20K Star 的安全技能路由包：让 AI 告别_猜命令_，逆向_渗透效率翻 4 倍

一、开篇：为什么你需要这个工具？

做逆向分析时，AI 助手面对一个 APK 样本，常常陷入选择困难：到底该用 jadx 反编译，还是直接上 Frida 动态 hook？前端 JS 加密参数搞不定，是挂 BurpSuite 抓包，还是分析混淆过的 opcode VM？更糟的是同一台机器上，IDA、Ghidra、radare2、apktool、yara 散落各处，每次任务都得重新翻文档、猜命令、踩一遍相同的坑。

国内某安全团队在 2025 年内部调研显示，安全研究员 40% 的工作时间浪费在「选工具 + 调环境 + 试命令」上，真正做漏洞分析和报告撰写的时间不足三成。AI 写代码能力很强，但缺少一套针对逆向/渗透/安全研究场景的「技能路由」——给它一个 APK，它不知道第一步该做什么；给它一段混淆 JS，它直接生成一堆不可执行的伪代码。

reverse-skill 正是为解决这个痛点而生：让 AI 代理拿到任务后，自动路由到正确的方法论、检查本地工具链、执行可复现的工作流，并把经验沉淀成可复用的知识库。

二、项目简介：一句话说明它是什么

reverse-skill 是一个面向 AI 编程客户端的安全技能路由包，GitHub Star 数突破 20,274，主仓库版本 v1.0.0，兼容 Claude Code、Kiro、Cursor、Cline 等主流 AI 代码客户端。它由四个核心模块组成：AI 自动路由 + 按需自举工具链 + 自动进化经验库 + Ops 契约审计，覆盖 APK 逆向、ELF 二进制、前端 JS 加密、CTF 夺旗、渗透测试、固件 IoT、LLM 安全等 20+ 安全研究场景。

核心特性用四个关键词概括：路由（Routing）、自举（Bootstrap）、进化（Evolution）、审计（Ops）。它不是工具，而是工具之上的「方法论调度层」。

三、核心功能深度解析

1. AI 智能路由：告别「猜命令」时代

传统 AI 助手处理安全任务时，往往直接输出 jadx-cli 命令，却不检查本机是否安装了 JDK。reverse-skill 的 master-route.ps1 脚本充当一级 triage：拿到用户任务后，先读 RULES.md 全局规则，再加载 case-init 生成 scope（授权 + 网络画像），最后把任务分发到对应的场景 skill（apk-reverse、js-reverse、pwn-chain 等）。

路由矩阵 skills/routing.md 把任务类型精确映射到方法论：APK → jadx/apktool；ELF 二进制 → IDA/radare2；前端 JS 加密 → Reqable MCP + js-reverse；CTF → CTF-Sandbox-Orchestrator（内置 40+ 子技能）。这套矩阵不是静态文档，而是会根据 tool-index.md 自动剔除本地缺失的工具，避免 AI 给出「空气命令」。

2. 按需自举工具链：缺什么补什么

仓库提供 refresh-tool-index.ps1（Windows）和 refresh-tool-index.sh（Linux/macOS）脚本，运行后会扫描本机已安装的 jadx、frida、nmap、ghidra、burpsuite-mcp 等工具，生成 skills/tool-index.md 索引。AI 在派发任务前会先查这张表，发现缺失工具就提示用户安装路径或切换替代方案。

平台差异化是另一个亮点：Kali Linux 用户走 kali/scripts/refresh-tool-index.sh，会自动识别 Kali 预装的安全工具集；Ubuntu/Debian 和 macOS 则各有独立的部署文档 docs/platforms/linux.md 和 docs/platforms/macos.md。这种「自举」机制让 AI 不再依赖一份写死的工具清单。

3. 自动进化经验库：field-journal 与 Evidence 链

每次任务执行后，skills/ops/ 下的契约文件会强制记录三类信息：Evidence（原始证据，如脱壳后的 dex、hook 后的内存快照）、Finding（漏洞/逻辑发现）、Path（复现路径）。这些记录写入 field-journal/，下次同类任务触发时，AI 会优先检索历史经验复用方法论，避免重复踩坑。

以 OLLVM 去混淆为例，仓库内置 skills/reverse-engineering/references/ollvm-deobfuscation.md，结合 skills/reverse-engineering/dsl-vm-reverse/ 处理自定义 opcode 虚拟机。AI 处理混淆样本时，会先查 journal 是否有同类 case，再决定调用 llvm-pass 还是 unicorn 模拟执行。

4. Ops 契约审计：scope gate 把住合规线

授权审计是安全研究的第一道门槛。RULES.md 强制要求：AI 在执行任何「ACT 类」操作前，必须先完成 case-init 生成 scope.md（明确授权范围 + 网络画像）。未授权目标禁止主动扫描、未授权样本禁止动态执行。这种「scope gate before ACT」机制把合规约束写进了路由层，而不是依赖用户自觉。

