Ghidra 是美国国家安全局（NSA）于 2019 年开源的软件逆向工程框架，可用于反编译、分析没有源码的二进制程序，长期被视为安全研究与逆向分析领域的标杆工具。随着大模型与编程智能体的兴起，Ghidra 正在从「需要专业人士手工操作的分析平台」转变为「AI 智能体可调用的底层能力」，社区围绕这一方向的探索在近期明显升温。
Ghidra 的近期进展
近两个月最受关注的话题是开源项目 REA 的走红。REA 的思路是把逆向分析流程接入 MCP 协议，让 Claude Code、Codex 等编程智能体能够直接驱动 Ghidra 完成反编译和逻辑还原，从而在没有源码的情况下自动拆解应用实现（开源逆向工具 REA 走红：让 Coding Agent 自动拆解应用实现、REA 通过 MCP 把逆向分析接入编程智能体）。开发者 Lxfater 在分享中称「普通人也可以用 AI 逆向应用了」（Lxfater 的推文）。
实际用例也随之涌现。宝玉先后演示了用 REA 逆向 Claude Slides 的 Slides 编辑器并还原出几乎完整的功能，以及在不反编译 Codex 代码的前提下搞清其内置浏览器的评论标记逻辑（逆向 Claude Slides、分析 Codex 运行逻辑）。Perplexity CEO Aravind Srinivas 也展示了借助 Perplexity Computer 把 Windows 键盘软件逆向移植到 Linux 的案例（相关推文）。
学术界则在补 AI 逆向的技术短板。arXiv 上有研究评测 LLM 反编译器的重编译保真度（LLM反编译器重编译保真度研究），DeepSeek 团队提出的 STILL 方法则针对 LLM 辅助 C++ 反编译中 STL 语义丢失的问题（STILL 论文），反映出反编译结果的「可读」与「可还原」仍是难点。
当前焦点与观察点
围绕 Ghidra 的讨论正集中在三个问题上。其一是工作流定位：Ghidra 更多以「引擎」角色嵌入 REA 这类智能体框架，而非独立 GUI 工具被使用，这种 MCP 化趋势是否会成为逆向分析的主流形态值得跟踪。其二是能力边界：目前的演示多为中小型应用或特定模块，LLM 反编译在语义还原、重编译保真度上的局限仍有待研究解决。其三是合规与伦理：AI 降低了逆向门槛后，如何区分互操作性研究、学习用途与侵权行为，社区尚未形成明确共识。对安全从业者和关注 AI Agent 生态的开发者来说，Ghidra 与智能体的结合是近期值得持续观察的方向。