AI 让逆向工程变得前所未有的简单，功能复刻的成本几乎归零。但拆得走功能，拆不走习惯、关系网、生态和信任。本文深入剖析 REA 项目背后的真相，以及当软件功能不再稀缺时，产品真正的护城河在哪里。

这几天在 GitHub 上热闹的，是一个叫 REA 的逆向工程项目。

10 月 8 日，它冲上了 GitHub 趋势榜第一。社区里有人说，以后能装进电脑的软件都约等于开源了；也有技术博客专门测了它的热度，结论是软件是真的，热度不是真的。

但它真的有那么神奇吗？

REA 逆向工程

逆向工程这个词不新，几十年前就有了。

正常做软件，是程序员写源代码，编译成电脑能跑的程序。逆向反过来：手里只有一个装好的软件，没有源代码，想弄清楚它里面怎么干活的，就得把它拆开往回推。

过去这件事很苦。编译完的程序，函数名、注释这些给人看的信息基本都没了，剩下一大坨机器能懂、人很难懂的逻辑，全靠逆向工程师一点点猜。

REA 通过接口，把这件事交给了 AI：一头接上 Claude Code、Cursor 这类会写代码的 AI，另一头让 AI 去操控 Ghidra、Hopper、IDA 这些做逆向的工具。装好以后，只需要对 AI 说一句“这个软件的某个功能是怎么做的”，AI 就会去调这些工具拆软件、找函数、看调用关系，最后把弄懂的逻辑在你自己的项目里做一遍。

REA 说，它能让 AI 从应用表现一直拆到底层程序。听上去，只要看到喜欢的功能、想要的功能，就能一路搞定它、复刻出来。但效果真的是这样吗？

YouTube 博主 Nick Saraev 做了个很直接的测试。他让装了 REA 的 AI 去复刻 Mac 自带的「预览」。做出来的东西，几乎一模一样：标题栏、缩放、分享、画笔、旋转、保存，都有。

看到这儿，好像真能把别人的软件、别人的功能拆走了。

可同一个测试里，他还同时开了另一个窗口，让一个什么逆向工具都没装的普通 AI 去做同样的事。结果普通 AI 先做完，功能差不多；REA 版又等了三四分钟才出来，多出来的好处只是画笔反应快一些。

REA 里面的工具，Ghidra 是美国国家安全局（NSA）2019 年发布的，Hopper 是 2011 年的，IDA 更是上世纪 90 年代的东西。

REA 做的，只是给 AI 一个接口，让它能用上这些工具。就算不装 REA，直接和 AI 对话“我很喜欢某个软件的某个功能，帮我弄清楚它怎么做的，复刻一个”，AI 也会自己截图、自己推理，照样能做个八九不离十。

REA 究竟有没有大家讨论的那么神奇，其实没那么重要，更重要的是它背后的那件事：照着别人的软件做一个相似的产品，成本已经非常低了。

以前没人拆，是因为不值

软件公司靠什么赚钱？靠帮用户解决某一个具体问题。

修图、记账、管客户、开会，每个软件都盯着一件事，把它做好。功能就是它服务用户的关键，用户付钱，买的就是这个功能。

既然功能这么值钱，过去为什么很少有公司去逆向别人的软件、自己做一个？

公司做不做一件事，看的是值不值。这笔账以前怎么算都不划算。

一是成本。想弄清别人是怎么做的，得先反编译、反解包，一个团队得投进大量的时间和钱。

二是订阅。花很少的钱，就能直接用上一模一样的服务。一边是一个团队耗上几个月甚至几年，一边是每月一点订阅费，没有哪家公司会选前一个。

2019 年，一群玩家把《超级马里奥64》完整地反编译了出来，就是把这张二十多年前的卡带，一点一点还原成 C 语言代码，而且重新编译以后，能得到和原版一模一样的游戏，这事他们干了两年。

2008 年 6 月，Wine 发布第一个稳定版，他们想让 Linux 直接跑 Windows 软件，做法是照着 Windows 的行为，把它的接口一个个重做出来。官方公告写的是「经过 15 年的开发和测试」，而且兼容性还不完美。一群人花了 15 年，才把别人的东西重做到能用；对大多数人来说，直接买一份 Windows 就够了。

这就是过去逆向工程的价格。所以你要知道，原来很多商业软件的保护，来自于别人看不懂，也懒得花那个时间研究。或者用另一句话来说，就是别人重新实现你的软件所需要付出的成本。

