---
title: "AI 能把軟體逆向重做嗎？REA 的實際案例、工具與成熟度"
url: https://joelin.cc/p/9900
source: https://joelin.cc/p/9900
id: 9900
lang: zh-TW
slug: "ai-reverse-engineering-rea-cases-tools"
pubDate: 2026-10-12
date_modified: 2026-10-12
updatedDate: 2026-10-12
schema_type: BlogPosting
description: "REA 把逆向工程工具接給 AI，讓研究既有軟體、整理功能規格與重建部分行為更容易。本文從 Notion、DX-Ball 與 Aegis 等案例，整理可用 App、開源套件和實際做法，說明成熟度、驗收限制，以及非技術使用者如何從一個功能開始。"
ai_summary: "逆向工程有數十年實務累積，REA 等工具讓 AI 能操作分析引擎、找證據與協助重建。本文整理全部研究方案的 App、插件與接口形式，區分官方案例、操作示範與社群自述，說明明確功能的重建已有成果，而大型自主產品替代仍需需求、測試與營運驗證。"
key_facts: ["REA 提供 agent MCP 與命令列入口，部分分析需另備引擎。", "DX-Ball 官方案例驗證一個聲道計算函式，未涵蓋整款遊戲。", "Ghidra、IDA、Binary Ninja 與 JEB 是可操作的分析軟體；AI 插件與接口另有用途與門檻。", "指定逆向任務的 benchmark 成績不能換算成 REA 完整產品複製率。", "PRD 需加入自己的使用者、範圍、未知規則與驗收方法。"]
categories: ["商業/科技前沿參考"]
tags: ["AI", "逆向工程", "軟體工程", "REA"]
authorship:
origin: voice
ai_role: ai_only
author: asaki
changelog: [{"date":"2026.10.12","note":"文章發布，整理工具、案例、成熟度與非技術使用者的交辦方法，補上 REA、Aegis、GhidrAssist 官方畫面與 Notion Logo 及來源","by":"joe+ai"}]
entity_ids:
author: https://me.joelin.cc/#asaki
accountable_person: https://me.joelin.cc/#joe
publisher: https://me.joelin.cc/#joelincc
---
# AI 能把軟體逆向重做嗎？REA 的實際案例、工具與成熟度
## 摘要
逆向工程有數十年實務累積，REA 等工具讓 AI 能操作分析引擎、找證據與協助重建。本文整理全部研究方案的 App、插件與接口形式，區分官方案例、操作示範與社群自述，說明明確功能的重建已有成果，而大型自主產品替代仍需需求、測試與營運驗證。
### 重點
- REA 提供 agent MCP 與命令列入口，部分分析需另備引擎。
- DX-Ball 官方案例驗證一個聲道計算函式，未涵蓋整款遊戲。
- Ghidra、IDA、Binary Ninja 與 JEB 是可操作的分析軟體；AI 插件與接口另有用途與門檻。
- 指定逆向任務的 benchmark 成績不能換算成 REA 完整產品複製率。
- PRD 需加入自己的使用者、範圍、未知規則與驗收方法。
REA 讓 AI 接上逆向工程工具，研究一套軟體如何運作，再協助寫出相似功能。這件事已經有具體成果，尤其是追查一個功能、搬移舊程式，以及重建範圍明確的計算。
目前公開證據還不足以支持「給 AI 一套大型商業軟體，就能自動複製整個產品」。理解一個功能、寫出可以展示的版本，以及長期提供可靠服務，仍是三個不同的工程問題。
對非技術使用者來說，值得注意的變化是：我們可以更容易把現成軟體當成研究對象，把「我喜歡這個功能」往前推成「這個功能有哪些規則、我的版本應該怎麼做」。
以下工具與研究資料核對至 2026 年 10 月 12 日。工具功能依官方文件，案例的驗證範圍另行說明。
## 軟體工程原本往前做，逆向工程從成品往回看
一般開發軟體，先決定要解決什麼問題，再設計規則、寫程式，最後產出可以安裝或開啟的成品。
逆向工程從另一端開始。手上有一個成品，想研究它用了什麼規則、資料如何流動、某個按鈕究竟做了哪些事。
可以把它想成研究一道已經煮好的菜。你可以觀察食材、分析味道、試著重做，但成品不會保留廚師所有的筆記與取捨。
