```html

大家好，最近整理并持续维护了一个移动端逆向项目 mobile-reverse-skill，想分享给看雪的朋友交流。

项目地址：029K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6G2N6$3g2F1z5o6l9H3M7g2)9J5c8X3#2G2j5X3W2D9k6g2)9J5k6s2u0W2N6X3g2J5M7$3g2Q4x3X3c8K6K9$3W2D9L8l9`.`.

平时使用 AI 辅助逆向，经常遇到几个问题：分析步骤比较零散，静态代码和运行时数据对不上；分析到一半换个会话，又需要重新交代上下文；有时模型看到几个常量，就过早判断用了某种加密算法。

这个项目尝试把分析过程整理成一套可复用的 Skill，让 Claude Code 和 Codex 按阶段调用工具、记录证据，并验证分析结果。适合移动端 CTF、逆向学习，以及授权范围内的应用安全研究。

项目会区分“观察到的事实”“推测”和“已验证结论”。

例如，看到一个疑似加密常量，并不足以确认算法；还原签名后，也需要用实际样本重新计算、比对，并通过修改输入的对照测试验证。

工具没有成功运行、分析受阻或证据不足时，也应该如实记录。

先克隆仓库：

安装到 Claude Code：

安装到 Codex：

两边共用当前仓库中的 Skill，方便持续更新：

Claude Code 中可通过 /reverse-skill 指定目标和分析任务；Codex 中使用 $reverse-skill。

例如：

Skill 本身不会自动配好逆向环境，具体能力取决于本机工具、设备及权限。例如，Android 的 eBPF 分析需要满足对应的设备和内核条件。

项目整合并改编了多个社区逆向 Skill 和工具的思路，上游来源在 README 的 Credits 中列出，也感谢原作者们的分享。

传递专业知识、拓宽行业人脉——看雪讲师团队等你加入！！