一个专为 AI 智能体设计的专业框架，用于系统化地分析和记录未公开的二进制文件、API 及复杂的技术工作流。
安装与下载
1. ClawHub CLI
从源直接安装技能的最快方式。
npx clawhub@latest install reverse-engineering
2. 手动安装
将技能文件夹复制到以下位置之一
~/.openclaw/skills/ <project>/skills/ 优先级：工作区 > 本地 > 内置
3. 提示词安装
将此提示词复制到 OpenClaw 即可自动安装。
请帮我使用 Clawhub 安装 reverse-engineering。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
更倾向于下载？
获取包含原生技能文件的ZIP压缩包。
什么是 逆向工程？
逆向工程技能为破解不透明或未公开系统提供了一套严谨的、基于证据的方法论。该技能专为 Openclaw Skills 生态系统构建，能将 AI 智能体从简单的代码助手转变为具备行为追踪、产物映射和假设测试能力的技术调查员。
通过利用 TRACE 等结构化协议和接口映射，该技能确保逆向工程工作既安全、可重复又高度准确。它通过强制执行观察证据与推论结论之间的严格分离，超越了猜测，让开发者能够安全地处理遗留代码、私有协议和部分损坏的系统。
逆向工程 应用场景
- 分析遗留二进制文件或未公开的 API，以了解其内部逻辑和数据结构。
- 调试源代码不可用或不完整的损坏系统。
- 映射第三方软件的攻击面和信任边界，用于安全审计。
- 破解私有文件格式或通信协议，以用于互操作性项目。
- 通过系统的行为观察，记录未公开的人工或技术工作流。
逆向工程 工作原理
- 分类与划界：在开始任何探测之前，智能体定义目标、期望结果和操作边界（例如：只读 vs. 插桩）。
- 表面映射：在深入研究内部细节之前，该技能使用正式的接口映射图来映射外部接口——输入、输出、状态和副作用。
- TRACE 循环：智能体执行一个递归循环：分类（Triage）目标、记录（Record）行为、抽象（Abstract）假设、进行最小化测试挑战（Challenge），并解释（Explain）结果。
- 证据阶梯：所有发现都按置信水平（观察到 vs. 可能）进行分类，以防止错误的确定性。
- 成果生成：工作流通过将原始笔记合成可操作的模型（包括目标简报和复现片段）来结束。
逆向工程 配置指南
要将此功能集成到您的智能体环境中，请确保已初始化本地目录结构以实现持久内存。
# 通过您的智能体管理器安装技能
clawhub install reverse-engineering
# 如果内存结构不存在，则初始化它
mkdir -p ~/reverse-engineering/targets
mkdir -p ~/reverse-engineering/artifacts
逆向工程 数据架构与分类体系
该技能在 ~/reverse-engineering/ 目录中维护一个结构化的本地仓库，以确保跨会话的持久内存：
| 文件/文件夹 | 用途 |
|---|---|
memory.md |
存储持久的用户偏好、批准记录和常见目标配置。 |
current-target.md |
当前活跃的逆向工程任务的实时快照。 |
targets/ |
包含每个分析过的系统或二进制文件独立文件的目录。 |
artifacts/ |
存储捕获的数据、解码的追踪信息、数据包日志和复现片段。 |
逆向工程 高级特性
- TRACE 协议集成：用于严谨假设测试和验证的专门逻辑循环。
- 证据阶梯：内置置信度模型，对每个主张进行标记以区分事实与推论。
- 接口清单：自动化表面映射，在内部分析之前稳定外部契约。
- 更安全的不确定性处理：识别哪些特定数据能提高置信度而非盲目猜测的逻辑。
- 可复现的探测：鼓励使用最小的、可重放的二进制切片或数据包捕获进行验证。
SKILL.md
加载中
Openclaw 相关技能
Arc Blockchain Integration
一个专门用于在 Arc 上构建应用程序的技能，Arc 是 Circle 的 EVM 兼容区块链，使用 USDC 作为原生 Gas 代币。
精选*
