Como Ensinar um Assistente de IA a Analisar APKs, Binários e JS Sem Alucinações Infinitas

Quando você inicia o Claude Code, Cursor ou outro assistente de IA para fazer engenharia reversa de um binário desconhecido, a rede neural rapidamente começa a inventar coisas. Ele tenta utilitários aleatórios, confunde flags do radare2 e tenta descompilar APKs através de visualização de strings simples. Você passa meia hora corrigindo erros de outra pessoa em vez de fazer o trabalho real.

O projeto reverse-skill tenta resolver esse problema através de cenários de roteamento estruturados.

O que é este projeto

Essencialmente, reverse-skill é uma base de conhecimento pronta e um conjunto de instruções para assistentes de IA. Em vez de dar à modelo total liberdade de escolha, o repositório estabelece uma árvore de decisão rígida.

A tarefa de entrada passa por regras em RULES.md e chega ao roteador principal MASTER-ROUTING.md. A IA recebe uma instrução clara: primeiro criar um contexto de pesquisa, verificar o software instalado no sistema e, em seguida, selecionar um cenário para o tipo específico de arquivo.

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

Se o Ghidra ou Frida não estiverem disponíveis na estação de trabalho, o script de indexação integrado mostra imediatamente isso ao assistente. O modelo não tentará invocar binários ausentes.

O que está dentro do repositório

Os autores compilaram instruções cobrindo quase duzentas tarefas diferentes. Toda a coleção é organizada em diretórios temáticos:

• Engenharia reversa mobile nas pastas skills/apk-reverse/ e skills/mobile-reverse/
• Análise de arquivos compilados (.exe, .so, .elf) com instruções para IDA Pro e radare2
• Desofuscação de JavaScript do lado do cliente e trabalho com máquinas virtuais personalizadas
• Análise de dumps de rede e API REST
• Orquestração de competições CTF através do módulo CTF-Sandbox-Orchestrator

Cada área inclui um algoritmo passo a passo. A rede neural não adivinha quais comandos de console usar—ela segue um protocolo: coletar evidências, verificar hipótese, escrever no log.

Como implantar e usar

Por baixo dos panos, o projeto usa scripts PowerShell, shells Bash, Python e arquivos Markdown. Você pode implantar o sistema em alguns passos:

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

Em seguida, execute o script de varredura do ambiente. Para Linux e macOS:

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

Para Windows:

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

O script verifica JDK, Python, Node.js, Frida, jadx e cria um arquivo local skills/tool-index.md. O modelo vê o estado atual do sistema e entende quais ferramentas ele realmente pode executar.

Na raiz estão README_AI.md e RULES.md. Ao conectar o repositório a um cliente de IA, o modelo lê essas configurações primeiro. Elas proíbem explicitamente ações ativas até que a fase de inicialização do contexto seja concluída.

Análise com exemplos práticos

Considere um cenário: você precisa analisar um parâmetro criptografado em um cliente web. Um chat de IA comum vai sugerir um par de funções aleatórias do StackOverflow. Com o pacote conectado, o assistente abre skills/js-reverse/, verifica os depuradores do navegador e fornece um plano de análise sequencial.

O segundo caso é pesquisa de arquivos APK. O modelo vai para skills/apk-reverse/. Primeiro ele chama jadx para descompilação Java, muda para Ghidra quando bibliotecas nativas são detectadas e usa Frida para rastreamento de chamadas em tempo de execução. Os resultados são salvos na pasta local work/, que é excluída do rastreamento do Git.

Vale a pena instalar

O projeto será útil para quem envolve regularmente IA em análise de código ou pesquisa binária. Se você está cansado de corrigir constantemente as alucinações do modelo e lembrá-lo das flags corretas dos utilitários CLI, o repositório economizará seu tempo.

A documentação parece sobrecarregada devido ao número de arquivos markdown, mas a abordagem de roteamento rígido para assistentes de IA funciona muito bem.