Cómo enseñar a un asistente de IA a analizar APK, binarios y JS sin alucinaciones interminables

Cuando lanzas Claude Code, Cursor u otro asistente de IA para hacer ingeniería inversa de un binario desconocido, la red neuronal rápidamente comienza a inventar cosas. Prueba utilidades aleatorias, confunde las flags de radare2 e intenta descompilar APKs mediante visualización de cadenas de texto plano. Pasas media hora corrigiendo los errores de otra persona en lugar de hacer el trabajo real.

El proyecto reverse-skill intenta resolver este problema mediante escenarios de enrutamiento estructurados.

¿Qué es este proyecto

Esencialmente, reverse-skill es una base de conocimientos lista para usar y un conjunto de instrucciones para asistentes de IA. En lugar de darle al modelo total libertad de elección, el repositorio establece un árbol de decisiones estricto.

La tarea de entrada pasa a través de reglas en RULES.md y llega al enrutador principal MASTER-ROUTING.md. La IA recibe una instrucción clara: primero crear un contexto de investigación, verificar el software instalado en el sistema y luego seleccionar un escenario para el tipo de archivo específico.

User task
  → RULES.md
  → MASTER-ROUTING / master-route.ps1 (PRIMARY)
  → case-init / scope.md
  → Scenario skill → tools / MCP / scripts
  → timeline + Evidence→Finding→Path → report

Si Ghidra o Frida no están disponibles en la estación de trabajo, el script de indexación integrado muestra esto inmediatamente al asistente. El modelo no intentará invocar binarios que no existan.

Qué hay dentro del repositorio

Los autores compil instrucciones que cubren casi doscientas tareas diferentes. Toda la colección está organizada en directorios temáticos:

• Ingeniería inversa móvil en las carpetas skills/apk-reverse/ y skills/mobile-reverse/
• Análisis de archivos compilados (.exe, .so, .elf) con instrucciones para IDA Pro y radare2
• Desofuscación de JavaScript del lado del cliente y trabajo con máquinas virtuales personalizadas
• Análisis de volcados de red y API REST
• Organización de competencias CTF a través del módulo CTF-Sandbox-Orchestrator

Cada área incluye un algoritmo paso a paso. La red neuronal no adivina qué comandos de consola usar—sigue un protocolo: reunir evidencia, verificar hipótesis, escribir en el log.

Cómo desplegar y usar

Internamente, el proyecto utiliza scripts de PowerShell, shells de Bash, Python y archivos Markdown. Puedes desplegar el sistema en un par de pasos:

git clone https://github.com/zhaoxuya520/reverse-skill.git

A continuación, ejecuta el script de escaneo del entorno. Para Linux y macOS:

bash skills/scripts/refresh-tool-index.sh

Para Windows:

powershell -File skills/scripts/refresh-tool-index.ps1

El script verifica la presencia de JDK, Python, Node.js, Frida, jadx y crea un archivo local skills/tool-index.md. El modelo ve el estado actual del sistema y comprende qué herramientas puede ejecutar realmente.

En la raíz están README_AI.md y RULES.md. Al conectar el repositorio a un cliente de IA, el modelo lee primero estas configuraciones. Prohíben explícitamente las acciones activas hasta que se complete la fase de inicialización del contexto.

Análisis con ejemplos prácticos

Considera un escenario: necesitas analizar un parámetro cifrado en un cliente web. Un chat de IA normal sugerirá un par de funciones aleatorias de StackOverflow. Con el paquete conectado, el asistente abre skills/js-reverse/, verifica los depuradores del navegador y proporciona un plan de análisis secuencial.

El segundo caso es la investigación de archivos APK. El modelo va a skills/apk-reverse/. Primero llama a jadx para la descompilación de Java, cambia a Ghidra cuando se detectan bibliotecas nativas y usa Frida para el seguimiento de llamadas en tiempo de ejecución. Los resultados se guardan en la carpeta local work/, que está excluida del seguimiento de Git.

¿Vale la pena instalar

El proyecto será útil para quienes regularmente involucran a la IA en el análisis de código o la investigación de binarios. Si estás cansado de corregir constantemente las alucinaciones del modelo y recordarle las flags correctas de las utilidades CLI, el repositorio te ahorrará tiempo.

La documentación parece sobrecargada debido a la cantidad de archivos markdown, pero el enfoque de enrutamiento estricto para asistentes de IA funciona muy bien.