因为过去逆向成本太高了，公司逆向花费的成本甚至高于购买产品的成本，于是没必要逆向。

而现在 AI 把整个链路改了，你的产品在事实层面上已经开源了。

拿现在的做法来说：一个 Agent 直接暴力负责研究产品的功能，另一个 Agent 直接暴力把功能实现出来，再用一个端到端测试的 Agent 不断比较结果、发现问题、修改代码。再接上最新的 GPT-6 Astra 和 Claude Opus 5.5，于是，逆向起飞了。

过去，厂商可以通过不公开通信协议，限制第三方软件的接入。你想使用某个功能，往往只能通过官方提供的方式。但现在，开发者可以借助 AI 研究这些协议，自己开发兼容工具，甚至实现厂商原本没有提供的功能。

拆得走的是功能，拆不走的是什么？

只卖功能的 SaaS，已经没了。同一个功能，市场上到处都是，长得一样，用起来也差不多。用户的选择太多了，没有理由非你不可。

如果单从功能看，软件确实已经死了。可我们的产品，从来不止功能。

功能既然随时能被替代，用户为什么还不走？有四样东西才是产品的护城河。

习惯：用得越久，越离不开

快捷键记住了，菜单在哪闭着眼都能点到，换一个新的，一切从头学。

习惯里还藏着数据。用得越多，它越懂你：偏好越多，历史越长，越用越顺手。新软件功能再好，第一天打开都是一张白纸。

不过这条已经开始漏水了。据央广网和 CNMO 报道，10 月 14 日豆包工作上线了「数据导入与同步」，能把 ChatGPT、Claude Code 等产品存在本地的偏好指令、技能、记忆和历史会话一键搬过来，接着聊就行，不用重新交代背景。限制是只能搬本地的，云端的不支持。

能导出来的那部分习惯，已经不算护城河了。剩下守得住的，是放在云端、别人碰不到的那部分。

关系网：朋友都在这儿

关系网是人和人绑在一起。

微信就是最好的例子。据腾讯财报，截至今年 6 月底，微信和 WeChat 合并月活是 14.39 亿。一个新的聊天软件做得再好看，装上发现一个能聊的人都没有，过两天也就删了。你离不开的不是这个软件，是里面那些人。

反过来是 Google+。谷歌不缺技术也不缺钱，据谷歌官方博客自述，2018 年决定关掉面向普通用户的 Google+ 时，90% 的用户会话不到 5 秒。功能都有，人不在那儿。

生态：产品和产品连在一起

关系网是人和人，生态是一家公司的产品和产品连在一起。

据苹果官方支持页面，用同一个 Apple 账户登录，iPhone 上复制的文字可以直接在 Mac 上粘贴；手机上没看完的网页、没写完的邮件，走到电脑前接着弄。

单看每个功能都不难做。难的是一整套东西彼此认识。你抄得走其中一个，抄不走它和其他几个之间的线。用户想换掉一件，就得想清楚那些顺手的地方全断了，值不值。

信任：不想再试错

站在用户这边，信任就是一句话：我用过，它靠谱，不想再试别的。

换新软件要花时间摸清它，还要担心它哪天出岔子、把自己的东西放到一个还不了解的地方。用了几年没出过事，这份放心本身就值钱。

它攒起来慢，掉起来快。2024 年 6 月，Adobe 推送了一次用户条款更新，措辞含糊，很多创作者以为 Adobe 要拿他们的作品训练 AI，据 Axios 报道，有人因此退订，有人扬言退订。Adobe 连发两篇博客澄清，说从没拿客户内容训练过生成式 AI，又把「不用客户内容训练 AI」写进了新条款。

功能一个没变，就因为几行字，用户开始想走。信任是护城河，也得一直修。

想做同样功能的公司，要面对什么？

反过来，站在想抄的那家公司这边。功能做出来了，接下来要面对的，就是获客成本。

获客成本：软件越便宜，用户越贵

AI 让做应用便宜了，用户可不会因此就来。做的人越多，抢的是同一批人，每个用户反而越贵。

Quibi 是个提醒。据 CNBC 报道，这家做手机短视频的公司上线前融了 17.5 亿美元，2020 年 4 月上线，六个月多一点就宣布关门。钱、内容、团队都不缺，缺的是愿意留下来的用户。

