AI 逆向工程与代码理解实战 · 第 04 章 r2ai与r2mcp

AI 逆向工程与代码理解实战 · 第 04 章 r2ai与r2mcp

章节摘要：本章把第 02 章的 r2 交给模型。r2ai（radareorg/r2ai，约 490 stars，MIT，社区口径 2026-10）是 radare2 官方 LLM 插件，r2pm -Uci r2ai 一条命令装进 r2 会话。4.1 节用四个预设角色起步：explain 解释当前函数、autoname 自动命名、vulns 漏洞模式巡查（仅限授权对象）、decompile 辅助反编译，产出形态各不相同。4.2 节进自动挡：ReAct 模式让模型以函数调用方式自主发 r2 命令、读结果、再决策；内置本地 RAG 向量库把第 2.2 节的函数级 JSON 变成可检索知识；本地 Ollama 与云端模型按隐私与成本取舍。4.3 节用 r2mcp 把 r2 暴露为 MCP 服务器，自建「模型出假设清单、r2 命令逐条验证、结论回填」的流水线——第 0.1 节立场在这里变成代码。

学习目标

• 安装 r2ai 并配置至少一种模型后端（本地或云端）。
• 熟练使用 explain、autoname、vulns、decompile 四个角色并说出各自产出形态。
• 描述 ReAct 循环的思考、行动、观测三阶段在 r2ai 里的落点。
• 用内置 RAG 做函数级检索，并说清它与第 2.2 节备料的衔接。
• 按隐私、成本、质量三维度选择本地或云端模型。
• 用 r2pipe 加 r2mcp 搭出假设-验证-回填流水线。

核心概念速览

本章的三种自动化程度

  4.1 角色预设            4.2 ReAct + RAG           4.3 r2mcp 流水线
  ┌────────────┐        ┌────────────────┐        ┌──────────────────┐
  │ 人发一条命令 │        │ 模型自己决定    │        │ 编排层把模型与     │
  │ 模型答一次   │        │ 发哪条 r2 命令  │        │ r2 串成固定流程    │
  │（手动挡）    │        │（自动挡）       │        │（定速巡航）        │
  └─────┬──────┘        └───────┬────────┘        └─────────┬────────┘
        │ 解释 / 命名            │ 假设循环                   │ 假设清单
        ▼                       ▼                           ▼
     文本产出             观测回灌再推理          逐条验证 + 结论回填
​

一句话金句：角色预设是手动挡，ReAct 是自动挡，流水线是定速巡航——挡位越高，越要管好刹车。

子章节导航

• 第 4.1 节《r2ai角色预设》：安装与模型接入、explain 与 autoname 实操、vulns 与 decompile、四角色对照。
• 第 4.2 节《ReAct自动模式与本地RAG》：循环模型、自动模式会话、函数级 RAG、本地与云端模型取舍、预算与检查点。
• 第 4.3 节《r2mcp自建工具流》：r2mcp 形态、流水线设计、验证循环实现、结论回填、与 r2ai 的分工。

三节是递进的挡位：4.1 必读（后面两节的词汇都在这），4.2 解决「上下文装不下全部函数」，4.3 解决「过程要可复现、结论要落盘」。

子章节之间的逻辑关系

┌───────────────┐  会用了      ┌──────────────────┐  会自动了   ┌───────────────┐
│ 4.1 角色预设   │ ──────────▶ │ 4.2 ReAct 与 RAG  │ ─────────▶ │ 4.3 r2mcp     │
│ 单轮人机问答   │             │ 自主命令 + 检索    │            │ 流水线与回填   │
└───────┬───────┘             └─────────┬────────┘            └──────┬────────┘
        │ 词汇与直觉                    │ 产物：带证据的会话          │ 产物：报告 JSON
        │                              │   与检索能力               │   + 工程批注
        └──────────────────────────────┴───────────────────────────────┘
                                       ▼
                    第 05 章 REA聚合层（把这类能力包成通用入口）
​

前置知识与后续延伸

• 前置：第 2.1 节命令族（模型发的就是这些命令）、第 2.2 节函数级 JSON（RAG 的入库原料）、第 0.1 节的幻觉与复核纪律。
• 延伸阅读：r2ai 官方 README（角色、ReAct、RAG 的参数以官方为准）；生态里的 r2copilot 与 r2agent 可作同类对照；检索与切分的源码侧纵深见《语义代码检索》第 3 章与第 6 章。
• 后续：第 05 章《REA聚合层》把「模型加工具」包装成免组装的通用入口；第 09 章《反编译专用模型与命名恢复》（后续批次）深化 autoname 背后的技术。

合规声明：本节内容仅用于授权范围内的安全研究与教育目的；未经授权对他人软件进行逆向工程可能违反法律与许可协议。