zhaoxuya520 lança roteador de segurança com 18.017 estrelas
Pacote direciona agentes de IA para análise reversa e pentest autorizado, com ferramentas sob demanda e suporte a quatro plataformas.
Quem recebe um APK, binário ou código JavaScript precisa escolher a ferramenta certa antes de começar a análise. O reverse-skill, criado por zhaoxuya520 em 2026-05-13, é um pacote que roteia agentes de IA para análise reversa, pentest autorizado e pesquisa de segurança. O repositório já soma 18.017 estrelas e 2.469 forks, e atende usuários de Claude Code, Kiro, Cursor, Cline e outros clientes de programação com IA.
O pacote roteia cada caso para uma habilidade
O reverse-skill consulta uma matriz de rotas quando o agente encontra um APK, ELF, arquivo JavaScript, PCAP ou desafio de CTF. O pacote escolhe a metodologia e verifica as ferramentas disponíveis antes de executar um fluxo repetível.
A rota principal combina skills/MASTER-ROUTING.md com master-route.ps1. A matriz reúne mais de 20 módulos para APK, IDA, radare2, JavaScript, .NET, pwn, firmware, pentest e LLM. O README lista IDA Pro, radare2 e Ghidra entre as ferramentas usadas pelo projeto.
O pacote também organiza o trabalho de cada caso. Os contratos de operação registram escopo, autorização, evidência, descoberta, caminho, papéis e linha do tempo.
Os comandos case-init, case-guard e append-evidence apoiam esse fluxo. Já smoke e verify-routing-coherence verificam se os scripts e as rotas continuam coerentes.
O projeto inclui um ciclo para reaproveitar conhecimento. O field-journal registra a experiência de campo, e o checklist do gerador de documentos ajuda a concluir a documentação de cada caso.
A máquina instala ferramentas conforme a rota
A instalação começa com git clone https://github.com/zhaoxuya520/reverse-skill.git. O ambiente precisa de Java ou JDK para jadx e apktool, Node.js 22.12+ para a cadeia de JavaScript e servidores MCP, Python 3.x para Frida e scripts auxiliares, além de um cliente de IA de código.
No Windows, o usuário atualiza o índice local com powershell -File skills/scripts/refresh-tool-index.ps1. Linux e macOS usam bash skills/scripts/refresh-tool-index.sh, enquanto o Kali Linux tem bash kali/scripts/refresh-tool-index.sh.
Na primeira execução, o script identifica as ferramentas disponíveis e atualiza skills/tool-index.md. O usuário aponta o cliente de IA para RULES.md ou README_AI.md, e o agente passa a seguir as instruções e rotas do pacote.
O bootstrap instala a cadeia de ferramentas sob demanda a partir de bootstrap-manifest.json. O pacote guarda os caminhos locais somente no tool-index gerado, em vez de distribuir caminhos absolutos de uma máquina específica.
O código roda com scripts locais, mas depende do ambiente que o usuário prepara. O README exige Java, Node.js, Python e um cliente de IA; para algumas tarefas, também depende de ferramentas como jadx, apktool, Frida, IDA Pro, radare2 e Ghidra.
A versão mais recente é a v1.0.0. Ela marcou o primeiro lançamento formal, indica Windows como plataforma principal e mantém caminhos documentados para Linux, macOS e Kali.
O projeto tinha 83 dias de idade nos dados verificados. O último commit ocorreu em 2026-08-04, e o repositório mantinha 15 issues abertas.
O número de estrelas chama atenção porque chegou a 18.017 em pouco mais de dois meses. Essa métrica mostra interesse pelo pacote, mas não comprova a estabilidade das rotas, a cobertura dos módulos ou a qualidade das respostas produzidas pelos agentes.
A licença MIT permite usar, modificar e redistribuir o código dentro dos termos da licença. O pacote não serve como plataforma completa de segurança para hosts, sistema de monitoramento ou autorização para atacar alvos sem permissão.
Ele atende equipes que já têm um ambiente de análise e querem organizar o trabalho de agentes de IA. Quem procura uma ferramenta pronta para proteger endpoints ou executar testes sem configurar dependências encontrará outra categoria de produto.
Fontes
Como fazemos: nossa equipe monitora diariamente os repositórios de código aberto em maior alta e produz esta cobertura com apoio de modelos de linguagem, sempre a partir de dados verificados na fonte primária — repositório, documentação oficial e ranking público. Os números de estrelas e a posição no ranking refletem o momento da coleta. Entenda o método.