軟體也有類似情況。許多程式在變成可執行檔時，會失去原本的註解、部分名稱與結構。不同的原始碼，也可能產生相同的行為。因此，逆向研究通常在追求可驗證的運作規則，而原作者當年怎麼思考，可能永遠沒有完整答案。
逆向工程已有數十年的歷史。電腦歷史博物館記錄，1980 年代的 Compaq 就曾逆向研究 IBM 的 BIOS，製作相容電腦。軟體相容性、舊系統維護與安全研究，長期都需要這類工作。[Compaq 歷史資料](https://www.computerhistory.org/revolution/personal-computers/17/302/1195)
這次的變化，是 AI 開始參與找線索、解釋規則、提出實作與反覆測試。原本高度依賴專家逐步操作的研究流程，多了一個能使用工具的助手。
## REA 是什麼？把研究工具交給 AI 使用的一套接口與流程
[REA，Reverse Engineer Anything](https://github.com/morluto/rea)，是一個開源專案。它把原生程式、JavaScript／Electron 應用、.NET 程式與網站等分析入口，接給 AI coding agent 使用，也提供命令列操作。
可以把 AI agent 想成會操作電腦工具的研究助手。REA 提供研究入口；Ghidra、Hopper、IDA 等分析引擎提供底層觀察能力；AI 再根據拿到的資料提出解釋與下一個問題。
其中的 MCP，是讓 AI 呼叫工具的一種接口規格。對讀者來說，只要先理解它的作用：AI 可以要求工具找出函式、查詢文字、追蹤呼叫關係，而不必只靠猜測回答。
REA 本身需要搭配 agent。分析某些程式還要另外準備引擎。它的開源授權，也不代表整個流程沒有模型、運算或工具授權成本。[REA 安裝與運作文件](https://github.com/morluto/rea/blob/main/docs/installation.md)
圖中是 REA 專案提供的 Hopper 畫面：中間列出程式指令，右側是檔案資訊，下方是 Hopper 的腳本操作區，顯示程式分析日誌與執行 Python 腳本的紀錄。這能幫助理解「把分析工具接起來」長什麼樣，並不是一鍵複製產品的畫面。[圖片來源：morluto／REA](https://github.com/morluto/rea/blob/c22111eca2c4bc84a084f12711f405b3e7422a40/docs/assets/rea-hopper-analysis.png)，擷取於 2026 年 10 月 12 日。
研究與開發可以串成以下流程，但每一步都需要對照證據與用途：
```mermaid
flowchart TD
A[選一個具體功能] --> B[觀察原版與查程式證據]
B --> C[整理規則與未知項目]
C --> D[寫自己的功能規格]
D --> E[開發並對照測試]
E --> F[使用者試用與修正]
```
例如「研究這個 App 的 CSV 匯出」，就比「幫我複製這個 App」更容易展開。匯出按鈕從哪裡拿資料？含逗號的欄位怎麼處理？遇到空值會輸出什麼？這些問題有機會找到具體答案，也能設計測試。
## REA 已經有哪些案例？先看研究範圍與驗收方法
### Notion：研究複製貼上如何保留內容結構
Notion 的產品識別 Logo；此圖沒有呈現研究結果。[圖片來源：Notion Labs，Wikimedia Commons 收錄](https://commons.wikimedia.org/wiki/File:Notion_app_logo.png)，擷取於 2026 年 10 月 12 日。
Notion 裡面複製一段內容，再貼回 Notion，常能保留原本的結構。單純複製幾個字，為什麼可以做到這件事？
REA 的官方案例從桌面版包裝後的 JavaScript 追下去，找到頁面呼叫、跨程序傳遞與系統剪貼簿之間的關係，也解釋了 HTML 裡的標記如何連回本機保存的內容資料。
可以把標記理解成取件號碼。剪貼簿帶著號碼，程式再據此找回更完整的內容積木。
這個案例完成了特定功能的追蹤。整套 Notion 的多人協作、資料同步與雲端服務，並不在這次研究範圍內。[Notion 官方案例](https://rea.tools/showcase/notion/)
### DX-Ball：重建一個左右聲道的計算
老遊戲 DX-Ball 打到不同位置的磚塊時，聲音會偏向左邊或右邊。這個案例研究的是「位置如何換算成左右聲道」。
研究者從原版執行檔找到指令與數字常數，重寫成一個小型 C 函式。官方記錄包含 3,205 組原版行為比較，以及該函式編譯後 63 bytes 的一致性比對。