新产品要被看见，只能投流，一个用户一个用户地买。老产品不用，它的用户已经在那儿了。

入口：用户在哪儿

入口就是用户每天打开、从那里知道新东西的地方。入口在别人手里，做得再好也很难被看见。

据《卫报》报道，2023 年 7 月 Meta 推出 Threads，不到五天注册就过了 1 亿。它要用 Instagram 账号登录，原来关注的人能一起带过去。扎克伯格说，这主要是自然增长，很多推广还没开。

Slack 和 Teams 也一样。2020 年 7 月 Slack 向欧盟投诉，说微软把一个「抄来的弱产品」捆进 Office，硬装给几百万用户。欧盟后来初步认为微软至少从 2019 年 4 月起就捆着卖；2025 年 9 月微软承诺提供不含 Teams 的套件，事情了结，承诺决定本身不等于认定违法。功能谁都做得出来，微软占的是早就装在电脑上的那个位置。

规模：老玩家耗得起

规模大的公司能压价、能补贴，能花小公司根本拿不出的钱守住位置。

在美国司法部起诉谷歌的反垄断庭审上，一页公开材料显示，2021 年谷歌付了 263 亿美元给手机厂商、浏览器等合作方，只为当它们的默认搜索引擎。美国法院后来认定，谷歌靠这类分发协议维持了垄断。对手功能做得再像，也没法在这个数量级上比谁更耗得起。

资质：一道门槛，不是一把锁

有些行业，能不能上线不只看功能，还要过审批。

国内做生成式 AI 服务就要备案。据国家网信办 9 月 14 日的公告，截至 8 月 31 日，累计 1112 款生成式 AI 服务完成备案。AI 一晚上能帮你搭出一个应用，帮不了你把这道流程走完。

一家英国券商今年按类别统计过软件股，结论是靠自有数据、真懂客户怎么干活、或者有监管门槛的公司，撑得住，有的还活得很好。这家券商自己并不认为软件已死，它看到的是分化。

但资质只能拖慢对手，锁不住用户。规则总有人找得到绕过去的办法，AI 让这件事更容易了。真正留得住人的，还是前面那几条。

我们的未来何去何从

传统 SaaS 靠功能收钱，这套打法在 AI 时代已经接不住了。

以后做产品，盯的不再是「做出了什么」，是「谁留下了，为什么留下」。

下载量是虚的，留存是实的

投资机构早就这么看了。a16z 在《16 个创业指标》里说得很直接：下载量只是虚荣指标，投资人要看的是参与度，最好是按批次看的留存，看的是对这门生意真正重要的那几个数，比如日活、月活、分享了多少、看了多少。

按批次看留存，意思是把同一个月进来的用户放在一起，看一个月、三个月、十二个月后还剩多少。功能谁都能抄，这条曲线抄不走。

留存差一点，一年后差一大截

Parsa Saljoughian 2020 年汇总了多家消费订阅公司的匿名数据，做过一份基准统计，把这件事算得很清楚：月流失 1% 的公司，一年后还剩约 90% 的用户；月流失 8% 的，剩下不到 40%。一年下来，前者用户比后者多出一半。

同一份数据里，最好的订阅生意，一年后能留住 65% 以上的收入；50% 以上算前四分之一，中位数是 42%。

这就是「用户越来越贵」的另一面：新用户越难买，老用户每多留一个月，就越值钱。

AI 产品，要把「游客」先刨掉

AI 产品的留存还有个新问题。a16z 2025 年 9 月专门写了一篇《Retention Is All You Need》，说现在很多人注册 AI 产品只是来看看，用两三个月就走，他们管这些人叫「AI 游客」。所以前几个月的留存曲线，已经不像过去的 SaaS 那样能说明问题。

他们的办法是从第 3 个月开始算：第 3 个月还在的，才是真正的用户；再看这些人到第 12 个月表现怎么样，用第 12 个月除以第 3 个月，判断长期留存好不好。

对做产品的人，这就是新的考题：用户第一次来，是被功能吸引的；第三个月还在，才是被你留住的。

做产品的人，要问的几件事

拿手上的产品对一遍。用户留下来，是因为功能，还是因为习惯、身边的人、连在一起的那几样东西？用户的数据，有多少是别人一键就能导走的？用户是从哪里知道你的，那个入口在不在你手里？

