙？这个14K星的安全路由让AI逆向不再靠猜
你给AI一个APK，它第一反应是什么？
大概率是瞎蒙——先跑个jadx试试？还是直接上Frida Hook？或者用IDA打开碰碰运气？
这就是AI Agent做安全分析时的核心问题：知识是概率性的，不是确定性的。它不是”知道该怎么做”，而是”猜最有可能怎么做”。猜对了皆大欢喜，猜错了就是Token浪费加错误结论。
reverse-skill解决的，就是这个”别瞎猜”的问题。
一个14K星的安全技能路由器
这个开源项目最近在GitHub一周暴涨14K星，登顶Trending榜首。它的核心思想非常朴素：在AI Agent和安全工具之间，插入一个决策路由层。
当你把一个APK、二进制文件、混淆JS或CTF题目扔给AI时，它不是直接调用工具，而是先翻这本”操作手册”——搞清楚该走哪条路、用哪个工具、按什么步骤来。
项目地址：https://github.com/zhaoxuya520/reverse-skill
五层架构，AI照着走就不会错
reverse-skill的架构设计很有意思，分成五层：
- 第一层：路由层 — MASTER-ROUTING.md定义了41条优先级规则（R0-R40），AI进来先”身份识别”：R1匹配APK走apk-reverse，R3匹配JS签名走js-reverse，R5匹配CTF走CTF-Sandbox-Orchestrator，没命中的走通用逆向流程。
- 第二层：作战契约层 — 动手之前必须先”签字画押”。scope-contract.md是一份法律意义上的授权沙箱，auth字段必须是granted，才能ACT（真正操作目标）。这套机制用了RFC 2119的MUST/MUST NOT/SHOULD语义级别，硬得像合同条款。
- 第三层：技能层 — 30+个专业子技能，每个都是独立的SKILL.md。APK逆向、JS前端签名逆向、IDA深度分析、渗透测试工具链、固件渗透、LLM安全测试……每个都是”如果……那么……”的决策树加工具链编排。
- 第四层：工具检测层 — 系统会检查本机实际安装了哪些工具（jadx、Frida、radare2、Ghidra等），然后只调用真正可用的。
- 第五层：自进化知识库 — field-journal和ops-contract结构捕获每次行动的发现、证据链和时间线，累积的记录反馈到路由矩阵，越用越准。这是”skill-that-learns”模式在安全领域的应用。
支持哪些平台？
Claude Code、Cursor、Cline、Codex CLI都可以接入。覆盖场景包括：APK逆向、二进制分析、.NET assembly、反混淆JavaScript、固件渗透、恶意软件分析、CTF竞赛、渗透测试等十几个场景，每个都有独立的操作手册。
依赖工具包括JDK、Node 22+、Python 3，以及jadx、Frida、radare2、Ghidra等常见逆向工具。
开发者视角怎么看？
最值得关注的是它的授权Gate机制。项目里有个agent-obedience-engineering.md，专门用于抑制AI的”自主判断”冲动——在安全场景下，这不是限制AI能力，而是防止它跳过应该有的合规流程。
这是我在开发者工具里第一次看到把”合规边界”做成结构化Skill层的案例。传统安全工具的合规靠文档和自觉，reverse-skill把它做成了可执行的工作流。
项目采用MIT协议，但CTF orchestrator是GPLv3、Pentest Swarm AI是AGPL-3.0——商业使用前需要注意这两个依赖的许可条款。
如果你用Claude Code或Cursor做安全研究相关工作，这个项目值得clone下来研究一下。
GitHub：https://github.com/zhaoxuya520/reverse-skill
评论区
登录后可评论。