chore: establish YCode replication baseline and TODO
This commit is contained in:
xiaohan.yuan committed
commit
6dc59f89ba
1118 files changed
+196002
No files matched your search
@@ -0,0 +1,167 @@
|
||||
# WorkBuddy AI 能否「1:1 复刻」——基于 REA 的可行性评估
|
||||
|
||||
> 历史评估，结论已由 `1比1复刻重新评估-2026-10-15.md` 修正。本文把“行为复刻”等同于“源码复制”、从体积/压缩/工具未配置推出“不可能”的推理不成立；原生和云端未覆盖项应标为条件或未知，不沿用本文的一概否定。
|
||||
|
||||
**评估对象**：《WorkBuddy-AI-实现分析报告.md》所述目标（本机安装的 WorkBuddy 桌面版 v37.10.3-42）
|
||||
**评估方法**：REA MCP 实测（`analyze_javascript_application`、`binary_session` 能力探测）+ asar 清单解析 + 混淆度/源码可得性度量
|
||||
**评估日期**：2026-10-14
|
||||
|
||||
---
|
||||
|
||||
## 0. 结论（TL;DR）
|
||||
|
||||
**不能 1:1 复刻。** REA 足以支撑「**读懂**」和「**功能等价重写（clean-room）**」，但达不到「**1:1 复刻**」——这是三重封死，不是工具能力不足：
|
||||
|
||||
| 维度 | 能否 1:1 | 决定性原因 |
|
||||
| --- | --- | --- |
|
||||
| 法律 | ❌ | 1:1 复刻 = 复制腾讯专有代码，直接侵权。分析可以，照抄不行 |
|
||||
| 原生二进制 | ❌ | ≈360MB 原生代码（含单个 199.5MB 的 `editor_sdk.exe`）；本机**无任何反编译器可用**，即便装上 Ghidra 也只出伪代码 |
|
||||
| 压缩 JS | ❌ | 主 bundle 全部 rolldown/rspack 压缩，**0 个 source map**、`.js.map` 不含 `sourcesContent`、无 `.ts` 源 |
|
||||
| 云依赖 | ⚠️ | 排除云部分后，本地引擎**不推理**，AI 能力实质归零——复刻出来是个没有大脑的壳 |
|
||||
|
||||
**一句话**：REA 能给你一张足够精确的「建筑图纸」，但拿不到「原始建材」；而且这栋楼的主脑（模型+提示词）本来就在云上，拆掉之后剩下的部分 1:1 复刻也没有意义。
|
||||
|
||||
---
|
||||
|
||||
## 1. 先说法律红线（这条是决定性的）
|
||||
|
||||
「1:1 复刻」在工程上等价于**逐字节/逐逻辑复制专有软件**。WorkBuddy 的 `@genie/agent-cli`、`tsbx` 沙盒、`editor_sdk.exe` 均为腾讯闭源资产，`package.json` 的 `private: true` + 无开源许可声明。因此：
|
||||
|
||||
- **可以做**：逆向分析、理解架构、提取可公开观察的接口契约、用干净室（clean-room）方式独立实现等价系统。
|
||||
- **不能做**：1:1 复制代码、重新打包分发。
|
||||
|
||||
下面所有技术结论都建立在「即使技术上允许」这一假设上——结论依然是**做不到 1:1**。
|
||||
|
||||
---
|
||||
|
||||
## 2. REA 实测：工具链本身的能力边界
|
||||
|
||||
在本机（Windows 11 / x64）实测 `binary_session`，得到关键事实：
|
||||
|
||||
| Provider | 状态 | 影响 |
|
||||
| --- | --- | --- |
|
||||
| JavaScript/Electron 分析 | ✅ 可用 | 唯一能真正跑起来的主力 |
|
||||
| **Ghidra（原生反编译）** | ❌ `not_configured` — `GHIDRA_INSTALL_DIR` 未设置 | **无法反编译任何 .dll/.exe** |
|
||||
| Hopper | ❌ `unsupported_host`（仅 macOS） | Windows 上不可用 |
|
||||
| IDA | ❌ `not_configured` | 不可用 |
|
||||
| `recover_javascript_sources`（Wakaru 反压缩） | ❌ `provider_missing`（仅 Linux x64） | **无法把压缩 bundle 还原成可读命名** |
|
||||
| PE 资源 / .NET 静态分析 | ✅ 可用 | 只能看结构，不能出伪代码 |
|
||||
|
||||
> 这就是第一个硬约束：**本机对原生层是「黑盒」**。REA 自己声明其伪代码产物 *"not original source and not text-equivalent"*——即便配上 Ghidra，也只是逼近语义，不是还原源码。
|
||||
|
||||
**实测运行记录**：对 `app.asar` 限定 2 个源文件分析，结果——
|
||||
|
||||
- `parsed_javascript_files: 2`、`visited_ast_nodes: 11395`、`findings: 10`、`parse_failures: 0`
|