做新功能时也可以多问一句：它是让用户更离不开，还是只多了一个能被拆走的按钮？它会不会让第三个月、第十二个月的那条线往上走？

一条都答不上来，这个产品就只剩功能。功能现在是最便宜的东西。

功能会越来越便宜，用户只会越来越贵。

参考资料：

1. REA 官方仓库 https://github.com/morluto/rea
2. Startup Fortune：REA 10 月 7 日发布、次日登上 GitHub 趋势榜第一 https://startupfortune.com/an-ai-agent-that-reverse-engineers-any-software-just-hit-number-one-on-github/
3. 技术博客对 REA 热度增长的测算 https://senn-tech.com/en/blog/rea-reverse-engineering-83000-stars-nachgemessen
4. Nick Saraev 实测 REA（复刻 Mac「预览」，REA 版与普通 AI 对比；视频逐字稿与摘要） https://moderncreator.app/2026-10-10-nick-saraev-reverse-engineer-anything-testing-the-viral-ai-decompiler-everyone-s-hyping
5. 央广网：豆包工作上线数据导入与同步（2026-10-14） https://edu.cnr.cn/gc/20261014/t20261014_527841532.shtml ；凤凰网转 CNMO https://feng.ifeng.com/c/8xDJBysBvyI
6. 腾讯 2026 年第二季度业绩公告（微信及 WeChat 合并月活 14.39 亿） https://www.tencent.com/wp-content/uploads/2026/08/Tencent-Announces-2026-Second-Quarter-Results.pdf
7. 谷歌官方博客：Project Strobe，关停消费者版 Google+（2018-10-08） https://blog.google/innovation-and-ai/technology/safety-security/project-strobe/
8. 苹果支持：通用剪贴板 https://support.apple.com/en-us/102430 ；接力 https://support.apple.com/en-us/102426
9. Adobe 博客：A clarification on Adobe Terms of Use（2024-06-06） https://blog.adobe.com/en/publish/2024/06/06/clarification-adobe-terms-of-use ；Here’s what to know about Adobe’s Terms of Use updates（2024-06-10） https://blog.adobe.com/en/publish/2024/06/10/updating-adobes-terms-of-use ；Axios（2024-06-18） https://www.axios.com/2024/06/18/adobe-ai-customer-data-training
10. CNBC：Quibi 上线约六个月后关闭 https://www.cnbc.com/2020/10/21/quibi-to-shut-down-after-just-6-months.html
11. 《卫报》：Threads 五天注册破 1 亿 https://www.theguardian.com/technology/2023/jul/10/twitter-killer-threads-app-meta-mark-zuckerberg-elon-musk
12. Slack 向欧盟投诉微软（2020-07-22） https://slack.com/blog/news/slack-files-eu-competition-complaint-against-microsoft ；欧盟承诺决定 https://ec.europa.eu/competition/antitrust/cases1/202548/AT_40721_7220.pdf
13. CNBC：谷歌 2021 年付 263 亿美元换默认搜索地位 https://www.cnbc.com/2023/10/27/google-paid-26-billion-in-2021-to-become-a-default-search-engine.html ；美国法院救济判决意见（2025-09-02） https://cases.justia.com/federal/district-courts/district-of-columbia/dcdce/1:2020cv03010/223205/1436/0.pdf?ts=1756893273
14. 国家网信办：关于发布生成式人工智能服务已备案信息的公告（2026年7月至8月，2026-09-14） https://www.cac.gov.cn/2026-09/14/c_1791136833136332.htm
15. Hargreaves Lansdown：「SaaS 末日」之后软件股的分化 https://www.hl.co.uk/news/what-happened-to-software-stocks-after-the-ai-driven-saaspocalypse
16. a16z：16 Startup Metrics（下载量是虚荣指标、按批次看留存） https://a16z.com/16-startup-metrics/
17. a16z：Retention Is All You Need（2025-09-10；AI 游客、M12/M3） https://a16z.com/ai-retention-benchmarks/
18. Parsa Saljoughian（Substack，2020-07-22，作者汇总匿名数据自行统计）：Consumer Subscription KPI Benchmarks（月流失 1% 与 8%、12 个月收入留存分位） https://parsa.substack.com/p/consumer-subscription-kpi-benchmarks-retention-engagement-and-conversion-rates-9ac13b57c3d3
19. WineHQ：Wine 1.0 发布公告（2008-06-17） https://www.winehq.org/news/2008061701
20. 数字生命卡兹克：《AI开始逆向一切，你电脑里的每个软件都要被迫开源了。》（2026-10-12） https://x.com/Khazix0918/status/2109501787736813663