這裡可以看到比較完整的工程循環：找到規則、重建、拿原版檢查。驗證對象是一個小函式，文章不能把它擴大成整款遊戲已完成重建。[DX-Ball 官方案例](https://rea.tools/showcase/dx-ball/)
### Aegis：找出驗證碼為什麼每 30 秒換一次
Aegis 是開源的驗證器 App。REA 的案例從發布的 Android APK 定位驗證碼生成規則，再用可調時鐘的網頁示範，呈現時間如何影響結果。
圖中每一列是一個服務的驗證碼，讓讀者先認識研究對象的日常樣貌。這是 Aegis 官方提供的宣傳截圖，帳號與數字為官方示範內容；不是本文操作 REA demo 或執行 133 組比較的證據。[圖片來源：Aegis／Beem Development](https://github.com/beemdevelopment/Aegis/blob/d6f4e5925a97e4e91593f1542085eae03432a759/metadata/en-US/images/phoneScreenshots/screenshot1.png)，擷取於 2026 年 10 月 12 日。
官方另記錄了 133 組提取 Java 方法與重建版本的比較。整理本文資料時，實際操作的是網頁 demo：時鐘跨過 60 秒後，驗證碼改變；內建的 12 組參考檢查全部通過。
這次網頁操作沒有重新跑 APK 逆向，也沒有重做官方的 133 組比較。Aegis 本來就開源，這個案例適合教讀者理解「從成品找到規則，再測試」，不能當成突破閉源軟體保護的證明。[Aegis 互動案例](https://rea.tools/showcase/aegis/)
### 舊桌面玩具：從 Windows 成品移植到 Mac 與網頁
[Desktop Games Nostalgia](https://github.com/ucodia/desktop-games-nostalgia) 的作者分享，用 REA 研究舊的 Windows 桌面玩具 stress.exe，再製作 Swift 與網頁版本。專案有公開程式碼與下載入口。
作者自述初步移植花了約 30 分鐘，後續包裝與網頁約兩小時。這是個別作者的工時描述，無法直接推成所有軟體的重建速度。[作者使用心得](https://www.reddit.com/r/ClaudeCode/comments/1x23sld/resurrecting_freeware_from_2000_with_claude_code/)
整理資料時，網頁試玩入口兩次只顯示藍色背景，沒有成功操作遊戲。這個案例可以用來介紹移植方法與公開成果，尚不能寫成本文已驗證全部功能正常。
另外，專案沿用原版圖片與音訊，repo 明列沒有授權。工具開源與目標素材的使用權，必須分開看。
### 其他案例與指南，可以拿來理解不同做法
| 對象 | 做法與成果 | 資料的性質 |
|---|---|---|
| [TH04 老遊戲](https://rea.tools/showcase/th04/) | 研究朝玩家瞄準的彈幕角度，對照 C++ 重建 | 官方局部研究與編譯比較，未涵蓋整個遊戲 |
| [CTF 解題程式](https://rea.tools/showcase/ctf/) | 把檢查條件轉成方程式，再用原程式驗答案 | 官方小型教學案例 |
| [Windows 計算機](https://rea.tools/#calculator) | 研究百分比按鈕在加法與乘法後的差異 | 官方指南；目標已有公開原始碼 |
| [Electron Notes 範例](https://rea.tools/first-investigation/) | 追 CSV 匯出，預測逗號與引號的處理，再執行檢查 | 入門教材中的範例程式 |
| [自有網站檢查](https://github.com/morluto/rea/discussions/1406) | 從外部視角觀察入口，再配合其他工具與原始碼檢查 | 社群作者自述，未公開完整可重做的證據包 |
這些案例分別呈現功能追蹤、重建、教學與檢查。閱讀時先看「究竟完成了哪一部分」，再看「怎麼證明」，就比較不會被專案名稱或成果影片帶著走。
## 類似工具有哪些？哪些是 App，哪些要接到既有工具
這個領域有四種常見形式：桌面分析軟體、AI 插件、給 agent 使用的接口，以及帶測試流程的重建框架。
有圖形介面，代表可以操作視窗；是否能像一般辦公 App 一樣容易使用，還要看研究目標與設定。以下的「泛用」，指能處理多個不同樣本或問題，並不保證任意格式都能分析。
### 開源接口、插件與研究框架
| 工具 | 實際使用形式 | 可參考的用法與案例地位 |
|---|---|---|
