逆向 Agent「kunglao-agent」：讓 AI 自己想辦法拆樣本，而不是跑到一半就宣布完工

11 月 5 日，開發者 SlipStupig 在 V2EX 的「分享創造」板發布了一個開源專案 kunglao-agent，定位是以強化學習為控制核心的逆向工程 Agent。貼文發布約九小時內累積近五百次瀏覽，並有 Android 客戶端工程師上來提問互動。

它想解決的問題：AI 半途宣布「我搞定了」

開發者在貼文中對痛點的描述相當直白：逆向任務一複雜，AI 很容易跑偏，或者分析到一半就聲稱自己已完成。這是當前通用 AI 工具做長鏈條任務時的共同毛病，而逆向工程因為步驟多、回饋慢、失敗常要回頭換路線，把這個毛病放大得特別明顯。

kunglao-agent 的做法是把強化學習放在 controller 的位置。用日常一點的比喻：一般 AI 助手像個照著食譜做菜的廚師，做到第三步就說菜好了；強化學習驅動的 controller 則像個被要求「端出這道菜才算數」的廚師，會根據目標自己試、自己換方法，直到結果對得上為止。

專案目前支援 WEB、PE、ELF、APK 與固件等方向，並會把做過的方法與結果沉澱下來，後續任務能累積經驗。這個「越用越熟」的設計，是它與一次性腳本工具的主要差異。

回覆裡最有資訊量的一段：真實使用場景

留言區的提問來自一位 Android 客戶端工程師。他的問題很具體：碰到 R8 全量混淆加字串加密的樣本，該先做靜態去混淆，還是直接上動態 hook？native 的 .so 部分要走符號執行還是讀組語？他還提到被自家混淆坑過的實際經歷，線上崩潰棧還原不出版本對應關係，一直想找能自動跟的工具。

開發者的回覆也值得注意：有線上的 dump 資訊就直接交給 agent，它會根據目標自己想辦法。這種「你給目標和材料，路徑它自己找」的姿態，正是無人值守承諾的核心，也同時是它最需要被驗證的部分。

放進更大的脈絡看

這不是本站第一次注意到逆向工程與 AI 結合的動向。先前分析的REA 五天十一萬顆星現象顯示，把逆向工具接上 AI Agent、讓門檻快速下降，已經是一條明確的路線。kunglao-agent 的差異點在於強化學習這個 controller 設計：多數同類專案是把既有工具包一層對話介面，它則強調任務導向的自我修正與經驗累積。

所以呢

對做安全研究、APP 加固或韌體分析的人，這類專案的價值不在於取代人工，而在於把「崩潰棧還原」「混淆樣本初步分析」這類繁瑣且重複的前置工作交出去。判斷方式也簡單：拿一個自己已經知道答案的難樣本丟給它，看它是真的走完全程，還是又出現那個老毛病，半途宣布搞定。專案仍在迭代，開發者也明說歡迎拿真實樣本交流，這對想驗證的人是個低門檻的入口。