REA Agent 逆向调查 token 成本如何降下来3 个黑洞与对策【免费下载链接】reaReverse engineer anything with agents, from app behavior down to native binaries.项目地址: https://gitcode.com/GitHub_Trending/rea2/rea让 Agent 调用REAReverse Engineer Anything一个把 AI Agent 接入逆向分析工具的 MCP 项目做调查时账单膨胀往往不是某个大查询的锅而是三次小浪费的叠加。下面把 token 开销拆成三个最常见的黑洞——重复分析、全量拉取、无界追踪每个都给出可立即执行的对策。三个黑洞在哪里先给一次调查做开销盘点逆向工具的每一步调用都会返回二进制事实符号、反汇编、伪代码、引用、证据记录。判断开销前先记住三笔最贵的账重复计算——同一目标反复重开、同一分析反复跑全量拉取——一次不加边界的选择把上万行结果推进上下文无界追踪——跨函数调用链展开节点和边指数式增长。 下面的每个小节后都配一个 ✅ 动作点照着执行即可。为什么重复会话和分析最烧钱每次重新打开二进制、重新导入索引都是纯浪费而且 Agent 往往意识不到这个调用刚才做过。REA 的技能说明明确要求不要重复打开相同目标的会话不要重复完全相同的分析。✅ 动手前先调用binary_session传空对象即可它会报出当前绑定的目标、可用工具和已保留的证据匹配的状态直接复用调查结束后用close_binary关闭原生会话释放 provider 资源。如何开启快照缓存让第二个问题接近零成本快照snapshot会保留一次成功的分析结果后续查询只要目标字节、操作、参数、provider 和配置都匹配就直接命中缓存连 provider 进程都不启动。在终端里给rea analyze加--snapshot参数指定缓存文件即可rea analyze /absolute/path/to/program --provider ghidra \ --snapshot /absolute/path/to/analysis/program.jsonMCP 侧则是在open_binary时传入snapshot_path原子导入在close_binary时传snapshot_path加overwrite: true在释放资源前保存结果。✅ 对同一个目标要回答多个问题时让它们共享同一份快照文件——第二个问题往往直接命中缓存几乎不花额外 token。怎么把全量拉取压成按需取页不加范围参数的调用可能把整个对象列表、全部匹配记录一次性倒出来。把先 list 全量、再肉眼挑换成先摘要、再翻页开销差距一目了然习惯开销替代做法上来就全量反编译 / 全量搜索高先读默认 overview / inventory 摘要直接取整份大结果高detail: summary起步再用返回的 Evidence 按需取单节或单页读归档不指定范围高显式给root、offset、limit只拿要的那一小段翻页后上下文漂移中记录稳定 ID如parent_evidence_id翻页时保留源摘要✅ 摘要里留下具体缺口时才围绕那个缺口发一次聚焦查询而不是把整个包再拉一遍。如何给跨函数追踪设置预算追踪类调用是最容易失控的操作一层调用关系没跑完下一层可能已经铺满页面。REA 的trace_native_values用预算budget同时约束追踪深度、反编译次数、调用点解析数量和节点边数量节点负载上限 8 MiB、序列化结果上限 32 MiB——再复杂的目标输出也有硬边界被省略的部分还会被显式计数而不是静默截断。✅ 预算从保守值起步结果里出现已省略 N 项时先判断这些项与当前问题是否相关再决定要不要扩大预算。调查结束后怎么收尾才能不浪费前面的账前面省下来的 token最后一步可能全吐回去结论散落在聊天记录里后续步骤只能重新翻、重新查。收尾时做两件事维护一份简短的结论台账每条结论关联 Evidence ID、置信度、搜索边界和未解疑问有界的否定搜索确认某功能不存在到达边界就停不要无限扩大范围。✅ 后续提问直接引用台账条目而不是重发相同分析。把先查会话再复用、摘要优先、追踪必带预算变成肌肉记忆每次调查前先看一眼binary_session只索取回答当前问题所需的最小数据量成本自然可控。更多细节见 docs/cli.md快照与证据、docs/native-investigation.md有界追踪和 docs/mcp-contracts.md会话生命周期。【免费下载链接】reaReverse engineer anything with agents, from app behavior down to native binaries.项目地址: https://gitcode.com/GitHub_Trending/rea2/rea创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