||||
- 但 `coverage.status: partial`，遗留 **11,387 application unknowns / 128,327 semantic unknowns**
|
||||
- 12 个语义族（call-flow、data-flow、boundary…）**全部 partial**
|
||||
|
||||
对比原报告 §8：跑主 bundle（2,238,569 AST 节点）耗时 5 分钟 / 6GB 堆，语义图**被父级预算截断**。结论一致：**REA 出的是抽样级证据，不是完整重建**。
|
||||
|
||||
---
|
||||
|
||||
## 3. 逐层拆解：哪些能量化，哪些不能
|
||||
|
||||
### 3.1 实际体积构成（asar 清单 + unpacked 实测）
|
||||
|
||||
安装总体积 ≈ **935MB**（Electron 运行时 279MB + `app.asar` 94MB + `app.asar.unpacked` 562MB），共 14,475 + 4,596 个文件。
|
||||
|
||||
| 类别 | 体积 | REA 可得性 | 能否 1:1 |
|
||||
| --- | --- | --- | --- |
|
||||
| **原生二进制** | ≈360MB | ❌ 本机无反编译器 | ❌ |
|
||||
| **首方压缩 JS**（renderer 116.7MB、extensions 49.9MB、plugins 31.5MB、cli/dist 13.1MB、main/server.js 3.4MB） | ≈235MB | ⚠️ 语义可恢复，命名/注释丢失 | ❌ |
|
||||
| **首方可读源码**（`cli/vendor/shim/*.cjs`、`cli/bin/*.cjs`） | ≈2.7MB | ✅ **就是完整源码** | ✅（但复制=侵权） |
|
||||
| **第三方 OSS**（OpenAI Agents SDK、MCP SDK、OpenTelemetry、node-pty、koffi、zod、hono、@larksuiteoapi…） | ≈58MB | ✅ 公开可得 | ✅ 直接 `npm install`，无需复刻 |
|
||||
|
||||
### 3.2 无法 1:1 的「不可还原物」清单（实测）
|
||||
|
||||
**A. 原生二进制（决定性障碍）**
|
||||
|
||||
```
|
||||
199.5 MB node_modules/@tencent/tencent-docs-ai-engine/bin/win32-x64/editor_sdk.exe ← Office 编辑器引擎（CEF 级）
|
||||
22.0 MB cli/vendor/sandbox/5.8.5/betterleaks.exe
|
||||
9.7 MB node_modules/@genie/im-channels-native/build/Release/ImSDK.dll
|
||||
9.0 MB cli/vendor/sandbox/5.8.5/sandbox-center.exe
|
||||
2.3 MB cli/vendor/sandbox/5.8.5/sandbox_ffi.dll
|
||||
1.6 MB 合计 tsbx.dll / tsbx_sdk.dll / tsbxldr.dll / tsbxlow.dll ← 腾讯自研沙盒核心
|
||||
+ 各 .node：turing_sdk、perf_metrics、wechat_copydata_decoder、job-object、ripgrep、qimei、os-bridge…
|
||||
```
|
||||
|
||||
`tsbx.dll`（795KB）是自研沙盒的**策略执行核心**，`betterleaks.exe`（22MB）是泄漏检测引擎——这两个是 WorkBuddy 安全模型的关键差异点，**恰恰是最不可能被还原的部分**。而 199.5MB 的 `editor_sdk.exe` 基本可以判定为「不可重建」。
|
||||
|
||||
**B. 压缩 JS（语义可读，源码不可还原）**
|
||||
|
||||
主 bundle 度量：
|
||||
|
||||
```
|
||||
cli/dist/codebuddy-lite-wb.mjs 9.48MB 2679 行 平均行长 3539 字符 最长 488,181 字符
|
||||
main/server.js 3.60MB 1185 行 平均行长 3037 字符
|
||||
```
|
||||
|
||||
证据：
|
||||
- `sourceMappingURL` 出现次数 = **0**
|
||||
- 全文 `.js.map` 共 60 个，抽样解析 `@genie/im-channels-sidecar/.../*.js.map` → **无 `sourcesContent` 字段**
|
||||
- 安装包内 `.ts` 源文件 = **0 个**（仅 65 个 `.d.ts` 类型声明，只给接口形状、不给实现）
|
||||
|
||||
好消息：压缩不算彻底——**保留了 235 个可读函数名**（`doIsToolCall`、`isProxyToolCalls`、`bindAutowiredProvider`、`applyServiceDecorator`…）和几乎全部字符串字面量。这让 REA 的语义恢复质量明显高于典型混淆产物，但**仍无法还原原始文件划分与命名**。
|
||||
|
||||
**C. 可读源码层（这块确实能 1:1）**
|
||||
|
||||
