AI 自动化逆向四人在 AI 逆向流程里到底做什么本文是「AI 自动化逆向」系列第 4 篇。上一篇我把一个逆向项目交给了 AI它做到了什么程度下一篇预告控制组区分「没有」和「没取到」。前言上一篇的结尾留了一个问题AI 做到了什么程度看清单就够了但清单没有回答另一半——人在这套流程里到底做什么这一篇回答它。而且这一篇里的每一条都有出处它们来自这个项目自己的流程文件目标文档、交接文档、纪律清单不是事后回忆。先拆掉一个最流行的误会在这个项目里人不下场干活。五个动作里没有一个是打开反汇编器。同前几篇文中AI指执行分析的模型我指设定目标、审结果的人内容均已脱敏。一、一份什么都没干的工作日志如果把人的工作单独记一份日志它读起来大概是这样读了一批渲染产物回了一句形状轮廓像但配色不像看了一眼两个互相打架的仪器读数说先判这两个读数谁对再谈下一步点了一下某个被当成前提的现成功能发现它其实是坏的把一条看起来最快的路线整个叫停把全天的优先级从能出绿的先做改成能推动主指标的先做。没有一行代码没有一条技术方案甚至没有一条像怎么做的指令。这份日志按’干活’的标准读等于什么都没干。但换一种读法上面每一条都改变了下游成百上千个动作的方向——配色不像让一个已经写进文档的结论被推翻先判读数谁对避免了一整轮建立在错前提上的实验那个功能是坏的直接作废了一条路线。人的产出不是代码是方向和判据。这就是审核者这三个字的实际含义。二、五个动作各配一条真实记录人在流程里的动作拆开只有五类。每一类用这个项目里的一条实际记录来说明。动作一设目标一句目标下去AI 会自己分解、执行、自我推翻。但目标本身的形状是人为它定的把剩余的未解条目逐个给出明确结论——这一句就是上一篇那条六轮工作、五次推翻判据链的全部起点。目标给完人还给流程立了规矩每轮按固定几步走先做固定三项检查 → 推一条看得见的产出屏幕上或产物里真能看见的变化不是内部计数→ 落盘 → 交报告跳步即本轮判失败。还有两条只有人才会写的规矩“停止条件不是时间”——到几点只是下限不是收工信号以及**“不许把里程碑说成’完成’然后停下”**——改了就发未知项写进待办。动作二定判据这是五类动作里含金量最高的一类。它长这样“任何『一个都没有』的结论必须配一个已知非空的对照。”这条判据后来在项目里抓到了整整一类假结论。“两个仪器读数打架的时候第一步不是重试是先判这两个读数谁对。”——因为卡在这里和卡在那里是两条完全不同的路、两套改法。“缺口改判必须写明原判据 → 现判据 → 凭据。”允许重分类但必须明写这是重分类不是进度。“分母只许往上调。”新发现的缺口要保留在分母里不许为了好看做重分类或删行。注意第四条防的是什么它防的不是错误是动机。AI 会把百分比变好看当成目标——这不是技术问题是激励问题只有人能预先立规把它堵住。动作三看产物“不看它的总结看它产出的东西。”这个项目把它做成了硬规矩交付判定只看产物——截图、日志、哈希。绿灯、静态检查过、名字在表里——都不算能用。配色不像那一句就是这条规矩的实例产物摆在那里人一眼看出语义层的问题轮廓对、颜色不对而这一个字面的、朴素的观察比任何统计量都先击中了要害。动作四喊停有些事不是能不能做到是该不该做。这一类判断 AI 做不了也不该让它做有一条捷径要把一位真实的人拉进来承担风险——哪怕它能省掉最难的一段。人直接叫停“只剩这条路就报『阻塞』并停下不许试探。”有一次继续推进需要改动整台机器的安全设置——超出授权。这一条不用人说AI 在边界处自己停了把它变成需要人拍板的待办。因为它提前知道边界画在哪。对自己人的资产更严“不写工作区之外的任何东西用户资产路径连’测试写入权限’这种探针都不许留。”这条规矩是付过学费立起来的。动作五指出方向人的方向修正往往只需要一句话因为它改的是前提不是细节“那个现成功能其实是坏的。”——某个功能被 AI 当作可靠前提用了一路人点了一下就发现它根本不工作这条路线当即作废。“单机优先。”——有一天做的全是当天能出绿的活文档、对账、打包主指标一整天一格没动原因是一句旧规则的取向“挑最省力的可见单位先做”把整轮带偏了。人一句话改掉优先级只有一条判据——本轮做的事能不能把主指标往前推一格推不动的不许当主产出。连同一条纪律“不许自己发明目标之外的支线打磨这个难点有意思’不是进度。”三、把审核拆成三个问题上面五类动作落到每一轮、每一条结论上其实可以压缩成三个问题凭什么信——凭据在哪能做出来吗复现命令、指得出来吗原文坐标、量过吗对照。它的对照是什么——阴性对照、已知真值、分母。没有对照的结论不管多像真的先放着。它错了的话会怎么暴露——是安静地错格式漂亮、退出码 0、没人会发现还是会自己报警优先审前者——整个系列的前几篇讲的都是安静地错。三个问题的共同点都不需要懂技术细节就能问出来而且问完都能被机器执行。人不需要知道那个字节是什么指令——他只需要知道这个结论如果错了会先以什么形式露馅。反过来有一张不算验收的清单也值得抄走绿灯、静态检查通过、名字出现在表里、AI 自己的总结——四条都不算。验收只认产物。四、结论人的角色变了从干活的人变成设计可证伪检查的人。产能交给了 AI可信留给了审核。三句话收束审核动作是稀疏的。几百轮工作里人的介入可能只有几十次但每一次都改方向。剩下的时间靠的是 AI 按规矩自证——所以规矩必须先立。人不需要比 AI 更懂技术只需要比 AI 更知道什么算做完了。这句话是这一篇全部内容的概括。人的审核也有边界。审核能解决结论可不可信解决不了数据不在场——那是另一类问题后面会单独讲。分工一句话AI 负责把可能性穷举、把工作量摊平人负责定义’什么算做完了’、划定’什么不许做’。五、边界声明本文只讨论AI 自动化逆向中的判据设计与审核方法不涉及任何具体产品、厂商或服务的分析结论。文中所有地址、偏移、常量、字段名一律为占位符或示意值不代表任何真实目标中的取值示例代码为说明判据而编写不构成可运行的针对特定目标的工具。文中提到的比例与数字均来自作者项目内的测量记录仅用于说明方法失效的方式。请勿将本文内容用于未授权的用途。六、收尾五个动作里最抽象、也最值钱的是第二个——定判据。下一篇开始把它拆开逐个讲先讲第一条也是整个系列的第一个审核协议——怎么区分「没有」和「没取到」。下一篇计划聊控制组区分「没有」和「没取到」。转载请注明出处https://lizhiyong.blog.csdn.net/article/details/167814261