GETTING STARTED

三分钟装上，一条命令开干

skill 安装即用：装进 CatPaw/Claude 的 skills 目录后，AI 在你提出逆向需求时自动路由到对应方法论。

PREREQUISITES

你需要准备什么

宿主环境是唯一的硬依赖；分析工具按需配置——缺了也不要紧，后面环境脚本会自己找、自己装。

基础环境必需

macOS / Linux + bash

安装脚本与全部平台脚本基于 bash。推荐 macOS（iOS 逆向主场）或主流 Linux 发行版，Windows 建议在 WSL 内使用。

python3

hooks 部署（--hooks）与环境脚本依赖 python3，系统一般自带。

CatPaw IDE 或 Claude Code

skill 宿主。安装后 AI 按你的意图自动读取对应 reference 方法论，无需手动喂文档。

分析工具按需

静态

IDA Pro + ida-mcp-server

静态反编译主力。通过 MCP 远程操作 IDA：反编译、交叉引用、批量重命名、patch。

动态

Frida 17+

运行时插桩：hook 函数、dump 密钥与字节码、反调试对抗。

真机

越狱 iOS 真机 + SSH

真机操作（采样、对拍、设备状态验证）需要；纯静态与模拟执行不需要。

动态

mitmproxy

协议层黑盒观测，抓取 ground truth 样本供 Phase 3 逐字节对拍。

INSTALL

三种安装模式

一个 install.sh 覆盖开发、分发、约束三种场景；默认 symlink 开发模式，改完源码即时生效。

symlink · 默认

开发模式

本地开发首选：装的是软链，改完即生效，无需重复安装。

terminal

git clone https://github.com/fuckreverse/llm-driven-re.git
cd llm-driven-re
./install.sh
# Symlinked: ~/.catpaw/skills/llm-driven-re -> 源码目录

源码目录原地不动，target 得到一个符号链接

--copy

分发模式

分发给同事：得到一份独立自包含副本，不依赖你的源码目录。

terminal

./install.sh --copy
./install.sh --target /path/to/proj/.catpaw/skills   # 装进某个项目

自动剔除 .git、env-profile.yaml、local-env.md 等个人内容

--hooks

约束部署

把 guard.sh 挂进分析项目的 .claude/settings.json，机制级强制动态操作纪律。

terminal

./install.sh --hooks --project /path/to/analysis-project
# 卸载：删除 settings.json 中 command 含 guard.sh hook- 的条目

4 类拦截：Bash 命令 / MCP 调用 / 文件写入 / 回合结束 sweep

安装完先验证一下：skill 就位后，AI 会话里提到「逆向 / Frida / IDA / 反编译」等关键词即自动触发路由。

terminal

ls ~/.catpaw/skills/llm-driven-re/SKILL.md && echo OK

FIRST RUN

从克隆到结论的完整路径

装好之后不需要记任何流程——AI 会按这条路径推进：初始化工作区、侦察、路由方法论、按需切换单 agent 主循环或 swarm 编排。

图表加载中…

点击放大 · 滚轮缩放 · 拖拽

图：从安装 skill 到交付结论的主路径（swarm 为可选编排层）

环境探测只需开局一次：env-profile.yaml 记录工具与设备档案，后续会话与 subagent 直接复用，换机也可迁移。

ENVIRONMENT

缺工具？它自己找、自己装

环境初始化走三级策略：先找、再问、最后才装——不会一上来就往你机器里塞东西。

找

① 深度搜索本地

对每个缺失工具全扫描系统常用安装路径（Homebrew、/usr/local、/opt、用户目录等），大概率已经装了只是不在 PATH。

问

② 询问登记

搜到的候选路径交给你确认后再登记进 env-profile.yaml，避免记错路径；确实没有的才进入下一步。

装

③ 自动安装

确认缺失后，env_setup.sh 按 recipe 自动下载安装并登记，装完即可用，无需手工折腾。

terminal

bash scripts/orchestration/env_probe.sh    # 探测并生成 env-profile.yaml
bash scripts/orchestration/env_setup.sh    # 深度搜索 → 询问 → 自动安装

USAGE

你只需要说清楚目标

没有命令行语法要背。像跟同事提需求一样说一句话，AI 负责路由方法论、编排流程、跑完交付。

chat

你：帮我分析这个 IPA 里的请求签名是怎么生成的
AI：（路由 → references/targets/request-signing.md）
    Phase 0 定位签名函数 → Phase 1 静态还原算法
    → Phase 2 dump 密钥/中间量 → Phase 3 与抓包样本逐字节对拍
    → 交付离线复现脚本

你：全自动跑，多假设并行验证
AI：（激活 swarm 编排 → references/orchestration/agent-swarm.md）
    Coordinator 拆分假设树 → 并行 Investigator 分支
    → 证据库裁定 → Reviewer 对抗评审 → 统一审计交付

交付标准是「逐字节对拍通过 + 离线复现脚本」，不是「看起来像」——没有对拍过的结论不会被标为已验证。