`cli/vendor/shim/` 与 `cli/bin/` 下的 `.cjs` 是**未压缩完整源码**，带缩进、带注释：
|
||||
|
||||
```
|
||||
1162 行 node-brokered-fs-shim.cjs (fs 走 broker IPC)
|
||||
861 行 node-safe-delete-shim.cjs (删除进回收站)
|
||||
465 行 safe-delete-bulk-guard.cjs (批量误删防护，DEFAULT_THRESHOLD=20)
|
||||
311 行 broker-ipc-client.cjs
|
||||
128 行 daemon-supervisor.cjs
|
||||
```
|
||||
|
||||
**沙盒 shim 层可以 100% 读懂并等价重写**——但这是全栈里最容易的部分。
|
||||
|
||||
### 3.3 「排除云部分」反而掏空了核心
|
||||
|
||||
原报告 §4 已明确：**本地不推理**，`@genie/model-compatibility` 只做 API 适配，模型选择/路由在服务端按套餐决定。被排除的云部分包括：
|
||||
|
||||
- 多模型网关与路由策略（GLM/混元/DeepSeek/Qwen/Kimi/MiniMax/GPT/Gemini/Claude）
|
||||
- **主系统提示词全文**（本地仅有碎片，例如 bundle 里可检索到 `You are a background fork of the main agent. Follow these rules strictly:`）
|
||||
- 账号鉴权（Bearer + `X-User-Id`）、套餐/配额、可观测上报
|
||||
|
||||
也就是说：**排除云部分后，你要复刻的「AI 能力」其智能来源本身就在被排除的那部分里**。剩下的本地引擎即使 100% 重写，接不上自己的模型网关也只是个空壳——除非你自建网关，那又变成另一件事（自研产品，而非复刻）。
|
||||
|
||||
---
|
||||
|
||||
## 4. 能力光谱：REA 究竟能带你走到哪一步
|
||||
|
||||
| 目标 | 可行性 | 说明 |
|
||||
| --- | --- | --- |
|
||||
| **读懂架构 / 写分析报告** | ✅ 完全可行 | 原报告已是范例，REA + 字符串证据足够 |
|
||||
| **导出接口契约**（ACP 协议、工具 schema、MCP/Skill 约定、`.d.ts`） | ✅ 可行 | 协议与类型声明清晰可提取 |
|
||||
| **等价重写可读 JS 层**（shim / daemon / bin） | ✅ 可行 | 有完整源码参考 |
|
||||
| **等价重写压缩 JS 层**（agent 循环、工具系统、模型适配） | ⚠️ 可行但成本极高 | 语义可恢复 ≠ 源码可还原；需逐模块重建，且缺服务端提示词 |
|
||||
| **重建原生沙盒**（tsbx + sandbox-center + betterleaks） | ❌ | 无反编译器；即便有，伪代码也无法 1:1 |
|
||||
| **重建编辑器引擎**（`editor_sdk.exe` 199.5MB） | ❌ | 实质不可行 |
|
||||
| **1:1 复刻整体** | ❌ | 法律 + 原生 + 压缩 + 云依赖，四重封死 |
|
||||
|
||||
---
|
||||
|
||||
## 5. 如果目标是「自己做一个同类产品」，正确路径
|
||||
|
||||
不要走「复刻」，走「参照 + 自研」：
|
||||
|
||||
1. **复用 OSS 底座**：Electron + Anthropic 沙盒 runtime（开源）+ MCP SDK + OpenAI Agents SDK —— WorkBuddy 自己也是这么拼的。
|
||||
2. **自研 agent 内核**：参照 Claude Code 的公开架构（工具循环、hooks、Skill/Plugin 约定、`CLAUDE.md` 体系），这些是**公开文档**级别的知识，不需要逆向。
|
||||
3. **自建模型网关**：这是被排除的「云部分」，也是真正的护城河——自己实现多模型路由 + 提示词工程。
|
||||
4. **沙盒另选方案**：Windows 上可用 AppContainer / Job Object + 文件系统虚拟化，或直接用已开源的 `anthropic sandbox-runtime`，不必也无法复刻 `tsbx`。
|
||||
5. **明确边界**：抄协议与公开约定是安全的，抄二进制与压缩代码是侵权。
|
||||
|
||||
---
|
||||
|
||||
## 6. 最终判断
|
||||
|
||||
> **用 REA 做「理解」是够的，做「1:1 复刻」是不够的，且不需要——因为被排除的云部分才是核心价值所在。**
|
||||
|
||||
- REA 在本机的实际天花板：JS/Electron 层语义分析（coverage 明确为 *partial*），原生层**完全黑盒**（无 Ghidra/Hopper/IDA）。
|
||||
- 结构上可 1:1 的只有约 **2.7MB 的 shim/daemon 可读源码**；占大头的 **360MB 原生二进制 + 235MB 压缩 JS** 都无法 1:1。
|
||||
- 「排除云部分」这一前提，使复刻产物失去智能来源，投入产出比极低。
|
||||
|
||||
**建议**：把这次分析定位为「架构学习 + 接口提取」，产出「设计说明书」而非「副本」。若真要落地产品，按 §5 的自研路径走。
|
||||
Reference in new issue
Block a user