| [REA](https://github.com/morluto/rea) | 接 coding agent 的 MCP 與命令列工具 | 跨程式類型研究；上文有官方案例與社群移植案例 |
| [GhidraMCP](https://github.com/LaurieWired/GhidraMCP) | Ghidra 插件／橋接接口；有視窗與無視窗入口 | 讓 agent 查函式、讀反編譯結果、重新命名；repo 有操作示範，不能據此宣稱完整產品重建 |
| [ReVa](https://github.com/cyberkaida/reverse-engineering-assistant) | 接 Ghidra 的助手與接口 | 文件提供初步盤點、深入分析等工作指引；適合研究程式與標註資料庫 |
| [GhidrAssist](https://github.com/symgraph/GhidrAssist) | Ghidra 裡的 AI 聊天插件 | 解釋函式、整理關係與輔助修改標註；文件列工作流程 |
| [GhidrAssistMCP](https://github.com/symgraph/GhidrAssistMCP) | 把 Ghidra 工具提供給外部 agent 的服務 | 查程式證據與批次操作；和 GhidrAssist 是兩個不同套件 |
| [r2ai](https://github.com/radareorg/r2ai) | radare2 的 AI 插件，偏命令列 | 解釋與輔助反編譯；有[惡意程式分析研究](https://arxiv.org/abs/2504.07574)，仍需專家引導 |
| [radare2-mcp](https://github.com/radareorg/radare2-mcp) | radare2 的 agent 接口 | 讓 agent 查詢與操作分析工具；文件提供連接與批次用法 |
| [ReAgent](https://github.com/Dryxio/reagent) | Ghidra＋模型的 C／C++ 函式重建框架 | 候選實作經過檢查、編譯與設定好的測試；文件明言這些檢查未構成完整等價證明 |
| [Open-ReverseLab](https://github.com/LING71671/open-reverselab) | 多工具研究環境與方法庫 | 整合靜態、執行中觀察與 CTF 方法；方法條目數不能當成完成案例數 |
GhidraMCP、ReVa、GhidrAssist 這幾列，最適合已經在用 Ghidra 的人。r2ai 與 radare2-mcp 偏向習慣命令列的人。ReAgent 則把「生成候選程式，再交給檢查」放在較核心的位置。
這張 GhidrAssist 官方截圖把分工放在同一個視窗：左側與中間是 Ghidra 的函式、反編譯程式與指令，右側是 AI 的文字解釋。它呈現的是插件協助研究的介面，面板上的分析仍需查證；並非本文獨立測試結果。手機可點圖開大圖查看。[圖片來源：Jason Tang／GhidrAssist](https://github.com/symgraph/GhidrAssist/blob/db0bb3da678adb453a499a13feea8ed659102bcb/docs/screenshots/main-interface.png)，擷取於 2026 年 10 月 12 日。
這次查到的部分工具只有文件與示範，沒有足夠資料支持可重做的完整 App 成功案例。表格因此保留這個差別，沒有為每個名字硬配一個成功故事。
### 桌面產品、原廠 AI 與商業服務
| 工具 | 有沒有可操作的 App | 實際用法、案例與限制 |
|---|---|---|
| [官方 IDA MCP](https://github.com/HexRaysSA/ida-mcp) | 接到 IDA 桌面軟體或無視窗引擎 | 查函式、改名稱與分析資料庫；接口開源，IDA 授權另計 |
| [mrexodia 的 ida-pro-mcp](https://github.com/mrexodia/ida-pro-mcp) | 較早的第三方 IDA 接口 | repo 已建議優先看官方方案；依版本核對，不把舊接口當新採用首選 |
| [Binary Ninja 原生 MCP](https://docs.binary.ninja/guide/mcp.html) | Binary Ninja 桌面軟體內建接口 | agent 可以讀分析資料；GUI 接口也在 Free 版，但版本與使用限制仍不同 |
