Website
Mengamati struktur halaman, skrip, dan aktivitas jaringan.
Browser keluarga Chrome; lingkup observasi mengikuti sesi yang diperiksa.
Analisis aplikasi · Pembelajaran berbasis bukti
Pelajari bagaimana sebuah fitur bekerja, telusuri bukti teknisnya, dan jelaskan batas temuan sebelum menarik kesimpulan.
REA (Reverse Engineer Anything) menghubungkan agen AI dengan alat analisis aplikasi melalui Model Context Protocol (MCP). Agen dapat menelusuri komponen dan perilaku aplikasi, lalu menyusun penjelasan berdasarkan hasil pemeriksaan.
Halaman ini merupakan panduan belajar dan penghubung ke sumber resmi. REA tidak dijalankan di dalam website ini. Pemasangan dan analisis dilakukan pada lingkungan komputer serta agen yang mendukungnya.
Mengamati struktur halaman, skrip, dan aktivitas jaringan.
Browser keluarga Chrome; lingkup observasi mengikuti sesi yang diperiksa.
Menelusuri modul, impor, serta hubungan komponen aplikasi.
Node.js dan npm; analisis statis dapat dilakukan tanpa mesin analisis native.
Memeriksa pseudocode, assembly, string, dan referensi pemanggilan.
Perangkat pendukung seperti Ghidra, Hopper, atau IDA; dukungan bergantung format dan platform.
Memeriksa manifest, kelas, dan metode yang didekompilasi.
JADX dan JDK untuk alur analisis APK; tidak semua informasi kode asli dapat dipulihkan.
Ringkasan berdasarkan dokumentasi REA. Periksa dokumentasi terbaru untuk dukungan platform dan versi. Pseudocode atau rekonstruksi tidak menjamin pemulihan kode sumber asli secara utuh.
Usulan latihan AI Lab
Gunakan aplikasi lokal berisi daftar dokumen fiktif. Bandingkan pencarian judul lengkap, kata sebagian, huruf kapital, dan kata yang tidak ditemukan. Tujuannya adalah menjelaskan mekanisme pencarian dengan bukti yang dapat diperiksa kembali.
Pilih satu fitur pada aplikasi contoh milik sendiri atau yang diizinkan. Contoh: bagaimana pencarian memfilter daftar dokumen?
Tuliskan nama aplikasi, versi, sumber berkas, waktu pemeriksaan, alat yang digunakan, dan batas izin. Gunakan data fiktif.
Minta agen menunjukkan lokasi kode atau observasi yang mendukung setiap temuan. Pisahkan perilaku yang diamati dari perilaku yang baru diduga.
Ulangi langkah dengan masukan berbeda. Bandingkan penjelasan agen dengan hasil aktual dan catat bagian yang belum terverifikasi.
Ringkas metode, bukti, interpretasi, alternatif penjelasan, keterbatasan, dan tindak lanjut. Jangan mengubah dugaan menjadi kepastian.
Periksa fitur pencarian pada aplikasi contoh lokal yang saya sediakan. Mulai dari analisis statis. Jelaskan alur masukan hingga hasil pencarian dan tunjukkan bukti untuk setiap temuan. Pisahkan hasil observasi, inferensi, dan hal yang belum diketahui. Jangan mengubah berkas. Jika perlu menjalankan aplikasi, jelaskan dahulu tindakan dan dampaknya. Susun langkah verifikasi menggunakan data fiktif.
Salin enam bagian berikut ke laporan latihan. Lampirkan bukti secukupnya agar pembaca dapat menelusuri kesimpulan.
Dalam pembelajaran Hukum Kejahatan Mayantara dan LexNusa, gunakan laporan teknis sebagai bahan untuk merumuskan pertanyaan. Contohnya, deklarasi izin akses pada manifest APK belum membuktikan bahwa data benar-benar dikirim. Perilaku pengiriman memerlukan bukti tambahan; penilaian hukumnya memerlukan konteks dan sumber hukum yang diverifikasi secara terpisah.
npx rea-agents setupAnalisis target berlangsung lokal, tetapi hasil alat diteruskan ke agen dan tunduk pada kebijakan penyedia model. Untuk latihan, gunakan aplikasi yang diizinkan dan data fiktif. Analisis runtime dapat menjalankan atau berinteraksi dengan aplikasi; periksa dampaknya sebelum melanjutkan.
Panduan independen AI Lab, berdasarkan dokumentasi REA yang ditelaah pada 26 Oktober 2026. Skenario dan format laporan disusun untuk pembelajaran; bukan laporan pengujian REA pada sistem Bapak.