R2AI - 使用 LLM 增强 radare2 逆向

         ╭─────────────────────────────────╮
         │ ,______  .______ .______  ,___  │
 ╭──╮    │ : __   \ \____  |:      \ : __| │
 │ _│_   │ |  \____|/  ____||  _,_  || : | │
 │ O O  <  |   :  \ \   .  ||   :   ||   | │
 │  │╷   │ |   |___\ \__:__||___|   ||   | │
 │  ││   │ |___|        :       |___||___| │
 │ ─╯│   ╰─────────────────────────────────╯
 ╰───╯

组件

本仓库包含两个针对 radare2 的插件：

r2ai - radare2 的原生 AI 插件
decai - r2js 插件，特别专注于反编译

如果你想通过 MCP 将 radare2 与其他智能体一起使用：

r2mcp - 官方 radare2 mcp
r2copilot - 专注于 CTF 的 mcp r2copilot

如果你在寻找专注于 radare2 的自主智能体：

r2agent - 通过自主智能体自动化 radare2 工作流。r2agent

功能特性

配置不同的角色并自定义提示词
可通过 r2ai 命令经由 r2pipe 进行脚本化
可从 cli 或 r2 提示符实时使用 repl 和批量模式
支持自动（ReAct）模式，通过函数调用解决问题
使用本地和远程语言模型（ollama、openai、grok、anthropic 等）
使用其原生向量数据库对 markdown、代码或文本文件进行 RAG 检索增强生成
嵌入 r2 命令的输出，并针对给定数据解答问题

用户自定义提示词

[0x00000000]> r2ai -q
explain: Explain the current function -
devices: Find and explain devices used -
libs: Group imports by Libraries -
varnames: Better variable names -
autoname: Automatically suggest a better name for this function -
vulns: Find vulnerabilities or bugs in the current function -
signature: Suggest an improved function signature -
dlopen: List libraries loaded with dlopen - Some libraries are loaded
decompile: Augmented decompilation based on LLM -
[0x00000000]>

安装

安装任何 r2ai 组件的推荐方式是通过 r2pm：

$ r2pm -Uci r2ai
$ r2pm -Uci decai

使用 r2ai

将 r2ai 命令添加到 radare2 shell 中：r2 -qc r2ai
你也可以运行 $PATH 中的包装器：r2pm -r r2ai

将你的 API 密钥放入环境变量中，或使用配置文件：

$ export ANTHROPIC_API_KEY=sk-ant-api03-CENSORED
$ export OPENAI_API_KEY=sk-proj-6rlSPS-zN1v...

或者编辑 API 密钥文件 ~/.config/r2ai/apikeys.txt，然后运行：

$ r2ai -K

保存设置

你可以使用操作系统的默认设置文件（例如 Linux 上的 ~/.radare2rc）来自定义并保存你的配置设置。例如，以下配置将 Claude 3.7 设为默认模型，并将最大输出 token 数设置为 64000。

$ r2ai -E

然后你可以输入在 r2ai 插件加载时要运行的命令：

r2ai -e api=anthropic
r2ai -e model=claude-3-7-sonnet-20250219
r2ai -e max_tokens=64000

视频

r2ai v1.4.4

分类