四、技术亮点与性能数据

• 覆盖场景数：20+ 主场景 + 40+ CTF 子技能，总计 60+ 独立 skill 模块。
• 兼容 AI 客户端：Claude Code、Codex CLI、Cursor、Cline、Kiro 全部支持，通过统一的 RULES.md + MASTER-ROUTING.md 协议接入。
• 工具链生态：集成 jadx、apktool、Frida、IDA Pro、radare2、Ghidra、nmap、burpsuite-mcp、yara 等 30+ 主流安全工具，覆盖静态分析、动态调试、流量抓包、漏洞扫描全链路。
• 架构创新点：把方法论（routing.md）、工具链（tool-index.md）、经验库（field-journal）、合规契约（ops/）四层解耦，任何一层可独立升级。
• 协议设计：README_AI.md 是给 AI Agent 看的 bootstrap 入口，包含严格的指令序列——这是项目作者对 AI 行为控制的一次工程化探索。

五、适用场景与人群

典型适用场景：

1. 移动应用安全审计：拿到一个 APK，需要在 2 小时内完成反编译、漏洞定位、报告输出，reverse-skill 自动调度 jadx + Frida + MobSF 工作流。
2. CTF 比赛解题：Crypto/Misc/Reverse/Pwn 多题型并行，CTF-Sandbox-Orchestrator 提供 40+ 子技能路由，AI 自动判断题型并加载对应解题模板。
3. 红队渗透测试：从信息收集到漏洞利用到报告撰写，skills/pentest-tools/ + skills/attack-chain/ 串成完整攻击链，配合 scope gate 防止越权。

适合谁： 安全研究员、CTF 选手、渗透测试工程师、移动安全审计人员、AI + 安全交叉领域研究者。

不适合谁： 完全零基础的小白（需要先理解逆向/渗透基础概念）；只想要一个开箱即用 GUI 工具的用户（这是路由包，不是 GUI 软件）；未获得授权就拿去做非法用途的人（项目明确强调 Authorized Pentesting）。

六、竞品对比

对比来看，reverse-skill 的差异化在于把 AI 路由、工具自举、经验沉淀、合规审计四层能力打包成一个协议。BurpSuite 插件再强大，也是给人类用的；自建 prompt 库无法跨任务复用经验；Pentest Swarm AI 偏红队，且不开源核心代码。reverse-skill 用 MIT 协议开放核心，配合 GPLv3 的 CTF-Sandbox-Orchestrator 子模块，兼顾开放与合规。

七、如何快速上手

环境准备：

• JDK（jadx/apktool 依赖）
• Node.js 22.12+（JS 工具链与 MCP 服务）
• Python 3.x（Frida 与辅助脚本）
• 一个代码 AI 客户端：Claude Code / Cursor / Cline 任选

三步部署：

1. 克隆仓库： git clone https://github.com/zhaoxuya520/reverse-skill.git

2. 刷新工具索引（按平台选择命令）：

   • Windows：powershell -File skills/scripts/refresh-tool-index.ps1
   • Linux/macOS：bash skills/scripts/refresh-tool-index.sh
   • Kali：bash kali/scripts/refresh-tool-index.sh

3. 加载到 AI 客户端：把 README_AI.md 喂给 Claude Code 或 Cursor，让 AI 按 bootstrap 指令初始化工作区。

最小可用示例：

拿到一个 APK 样本后，在 AI 客户端输入：「请按 reverse-skill 流程分析 samples/test.apk」。AI 会自动路由到 skills/apk-reverse/，执行 case-init 生成 scope.md，调用 jadx 反编译，输出 timeline 和 evidence 记录。

进阶建议：

• 先读 skills/MASTER-ROUTING.md（PRIMARY 快梯），理解路由优先级
• 用 skills/scripts/master-route.ps1 做一次性 triage 测试
• 长期使用建议把 work/ 目录加入 gitignore，案例数据本地留存

八、总结与行动建议

reverse-skill 的核心价值在于：它把安全研究的「方法论 + 工具链 + 经验 + 合规」打包成一个 AI 可消费的协议。对于已经用 AI 辅助做安全研究的人来说，它解决了「AI 不知道下一步该干什么」的根本问题；对于还在手动翻文档、调环境的安全工程师，它能把 40% 的重复劳动压缩到 10% 以内。

使用建议：

• 安全研究员：先在 CTF 场景试水，CTF-Sandbox-Orchestrator 的 40+ 子技能能立刻见到效果
• 渗透测试工程师：从 skills/pentest-tools/ 入手，配合 scope gate 跑一个完整 case 验证合规流程
• AI 工具开发者：研究 RULES.md + MASTER-ROUTING.md 的协议设计，这是给 AI Agent 写「操作系统级指令集」的范例

项目链接：

• GitHub：https://github.com/zhaoxuya520/reverse-skill
• 中文文档：README_zh.md
• AI 入口：README_AI.md
• 联系：ww7517437@gmail.com / QQ 群 942400892 / Discord reverse-skill

一句话推荐： 如果你用 AI 做安全研究却总被「猜命令」困扰，reverse-skill 就是那个缺失的路由层。