逆向工程专家智能体：自主规划分析路径，从原始证据中推导每一项事实，并在机械验证关卡下收敛——固件、协议、Web/JS、风控、二进制。
一套自主逆向工程代理：无人值守连跑数小时，每条结论独立验证，只有当每个答案都扛过机械 oracle 判决后才收敛交卷。
🧠 自主规划路径 · 🔬 每条 claim 机器校验 · ⚖️ 全程盲验证 · 📈 循环自己度量自己
🚀 快速开始 · ✨ 核心技术 · 🧠 kunglao × Claude Code · 🎛️ RL 原理 · 🖥️ 运行实况 · 📖 实战案例 · 🧪 评估实测 · 🏗️ 架构
English · 简体中文
[!WARNING] v0.1.6 是最后一条 Claude Code 原生版本线。 下一个里程碑（v0.2） 将运行时整体迁移到 PI Agent 基座——同一个循环、同一套账本、新的引擎 底座。见路线图。
术语约定：
kunglao-agent、PROVEN、oracle、RLVR、DTS、fact、claim、MCP、task_spec.yaml、claim-register.yaml、evidence/_index.json等术语保留英文原文。
你给 kunglao-agent 一个目标和待解问题；它自己规划路径、派遣专家 worker、独立验证每条结论，只有当每个答案都被机械检查落定（而不是 模型自说自话）时才停下。
目标光谱完整：Windows/Linux 原生二进制、Android APK（含 native
.so 层）、Web/JS、协议还原、固件 —— 静态优先设计，驱动你环境里
已有的执行通道（VMware、ssh、docker、adb；纯静态任务一个都不需要）。
它以 Claude Code 插件形式分发： Claude Code 是对话界面；产品本体是这套循环和它产出的 fact 库。
[!NOTE] 循环上报的每个数字 —— 胜率、后验、预算 —— 都能追溯到一条 append-only 账本行。没有任何数字是自声明的。
编排者工作现场 —— 一次收敛判决、一次带预算的 worker 派遣（facts
实时落盘）、一次盲红队判决把 claim 推进到 PROVEN；状态栏 HUD 让整
个交战过程一目了然：
循环度量自己 —— 由 settlement 合成的回合策略、带删失结局仲裁的 折扣 Thompson 后验库、发现层准入一个真正的新方法臂（并拒绝改名重 试）、以及胜率曲线：
kunglao-agent 是包在 Claude Code 外面的 act 级 RL 控制器：Claude
Code 在 act 内推理，kunglao 决定下一个 act、验证它、给它定价、从中
学习。深度设计见 docs/design/。
STAMP，永不 PROVEN。facts 引用原始产物
（sha256）并携带 reproduce: 命令。Claude Code 是发动机，kunglao 是变速箱 + 仪表盘 + 行车电脑——下一个 act、验证、预算、经验去向。
| 裸 Claude Code | + kunglao | |
|---|---|---|
| 下一步 | 会话内即兴 | act 级学习策略，后验跨任务存续 |
| 验证 | 自报 | 机械 oracle + 盲红队 |
| 时程 | 单会话，人盯着 | 数小时无人值守，断点恢复 |
| 经验 | 会话结束即蒸发 | 账本 → 后验 → 更准的开局 |
诚实边界：单会话简单任务裸 Claude Code 更划算（评估表就这么写）。 kunglao 的回报在长时程、验证纪律、跨任务复利。
同类任务的第一次都付全价：循环试一个方法、看着它失败、再试下一个。 但每次尝试都被记下来——同类任务的第二次就从笔记开局，而不是从零开始。
这就是在线强化学习在这里的全部含义：循环在 act 之间自我更新，边干边学 ——没有训练数据集、没有模型重训、没有离线阶段。每个任务的经验在下一次 决策之前就已入账。
1. 每类目标的正确开局。 普通脚本和加固应用不该用同一套开法。循环 按目标种类分开记笔记——目标长什么样，决定用哪本打法手册。
2. 哪些方法是死路。 反复失败的方法被雪藏——不再烧预算（但永不删除； 目标变了可以回来）。当所有方法都没用时，循环会试着发明新路：一个 发现 act 提出真正不同的新方案，对照失败集查新——换个名字的老路被拒收。
3. 哪里要多查一遍。 验证者频繁被驳斥的状态，会学会在那里排更密的 验证——连击转诚实后自动放松。 4. 工具怎么路由也是学的。 工具与 provider 的选择同样进入学习：出过错的工具会被降权一段时间，一旦恢复立即复位——路由跟随记录在案的结果，而不是注册表顺序。
flowchart LR
A["目标状态<br>（长什么样）"] --> B["选一个方法<br>（从笔记里采样）"]
B --> C["执行<br>（worker 去干）"]
C --> D["检查器判决<br>（有证明 / 没证明）"]
D --> E["记一行账<br>（发生了什么、花了多少）"]
E --> F["更新这类目标的笔记"]
F --> B
笔记就是「每个方法 × 每类目标」的成功/失败计数，外加一个偏向：还没被 排除的路总值得试——探索随证据积累恰好衰减。奖励 = 进度 × 权重 − 成本， 所以「贵得没 prose」的习惯在简单目标上亏钱；每个数字都能追溯到一条 append-only 账本行。
