AI 自动化逆向（三）我把一个逆向项目交给了 AI：它做到了什么程度
本文是「AI 自动化逆向」系列第 3 篇。上一篇：AI 会相信它自己上一轮写的表；下一篇预告：人在 AI 逆向流程里到底做什么。
前言
前两篇讲的都是它怎么翻车。这一篇反过来：看它做成了什么。
先说结论：产能是真的。 但这份清单的意义不只在数字------它每一条都带着"凭什么信"的凭据；而在清单的边缘，还有一圈形状很清楚的"做不到"，这一篇也把它们摆出来。
（同前两篇：文中"AI"指执行分析的模型，"我"指设定目标、审结果的人。所有数据均已脱敏，只保留量级与比例。）
一、先看清单
我把这个项目里已经结题 的成果按块列出来。每一行都处于"做完了、自证过、能指到凭据"的状态；没有结论的、还阻塞的、正在跑的，一律不在这个清单里------那些属于内部的"续写区"，等结题才见光。
| 块 | 做到的程度 |
|---|---|
| 资源容器 | 7 个资源包、九万多个条目 ，100% 解码、0 失败；四条内部恒等式全部成立 |
| 压缩与变换层 | 两种压缩算法 + 一层自定义逐字节变换，完全还原；用空文件与已知明文向量双向自证 |
| 数据表格式 | 两百多张表，"头长 + 记录长 × 记录数 == 文件大小"只有一张不满足------而那张恰好是另一种格式（也已识别） |
| 精灵像素格式 | 定案为一种 16 位 4444 布局；四条独立证据；中途判错过两次，最后靠"语义可辨认性"收口 |
| 地图瓦片 | 方形瓦片、一种 32 位像素布局，一百多个文件零误差；头部变长规则已解，动画帧组公式直接从代码里读出 |
| 可行走网格 | 尺寸换算 100% 命中（七百多张）；解析器与此前版本共用同一条代码路径，逐字节比对 8/8 |
| 缩略图格式 | 查清了它不是 高度图（推翻了流传的说法）；全量渲染 0 失败 |
| 文本型特效格式 | Lisp 风格括号表达式，一千五百多个文件 100% 解析 |
| 保护面量化 | 受保护函数一百来个，只占代码段约 3%；形态分两类（入口换头式 / 分支级） |
| 静态到动态的咬合 | 翻译表闭环验证：动态命中 14 个调用点全部 MATCH、0 MISMATCH |
| 动态探针工具 | 一次布 60 个点 ；丢失检测 loss = 0 ；还原后 60/60 读回核验通过 |
| 动态覆盖率 | 找到了新的驱动器方向------把"按输入"换成"按系统触发"（这条线后面单独讲） |
| 目录阶段协议 | 完全明文；一条请求换三千多字节响应，跨会话逐字节可重放 |
| 上行加密链 | 逐字节复现：对捕获的密文做重算，一个字节不差；全语料长度规律 0 违例 |
| 运行期身份判定 | 从运行期镜像头读出实际在跑的是哪个二进制------推翻了静态分析侧的一个假设 |
注意这份清单的两个特征。
第一，几乎所有行都是全量断言 ，不是抽样。"100% 解码""0 失败""全部 MATCH"------这种句式放在别处可能是修辞，在这里是可复跑的量词。
第二，清单里有好几行是推翻了既有说法 才成立的：缩略图不是高度图、判错过两次的像素格式、静态侧以为在跑的那个二进制不是运行时真正在跑的那个。能推翻自己，是这份清单可信的原因之一，不是它的缺陷。
二、它是怎么干出来的
规模先摆在前面：
- 上千个脚本、八十多篇专题文档------这个项目里的大多数"结论"，都有一条对应的脚本和一条对应的文档页。
- 工作以"轮"推进：每轮一个明确目标，做完全量回归再收口。光是上一篇那条判据链，就走了六轮。
