KRAKEN

借助得力助手，拆解程序并理解它。 KRAKEN 是一个开源逆向工程工作台，构建于 Ghidra 的反编译器之上，拥有无 Java 的原生引擎和可选的完整 Ghidra 引擎。你、你的脚本和 AI 代理都通过同一套命令在同一个项目上工作，每一次编辑都会被记录、归属并可撤销。你无需了解逆向工程即可上手：应用会随操作解释术语，教程会带你完成第一次会话。长期目标是逐函数地用 Rust 重写二进制文件，并与原始版本进行校验。

一个真实的原生引擎项目：来自本仓库的 stripped_calc-O2-stripped，在命名了几个函数之后。

功能

分析

• 查找函数并用 Ghidra 的反编译器将其反编译为类 C 代码：通过原生引擎（无需 Java；支持 ELF 和 Windows PE，x86 和 x86-64）或可选的 Ghidra 引擎（支持 ELF、PE 和 Mach-O，多种处理器）。
• 列表、十六进制、控制流图、交叉引用、字符串、导入和导出、内存映射。
• 重命名函数、设置类型和注释。搜索、过滤并在视图之间跳转。

补丁

• 修改程序的字节：输入新指令，KRAKEN 会将其汇编，或编辑反编译的 C 代码，让助手找出最小的机器码改动。
• 在写入任何内容之前，在沙箱模拟器中并排运行原始程序和补丁后的程序，然后导出一个补丁副本。原始文件永远不会被触碰。
• 每个补丁都是历史记录中的一次编辑，因此助手的补丁可以像其他任何内容一样被审查和撤销。

AI

• 内置助手：解释函数、引导式程序初览、在你确认更改前供你审查的命名建议，以及离线术语表。
• 可与计算机上的模型（Ollama、LM Studio、llama.cpp，或由 KRAKEN 为你运行的模型）或云提供商配合使用。
• 终端代理（Claude Code、Codex、Gemini CLI）可以在应用内运行，或通过 MCP 从外部连接。

自动化

• 一个命令注册表驱动 CLI、MCP 服务器、GUI 和代理，因此它们不会彼此脱节。
• 用于脚本的 --json 输出、一个 Python 模块，以及一个保持项目热度的后台守护进程。
• 每次编辑都记录在日志中并注明作者，支持按更改和按代理运行撤销。

重写

• 一次将一个函数翻译为 Rust，在模拟环境下运行原始版本，并排运行 Rust 版本，找出它们产生分歧的最小输入。
• 规划顺序（先被调用者），自行接受已验证的函数，导出 Cargo 工作区。

状态

KRAKEN 处于 pre-alpha（0.1a）阶段。预计会有粗糙之处和破坏性变更。

	Linux x86_64	macOS（Apple 芯片）	Windows x86_64
CLI、MCP 服务器、GUI	可用	可构建，实验性	可构建，实验性
原生引擎，无 Java（kraken setup --native）	可用（ELF 和 PE）	尚不可用	尚不可用
使用 Ghidra 进行分析（kraken setup）	可用	尚不可用	尚不可用
Ghidra 周围的沙箱	Landlock	尚不可用	尚不可用
本地模型	可用	可构建	可构建
重写流水线	可用（需要 Landlock 和模型）	拒绝运行	拒绝运行

“可构建”意味着代码可以编译并在 CI 中通过检查，并不意味着整个产品已在该平台上得到验证。Linux 是目前应使用的平台。

安装

Linux x86_64（无需 Java：原生引擎及其处理器文件已包含在发布版中）：

curl --proto '=https' --tlsv1.2 -fsSL https://raw.githubusercontent.com/Adam-AtlasSoftware/kraken/main/scripts/install.sh | bash

脚本会对照该发行版的 SHA256SUMS 校验下载内容，无需 sudo，并安装到 ~/.local。或者从最新发行版获取 AppImage（chmod +x KRAKEN-*.AppImage，然后运行它；./KRAKEN-*.AppImage kraken --help 可运行命令行），或在 Arch Linux 上从 AUR 安装 kraken-workbench-bin。Windows 和 macOS 归档也在发行版页面上，且为实验性（参见状态）。安装中有详细说明以及从源码构建的方法。

快速开始

kraken project-create --binary /usr/bin/ls --project ~/kraken-projects/ls
kraken analyze --project ~/kraken-projects/ls
kraken list-functions --project ~/kraken-projects/ls --limit 20
kraken-gui                             # or open the app and pick the project

新项目在原生引擎能够打开文件时使用原生引擎，否则使用可选的 Ghidra 引擎（Mach-O、其他处理器、Windows 调试信息），kraken setup 会在首次使用时连同 JDK 一起下载该引擎。原生引擎页面对两者进行了比较。corpus/bin/ 中的练习程序是一个不错的起点，教程会带你完成第一次会话。

连接一个 agent：claude mcp add kraken -- kraken mcp --project ~/kraken-projects/ls。

从源码构建

你需要 Rust 和 C++ 编译器：

git clone https://github.com/Adam-AtlasSoftware/kraken && cd kraken
cargo build --release -p kraken-cli -p krakend -p kraken-gui -p engine-native -p kraken-emu
export PATH="$PWD/target/release:$PATH"
kraken setup --native                  # once: fetches the pinned sources, compiles the Sleigh files (about a minute)

文档

从 教程：你的第一次逆向工程会话 开始。

• 安装 和 入门（终端）
• 面向逆向工程新手的核心概念
• 内置助手（AI 模型或 Claude Code 之类的终端代理）以及 本机上的本地模型
• 连接 AI 代理（MCP）
• 使用 CLI 编写脚本 和 Python
• 安全
• 命令参考
• 设计决策

使用 mdbook build docs 构建本书。命令参考是自动生成的：修改命令后请运行 cargo xtask docs。

安全模型

你分析的二进制文件是不可信的。Ghidra 和原生引擎的反编译器各自运行在独立进程中，在 Linux 上受 Landlock 限制：无网络访问，仅可写入一次性 home 目录和项目文件夹，且环境变量经过清理。KRAKEN 仅在你请求整程序重写时才会运行你打开的程序，其运行同样受到上述限制，并且会先征求你的同意。所有来自文件的内容（名称、字符串、注释、反编译文本）都只作为明确标记的不可信数据交给 AI 模型，绝不会作为指令。代理的写入是追加式的或提案式的：代理可以为仍名为 FUN_... 的对象添加名称或添加注释，但受每次运行的上限约束；任何会覆盖你工作的操作都会等待你接受。模型为重写流水线编写的代码只在沙箱中构建和运行，且只有你能接受它。参见 安全。

许可证

GPL-3.0-or-later。参见 LICENSE。第三方声明见 THIRD-PARTY-NOTICES.md。

仅在你获准分析的软件上使用 KRAKEN。