radareorg/r2ai

解決的問題

它透過將大型語言模型（LLM）直接整合至 radare2 框架中，簡化了逆向工程的流程。這讓分析人員能利用 AI 來解釋複雜函數、識別漏洞，並為反組譯程式碼建議更佳的變數或函數名稱。

工作原理

它作為 radare2 的外掛程式運作，提供原生 AI 介面（r2ai）與專用的反組譯外掛程式（decai）。它可連接本地模型（透過 Ollama）與遠端 API（如 OpenAI、Anthropic 和 Grok）。該工具支援 ReAct（推理與行動）模式，透過函數呼叫實現自主任務解決，並內建向量資料庫，用於基於 markdown、程式碼或文字檔案的 RAG（檢索增強生成）。

適用對象

使用 radare2 並希望利用 LLM 加速理解二進位程式碼的安全研究人員、惡意程式分析員與逆向工程師。

主要特色

• 增強的反組譯：利用 LLM 讓反組譯後的程式碼更具可讀性與易懂性。
• 可自訂提示：允許使用者定義特定角色與提示，用於尋找漏洞或解釋裝置等任務。
• 整合式 RAG：具備原生向量資料庫，可根據外部文件或程式碼檔案回答問題。
• 彈性模型支援：相容於多種本地與遠端 LLM 提供者。
• 可 scripting 的介面：可透過 r2pipe 控制，以實現自動化工作流程。