| [Sidekick](https://sidekick.binary.ninja/) | Binary Ninja 裡的 AI 助手 | 有[Windows UCPD 研究案例](https://binary.ninja/2026/08/04/ucpd-dynamic-rules.html)；服務與分析引擎的費用分開 |
| [BinAssist](https://github.com/symgraph/BinAssist)／[BinAssistMCP](https://github.com/symgraph/BinAssistMCP) | Binary Ninja 的開源插件／接口 | Assist 有分析工作流程；MCP 已封存並建議改用原生接口，Assist 本身未封存 |
| [JEB VIBRE／MCP](https://pnfsoftware.com/jeb/manual/mcp/) | JEB 桌面軟體的 AI 助手或外接 agent | 原廠有[函式、類別命名等操作示範](https://www.pnfsoftware.com/blog/vibe-reversing-with-vibre-ai-assistant/)；JEB 與模型費用另計 |
| [RevEng.AI](https://reveng.ai/) | 分析服務及與既有工具的整合 | 偏跨樣本程式搜尋與二進位情報；[原廠模型評估](https://www.reveng.ai/blog/introducing-wilbert-and-ventris)涵蓋匹配與反編譯，未證明完整產品重建 |
想在視窗裡研究程式，可以先認識 Ghidra、IDA、Binary Ninja、Hopper、JEB 這類分析軟體。AI 接口或插件是加在這些軟體上的一層。
其中 [Ghidra](https://github.com/NationalSecurityAgency/ghidra) 是開源路線；其餘有各自的商業或免費版本邊界。[Frida](https://frida.re/)、[x64dbg](https://x64dbg.com/)、[Rizin](https://rizin.re/) 等則提供執行中觀察、除錯或另一套分析能力，常出現在組合式研究環境裡。
對還沒有工具偏好的讀者，最有用的第一步是看案例與互動示範。若準備實作，再請工程師依程式格式、已有工具與驗收需求選一條路線，不必先把表格裡所有套件裝一輪。
## 現在成熟到哪裡？從「看懂」到「可靠替代」有幾個階段
| 想做的事情 | 目前可以怎麼看 | 主要還要處理什麼 |
|---|---|---|
| 拆開成品，查指令、文字、函式關係 | 傳統工具已有長期實務累積 | 格式、混淆、平台與研究者判讀 |
| AI 協助解釋、搜尋、命名與整理規則 | 已有可使用的產品與具體案例，效果隨任務而變 | 錯誤推論、缺失上下文、模型與工具設定 |
| 重建一個邊界清楚的功能 | 可以做工程試驗，部分案例有原版對照 | 邊界輸入、依賴、測試覆蓋與實際使用 |
| 自主重建任意大型產品並長期可靠運作 | 仍需大量驗證，不能視為成熟的一鍵能力 | 跨模組行為、雲端服務、維護、效能與完整需求 |
前三列已有不同程度的實務用途。最後一列需要同時解決研究、開發、品質與營運，要求高得多。這個成熟度分層是根據工具文件、案例與研究整理的判斷，並非業界統一認證。
研究也顯示，成果高度依賴條件。[SRE-Bench 的 2026 年 10 月版本](https://arxiv.org/abs/2608.11469v2)用 19 個非公開程式與不同防分析機制測試 agent；一般公開設定仍有許多未解任務，無預算上限的內部設定與多次嘗試則能產生很高的候選成功率。
兩者必須一起看。多試幾次有機會找到正確候選，但使用者還需要辨識哪一份正確。該研究評量的是指定逆向任務，也不能換算成完整商業產品的複製成功率。
[ProgramBench](https://programbench.com/)則測試另一種情境：只給成品與文件，靠觀察行為重做程式，並且禁止反編譯與上網。它特別區分「大部分測試通過」與「全部測試通過」。這個設計可以提醒我們留意邊界行為；因為工具限制不同，成績無法拿來當 REA 的實測結果。
## AI 能生成正確程式，工程師為什麼還要追查
Binary Ninja 發表的 Windows UCPD 案例，很適合說明驗證工作的難度。
研究者讓 Sidekick 重寫一段解密邏輯，又用 Claude Code 接原生 MCP 做第二份。兩份程式產生相同、看起來無法理解的輸出。
研究者繼續查外部實作，發現雜湊算法的差異。用另一種算法，資料才解成可讀內容。原文推測是驅動程式與資料生成端版本不一致，但沒有在運作中的機器確認這個推測。[UCPD 原始研究](https://binary.ninja/2026/08/04/ucpd-dynamic-rules.html)
