网硕互联帮助中心【免费下载链接】leanrea
One 8 KB skill that replaces REA (Reverse Engineer Anything): plain CLI tools, no MCP. Benchmarked: 38% faster, 35% cheaper.
项目地址：
https://gitcode.com/gh_mirrors/le/leanrea
点击查看 免费下载
leanrea 是一个 8 KB 的技能文件，让 AI Agent 仅凭纯命令行工具（asar、otool、nm、jadx、sqlite3 等）就能完成软件逆向工程——不装 25 MB 的 npm 包，不注册 207 个 MCP 工具，零服务器。而 REA（Reverse Engineer Anything）走的是另一条路线：在 Agent 与工具之间架起一层 MCP 逆向服务器。实测数据显示，leanrea 比 REA 快 38%、便宜 35%，准确率持平。本文用真实基准数据，帮你一次讲清两者差异并给出选型建议。
📌 背景：MCP 逆向服务器 vs 一个技能文件
先理解两种方案的本质区别：
| 安装内容 | 25 MB npm 包 + MCP 服务器 | 一份 SKILL.md |
| 说明文字 | 23.5 KB skill + 48.8 KB references | 8 KB |
| 注入 Agent 的工具 | 207 个（3.35 MB 定义） | 0 个（直接用 Bash） |
| "Reply OK" 全量加载上下文 | 400.7k tokens，$1.60 | 34.5k tokens，$0.09 |
一句话概括：REA 在 Agent 和它本来就会用的 CLI 工具之间多插了一层 MCP；leanrea 则把这一层拿掉，只告诉 Agent"每类目标该用哪条最快的命令、有哪些坑"，然后让 Agent 直接跑真实工具。
📖 项目说明与完整对比表见 README.md
📊 实测数据：快 38%、省 35%，准确率持平
基准测试环境：Claude Code headless（claude -p）+ Sonnet 5.5 + macOS arm64。4 个逆向任务 × 3 次重复 × 3 组对照组并行执行，答案按人工编写的标准答案打分。
四个任务覆盖典型场景：
- electron：在真实 Electron 应用的 app.asar 中追踪某功能的完整链路（原生函数 → 主进程类 → IPC 通道）
- native：清点 macOS 原生插件（.node）的导出、TCC 权限检查和单实例锁
- go：从剥离了符号的 gh 二进制中提取工具链与依赖版本
- deep：仅靠反汇编还原锁的 socket 路径格式、通信协议和配对端认证方式
总分（12 次运行汇总）：
| leanrea | 388 s | $2.17 | 55 | 2.40 M | 74/75 |
| 无技能（裸模型） | 479 s | $2.21 | 81 | 3.11 M | 67/75（含一次拒答） |
| REA（MCP + 技能） | 627 s | $3.36 | 124 | 5.93 M | 75/75 |
对比 REA，leanrea：墙钟时间少 38%、成本低 35%、轮次少 56%、Token 少 60%，准确率基本相同（唯一一次小偏差是把 v1 IPC 通道说成了 v2，两个通道实际都存在）。
更直观的"同一操作"微基准（来自 bench/BENCHMARK.md）：
| Go 构建信息 | 0.56 s | go version -m：0.06 s |
| Mach-O 概览 | 3.32 s | otool + dyld_info + nm：0.04 s |
| Electron 应用分析 | 需加参数才不报完整性错误，然后 47.9 s + 140 MB JSON | asar 解包 + rg -uu：4.8 s + 24 KB |
🔍 任务定义与标准答案见 bench/tasks.json，每次运行的原始指标在 bench/results/final.jsonl。
🧠 8 KB 技能文件里到底写了什么
打开 leanrea/SKILL.md，内容全部是"快路径"知识，共四块：
这套"短提示词 + 真工具"的思路，正是它敢和 207 个工具的 MCP 服务器硬碰硬的原因。
🛠️ 一键安装步骤：3 种方式装好 leanrea
方式一：skills CLI 一键安装（推荐）
npx skills add aicodeking/leanrea
它会找到 leanrea 技能并询问要装到哪些 Agent：Claude Code、Codex、Cursor、Gemini CLI、OpenCode 等。常用变体：
npx skills add aicodeking/leanrea -g # 用户级，所有项目可用
npx skills add aicodeking/leanrea -a claude-code -y # 仅 Claude Code
npx skills update leanrea # 后续更新
方式二：手动克隆安装
git clone https://gitcode.com/gh_mirrors/le/leanrea
mkdir -p ~/.claude/skills && cp -R leanrea/leanrea ~/.claude/skills/
方式三：无技能支持的 Agent
直接把 leanrea/SKILL.md 纯文本粘贴进 rules 或 system prompt 即可。
装好后这样使用：
/leanrea How does the search feature in Foo.app work? Show the evidence.
🧭 选型指南：什么时候选 leanrea，什么时候选 REA
| 在意响应速度和 Token 成本 | leanrea | 快 38%、省 35%，全量上下文仅 34.5k tokens |
| Agent 每次全量加载 MCP 工具 | leanrea | REA 全量加载需 400.7k tokens（约 $1.60/次） |
| 依赖 Ghidra / jadx 等重工具生态 | REA | 内置完整工具链与封装，开箱即用 |
| Agent 不支持 skills 机制 | 两者皆可 | leanrea 可纯文本注入，REA 需 MCP 支持 |
| 想验证"短提示 + 原生工具"能否胜任 | leanrea | 可直接复现基准，数据全部公开 |
⚖️ 也请留意官方给出的诚实注脚：每组仅 3 次重复、单一模型、单一机器；REA 是在其最好情况下（Claude Code 延迟工具搜索按需加载）测试的；且裸模型本身已经很强——leanrea 相对无技能的提升（约 19% 提速）小于它相对 REA 的提升。
🔬 自己动手：如何复现这份基准测试
所有测试脚本都放在 bench/ 目录，需要 macOS（含目标 Electron 应用，见 bench/setup.sh）、Homebrew 的 gh、Node 和已登录的 Claude Code：
cd bench
./setup.sh # 安装 rea-agents@6.5.0，复制目标文件到 bench/work
./run_all.sh # 36 次运行，Sonnet 上约 $8
./ctx.sh # 上下文开销探测
python3 mcp_list.py … –mcp # 统计 REA 工具数量与体积
单格运行可用 bench/run.py（python3 -I run.py <none|leanrea|rea> <task> <rep>）。
✅ 小结
- leanrea：8 KB 技能文件 + 纯 CLI 工具，快 38%、省 35%、轮次少 56%，适合追求速度和成本的逆向场景。
- REA：功能齐全的 MCP 逆向服务器（207 个工具），适合依赖其重工具生态的场景。
- 两者理念不同、数据透明，大多数日常逆向任务选 leanrea 更划算；需要重武器工具链时 REA 仍有价值。
- 完整数据见 bench/BENCHMARK.md 与 bench/ctx.sh，项目采用 MIT 许可（LICENSE）。
赞
【免费下载链接】leanrea
One 8 KB skill that replaces REA (Reverse Engineer Anything): plain CLI tools, no MCP. Benchmarked: 38% faster, 35% cheaper.
项目地址：
https://gitcode.com/gh_mirrors/le/leanrea
点击查看 免费下载
相关推荐
抖音直播数据采集终极指南：零代码获取实时弹幕与礼物数据
抖音直播数据抓取工具：DouyinLiveWebFetcher完整使用指南
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
评论前必须登录！
注册