熟悉的工作成本下降。 同类第二个任务比第一个便宜；笔记在部署内 跨任务存续。
预算不再流血。 死方法在拖垮时钟前被雪藏；发现层长出没人写过的
新打法。
模型是冻结的。 变强的不是能力，是调度：对的方法、对的顺序、对的 时机。
诚实不是学出来的，是强制的。 检查器只为能复验的结果付账；worker 自己的话永远不算证明。RL 在这份诚实通货之上优化效率——永远不能用 虚构铸币。
知识路由（LLM 对着手册即兴）、有界流水线（固定阶段固定轮次）、单点 判定——决策逻辑全是写死的：上一个任务的经验永远不改变下一个任务的 计划。这个循环的控制律从自己测得的历史里学出来：
| 组件 | 要求 | 说明 |
|---|---|---|
| Claude Code | 当前版本 | 运行时 —— 以插件安装 |
| Python | 3.10+ | 插件通过 uv 携带锁定环境 |
uv | 任意较新版本 | pip install uv 或 astral.sh/uv |
| Ghidra 或 IDA | 二选一 | 原生目标的反编译 |
| MCP 服务器 | 必装 2 个 | ghidra + sequential-thinking —— 见工具链 |
[!WARNING] 分析动作会运行真实工具，可能执行目标派生的输入。动态工作使用隔离 VM/设备；只分析你有授权的目标。
/plugin marketplace add amd2g2zz/kunglao-agent
/plugin install kunglao-agent@kunglao-agent
/kunglao-agent:init ~/cases/synth-dropper --type windows
kunglao-init 搭建工作区、按 --type 探测工具链；缺必需工具时
HARD 拒绝并给出修复指引。
/kunglao-agent:analysis ~/cases/synth-dropper
> 目标：确认这个 dropper 的持久化机制和网络端点；每条结论必须可从
> 原始证据复现。
> 验证：关键结论只有在独立验证者盲推得到相同答案时才算数。
> 约束：静态优先；绝不在宿主机上执行样本。
把任务写得让独立评审者能判断结果：分析目标、验证逻辑、约束。一切
记入 task_spec.yaml；之后循环自动驱动 —— 可以走开，死掉的 worker
会被替换、问题重新入队，/kunglao-agent:resume 在任何中断后从盘上
状态重建现场。
claim-register.yaml # 每条 claim 终态，带验证者签核
facts/F<NNN>.md # byte 锚定、可复现、frontmatter 契约
evidence/_index.json # 每条 fact → 原始产物（sha256 + 路径）
runs/ # 会话审计轨迹
| 命令 | 何时用 |
|---|---|
/kunglao-agent:init <ws> [--type …] [--lane …] | 开始一次交战 |
/kunglao-agent:analysis <ws> | 陈述任务并运行循环 |
/kunglao-agent:resume <ws> | 任何中断之后 —— 只读断点简报 |
/kunglao-agent:upgrade <ws> [--dry-run] | 插件升级后（用户数据永不触碰） |
uv sync 还会注册 kunglao 控制台脚本（decide、tick、verify、
health、resume、upgrade……全部子命令上 PATH）。
循环从你陈述的最终状态机械推导 oracle。四种说法覆盖大部分偏差：
| 你说 | 通常意味着 | oracle 锚定在 |
|---|---|---|
| "我要纯算" | 离线复现签名/加密例程 | 每对捕获样本（含留出对）byte-exact 回放 |
| "我要解密" | 解一段密文，还是要可复用能力？ | 明文校验通过 / 金丝雀往返 byte 一致 |
| "帮我分析这个协议" | 线格式还原 + 可运行编解码器 | 编解码器对每帧 byte-exact 往返 |
| "这个 sign 在哪算的？" | 一个带证明的定位 | 具名函数 + 该点 hook 复现捕获值 |
点名样本和行为（不是类别）；让成功标准是数据（捕获对 —— 留出对保 证诚实）；约束前置说清（纯静态？有设备？走哪个通道？）。
两个实时面让运行可观察：
状态栏 —— 运行中的一行 HUD：语义状态字形（◈ analyzing /
✖ DOWN）、claim 进度 C 6/8、当前胜率、采样器榜首臂及其年龄、健
康度圆点、活动任务片、价值火花线。过期但在策略内如实渲染 idle；超
策略渲染 DOWN。
胜率曲线 —— settlement 流上的滚动通过率：
uv run python scripts/winrate_curve.py <workspace> [--window 5] [--html curve.html]
健康运行的曲线随循环学会"哪些方法有效"而上升；贴零的平线说明排序 器把预算花在了永不结算的臂上 —— 先查障碍注册表再加预算。
从真实且完全收敛的运行工件重写的证据优先案例（EN + 简体中文）—— 转录、 死路、两个具名验证方法、机械判决：