- 几十轮自我推翻 ：上一轮的结论被下一轮的检查干掉，然后原文保留、另行更正，而不是删掉了事。
为什么这个规模值得单独讲？因为它是 AI 的产能真正拉开差距的地方：九万多个条目、七八种私有格式、一百来个受保护函数，每一条结论都要配脚本、配回归、配交叉验证------同样的工作，人工做要以"年"计；它把日历时间换成了工作轮数。
另外还有一条工程线，拿"自己重写一个能跑的对应物"来验收理解------本系列只从它拿工程学（比如其中一个被判作同义反复、当场作废的度量，就是极好的样本），不展开实现。
但产能不等于可信。这份清单能成立的另一个原因，是它的每一行都长得"可以被机器验证" ：要么带一条可复跑的复现命令，要么带一个原文坐标（文件 + 行号）。这也是我在这个项目里一开始就立的规矩------结论可以错，但凭据必须能指。
三、凭什么信这份清单
给"用 AI 干活的人"三个可以直接抄的检查：
1. 全量胜过抽样。 "抽了 20 个都过"不等于"全过"。这个项目里凡是敢写百分比的地方，分母都是全量：全部条目、全部帧、全部文件。你可以在自己的项目里同样要求 AI------它一报百分比，先问分母。
2. 负结果同样结题。 清单之外还躺着一批结结实实的负结论 ：有的探索穷举之后精确闭合为零 ；有的信号在单张样本上显著、换一批就不稳；有的链条只证到了半截，整链仍标 unproven；有的数字缺一根时间轴，永远归不了因。它们没进这份正文清单------但在内部都算结题，而且和正结论一样带凭据。这个系列后面会专门讲"负结果该怎么写"。
3. 写不出凭据的，一律不换成形容词。 这是项目的硬规矩：一条结论如果指不到坐标、跑不出命令、给不出对照，"大概""可能""应该是"都不许写------要么补凭据，要么标 unproven。AI 最擅长把猜测写得很确定；这条规矩，就是把"确定"和"有凭据"重新绑在一起。
四、结论
产能是真的
它把一个二进制逆向项目的可静态部分，基本推到了底：格式全解、保护面量化、动态打点闭环、协议阶段逐字节复现。清单上一半以上的行，在"AI 进场之前"，是这个领域里以月计的工作量。结论很简单：适合交给 AI 的逆向工作量，比大多数人以为的大得多。
边界的形状也是清楚的
同样重要的是：做不到的东西，形状是清楚的------
- 有的门是穷举之后精确闭合的：不是"还没找到"，而是确认了闭合方式；
- 有的信号单样本显著、跨样本不稳：统计显著不等于结构正确；
- 有的结论只证到半截：这一段字节验了，整条链仍然是 unproven；
- 有的数字缺一根时间轴，永远归不了因；
- 有的问题答案不在这台机器上，要等真实环境才能收口。
这些形状不带具体项，但它们让"交给 AI"变成一件可以计划的事：你能提前知道，哪些坑是 AI 用工作轮数能填的，哪些坑是"数据不在场、它再勤也填不了"的。
分工
这一篇回答的是"AI 做到了什么"；它没有回答"我做错了什么、又该在哪审"------那是另一半。下一篇专门讲：人在这套流程里，到底做什么。
五、边界声明
- 本文只讨论AI 自动化逆向中的判据设计与审核方法，不涉及任何具体产品、厂商或服务的分析结论。
- 文中所有地址、偏移、常量、字段名一律为占位符或示意值 ，
不代表任何真实目标中的取值；示例代码为说明判据而编写，不构成可运行的针对特定目标的工具。 - 文中提到的比例与数字均来自作者项目内的测量记录，仅用于说明方法失效的方式。
- 请勿将本文内容用于未授权的用途。
六、收尾
产能是真的，边界也是清楚的------剩下的问题只剩一个：人在哪里？
下一篇计划聊：人在 AI 逆向流程里到底做什么。
转载请注明出处：