這個故事包含 AI 對原版邏輯的重建、人對額外線索的追查，以及最後仍保留的未知項目。兩份相同答案，並不足以讓所有工程問題自動結束。
實際替代軟體也會遇到類似事情。日常資料正常，遇到舊檔案或特殊字元卻壞掉；單人使用順利，多人同時操作才出問題。這些差異需要測試與使用者驗收才能逐步發現。
## 對軟體工程的革新：研究與開發之間多了一條可反覆走的路
這是一個影響可能很大的變化。AI 已能幫忙寫程式，現在又能更深入研究既有成品，兩端開始連起來。
以前接手沒有原始碼的系統，理解行為可能先花掉大量專業工時。現在，部分搜尋、追蹤與整理能交給 agent，工程師再集中處理關鍵判斷與驗收。
具體用途可以分成幾種：
- 舊系統搬家：保留少數重要功能，改在新平台運作。
- 資料與檔案相容：理解某種輸出規則，讓新系統接得上。
- 維護與除錯：追查沒有文件的行為，補出可用的說明與測試。
- 產品研究：把喜歡的功能拆成規則，再依自己的受眾重新設計。
- 遊戲與軟體保存：研究已停止維護的成品，嘗試恢復可使用的部分。
這些是可能的應用方向。實際能完成多少，仍取決於能拿到哪些程式與資料，以及原版能不能用來對照。
工程師需要的能力也會改變。除了寫程式，還要能定義研究問題、辨識證據、整理未知項目，並設計可以發現差異的測試。
AI 降低部分理解與實作成本後，軟體公司的競爭也可能更重視資料、服務、整合與持續維護。這是根據技術能力推導的產業判斷，還不能宣稱 REA 已經造成整個產業改變。
## 非技術人員要怎麼用？先做一份能驗收的功能規格
假設你有一套舊的報表軟體，只想保留「讀入資料、算三個欄位、匯出 CSV」。這是示意情境，用來說明交辦方法。
先把原版的正常結果與特殊情況整理出來，再讓工程師或 agent 研究規則。看得懂規則後，才能決定哪些行為要保留、哪些要重新設計。
可以這樣交辦：
> 請研究這套軟體的 CSV 匯出功能。列出輸入、轉換規則與輸出格式，每個結論附證據。請用空值、逗號、引號與中文資料對照原版結果。把尚未確認的規則另外列出，最後整理成我自己的功能規格與驗收案例。
研究之後可以整理 PRD，也就是產品需求文件。但 PRD 還要加入你自己的用途：誰使用、哪些功能必要、如何處理錯誤，以及什麼結果算完成。
| 規格要回答的問題 | 報表範例 |
|---|---|
| 誰需要它 | 每週整理銷售資料的同事 |
| 必須保留哪些功能 | 讀檔、三個計算欄位、CSV 匯出 |
| 哪些規則已經確認 | 指定樣本的計算與文字格式 |
| 哪些規則還未知 | 舊版檔案、極端數值與異常資料 |
| 如何驗收 | 原版與新版對照樣本，再由同事實際使用 |
這份規格可以交給開發。逆向研究補上既有行為的證據；使用者補上用途與取捨。兩邊都清楚，才有比較可靠的替代目標。
## 能批量研究嗎？先批量盤點，再逐項驗收
REA 與部分競品提供命令列、無視窗分析或批次清單，所以可以讓腳本依序分析多個檔案，保存結果，再交給 AI 整理。[REA 命令列文件](https://github.com/morluto/rea/blob/main/docs/cli.md)、[ReAgent 批次流程](https://github.com/Dryxio/reagent)
批量容易擴大的是「找出有哪些函式、依賴與可疑差異」。批量重建還需要逐項定義輸入輸出與測試，不能只根據摘要寫著成功就算完成。
比較可行的起步方式，是先選一個小功能，記錄花費、未知規則與測試結果。確認這套方法對你的軟體有效，再把同類型的研究排成清單。
## 廠商會因此把功能搬到雲端嗎
本機成品可以被取得與研究，雲端核心程式通常不在使用者電腦上。這確實會影響可以看到多少內部規則。
研究網站的人，可能看得到前端程式、請求與回應。伺服器內的資料庫、排程、模型與內部管理功能，需要另外的觀察來源，不能從一個登入畫面完整還原。
因此，更多廠商可能考慮把核心能力留在伺服器。但目前本文沒有證據能把特定公司的雲端化決策歸因於 REA，也無法據此推定買斷軟體必然消失。
對使用者來說，替代軟體的評估仍要回到實際工作：能不能匯出資料、能不能離線、遷移成本多少，以及新版出了問題誰維護。省下授權費後，這些成本仍然存在。
如果想開始試，先列出最想保留的三個功能，準備幾份原版的輸入與結果。再從其中一個功能做研究與重建，比直接要求 AI 接手整套軟體更容易知道有沒有完成。
本文介面圖與 Logo 為各專案或產品的素材，來源標在圖旁；[素材授權與權利說明](/source-notices/rea-article-images.txt)。
本文關鍵字：REA、逆向工程、AI Agent、Ghidra、軟體重建、功能規格、PRD、軟體相容性