当逆向工程不再是少数人的手艺

一句话结论：当反编译这件活儿可以整包交给 AI Agent 去做，逆向工程最贵的那部分成本——人的时间与经验——第一次出现了系统性下降的可能。

一门被稀缺性定价的手艺

软件逆向长期是典型的专家驱动工作。读懂一个没有源码的二进制，需要熟悉汇编、理解调用约定、在反汇编工具里逐段还原控制流，再靠经验判断哪些是噪声、哪些是关键逻辑。一个中等规模的库，从"能跑"到"看懂它到底在干什么"，往往以周甚至月计。

稀缺性直接决定了这门手艺的价格：相关能力只集中在少数人手里，需求方要么高价聘请，要么放弃分析、直接接受黑盒。

素材里提到的思路，是把这整条链路交给 AI Agent：由它承担重复性的读取、模式识别和结构还原，人类退到策略层——决定分析目标、判断结论是否可信、确认是否值得继续深入。

这里的关键不在于 AI 是否"完全取代"了逆向专家，而在于分工变了。原先大量时间花在机械推进上，现在这部分工作可以被并行、可被长时间挂机执行。当"读懂一个程序"的边际成本从数十小时降到接近于算力成本，很多原本不值得做的分析，突然就划得来了。

门槛降低本身是中性的，它同时放大两类用途。一是正当场景变多变便宜：安全研究、恶意样本分析、闭源接口的兼容性排查、遗留系统失去维护后的自救。二是边界问题被推到台前：软件许可条款、逆向的法律适用范围、以及"能拆"和"该拆"之间的距离。工具能力跑得比共识快，这是这类技术扩散的标准剧本。

另外值得留意的一点：Agent 输出的结论仍需人工复核。反编译本来就是容易得出"看起来自洽但与事实不符"结论的领域，而 AI 生成内容恰好擅长提供流畅的自信感。省下的时间，一部分应该花在怀疑上。

如果哪天你手上的黑盒急需被看懂，不妨先算一笔账：这次分析到底值多少算力——而不是值多少个人日。