短短几天暴涨8.1万Star！我用爆火的REA逆向了Chrome

相信大家对这个小恐龙并不陌生。

在谷歌浏览器 Chrome 里，断网、网页打不开时，页面上会出现一只像素小恐龙。按一下空格，它就开始奔跑；再按空格跳过仙人掌，撞上障碍就结束。它就是很多人在等网络恢复时玩过的Chrome 断网小游戏。

玩法只有几个动作，却经常让人忍不住再来一局。一开始还能慢慢找节奏，跑着跑着，仙人掌越来越快，刚跳过这一棵，下一棵又来了。

如果能自己调速度就好了，慢一点练手，快一点挑战，或者随时切回原来的自动加速，REA刚好解决了这个问题。

我把 REA 接进 UCloud 星图，让它查清原游戏的加速规则，再做一个带速度滑块的版本。最后拿到的，就是下面这个能直接用浏览器打开的小网页。

速度最低能拉到 2，最高能拉到 18。空格和按钮都能跳，撞上仙人掌后可以重开，也能暂停后继续。勾选“自动加速”，速度会从 6 开始逐渐增加。

下面从工具接入开始，看看这个调速版是怎样做出来的，以及运行以后有哪些变化。

REA 是什么？

REA 的全称是 Reverse Engineer Anything，是给 AI 编程助手使用的开源逆向分析工具。

逆向分析可以先理解成：从一个现成软件出发，查清某个功能背后怎样工作。小恐龙为什么会加速，计算器的百分号怎样参与运算，笔记的导出按钮怎样生成文件，都可以成为一个具体问题。

REA 提供读取程序、查找相关内容的工具。模型拿到这些内容以后，解释其中的规则，再根据需求写出采用这些规则的新版本。官网也展示了这类用法。

放到小恐龙里，分工就很清楚：星图接收任务、调用工具和生成文件；REA 返回游戏网页加载的程序；模型分析加速方式，再编写带速度控制的新游戏。

这次的网页版小恐龙，源自 Chromium 的恐龙游戏。它可以直接在浏览器里运行，加载的游戏程序保存在网页脚本中。

后面查到的速度、增量和停止条件，都来自这个页面实际加载的程序。调速版沿用其中的加速语句，恐龙画面和部分碰撞处理则重新实现。

第一步：在星图接入 REA，打开原游戏

使用 UCloud 的星图（AstraFlow）桌面客户端。左侧按工作区管理任务，中央用对话提出需求，输入区可以选择模型和本地工作区。选择“代码开发”模式，调用 REA 分析程序，再将小游戏文件保存到本地。

先在星图打开一个本地工作区，用来存放原游戏程序、生成的网页和检查结果。本次工作区叫 rea-test，后续几轮任务都在这里继续。

接入入口是星图的 MCP 服务管理。MCP 可以理解为客户端调用外部工具的连接方式，REA 通过它提供检查程序的工具。

启动命令为：

npx -y rea-agents@6.4.0 mcp

如果界面把命令和参数分开填写，命令填 npx，参数依次为 -y、rea-agents@6.4.0、mcp。保存以后，星图可以调用 REA 工具。REA 需要 Node.js 环境，浏览器使用 Google Chrome。

接下来打开供 REA 读取的独立 Chrome 窗口，里面加载原游戏。这个窗口需要开启调试入口，本次连接地址为 http://127.0.0.1:9222。

游戏网址和这个地址各有用途：前者告诉 REA 读取哪个游戏，后者指向这台电脑上运行游戏的浏览器。分析期间保留窗口，工具就可以继续访问页面。

回到星图的“代码开发”界面，选好本地工作区和模型，就可以在输入框里填写分析需求。左侧的 rea-test 工作区、下方的 Qwen 模型选择和待发送的提示词，都能在这一页看到。

准备环境与读取规则，可以合成一个任务交给星图。下面的需求按复现时的使用方式整理：

用 REA 查看 https://wayou.github.io/t-rex-runner 实际加载的游戏程序。

请准备可供 REA 连接的独立 Chrome 窗口，读取游戏脚本，找到加速相关代码。解释起始速度、每次增加多少、停止加速的条件，附上程序出处。先查规则。

星图完成工具调用后，REA 返回了网页加载的 index.js。这份程序包含游戏的速度设置、更新过程、跳跃和障碍处理，后面的分析从里面寻找对应内容。

原程序和分析结果会保存在工作区。生成新版本时可以接着使用这些内容，不需要重新说明游戏网址和已经查到的规则。

第二步：查清小恐龙怎样加速

原程序中的三个关键设置分别是：起始速度 6，每次增加 0.001，上限配置为 13。

真正执行加速的语句是：

if (this.currentSpeed < this.config.MAX_SPEED) {
    this.currentSpeed += this.config.ACCELERATION;
}

翻译成日常语言，就是先看当前速度是否低于设定值，低于就再增加一点。这段语句发生在没有碰撞的游戏更新中；撞上障碍，游戏进入结束状态。

速度的更新，其实是程序向前做一次计算。符合条件时，每次更新增加 0.001。它不是每秒的速度增量，累计增加多少还取决于进行了多少次计算。

因此，速度 6 经过一千次这样的更新，会增加到约 7；经过四千次，增加到约 10。程序不断执行，小幅增量积累起来，画面上的障碍就越来越快。

接近 13 以后，停止条件开始起作用。后续更新仍然可以继续运行游戏，但不再按同样的增量无限提高速度。

新版本将逻辑更新固定为每秒 60 次。按这个设定计算，在持续运行、没有碰撞的情况下，一秒累计增加的速度约为 0.06。画面渲染仍由浏览器安排，加速计算则按这个固定节奏推进。

第三步：生成调速版

继续在同一个任务里生成新游戏，文件名为 dino-demo.html。画面、控件和运行逻辑都放进一个网页文件，用 Chrome 打开就能运行。

星图会将生成的 HTML 直接写入本地工作区，任务回复中也会显示工具调用和“本轮文件更改”。生成文件和修改记录留在当前任务里，后面调整速度范围、按钮或画面时，可以接着在同一个聊天中提出需求。

需求可以这样发送：

根据刚才查到的规则，生成单文件小游戏 dino-demo.html。提供中文的开始、跳跃、暂停、重开按钮，空格也能跳，碰撞后结束。增加 2～18 的速度滑块，拖动时固定在选定速度；勾选自动加速时从 6 开始，采用原游戏的加速语句。每秒固定进行 60 次逻辑更新。打开检查，说明文件保存位置。

生成的页面分成三块：上方是游戏画面，中间是速度控制，下方是数值检查。游戏区下面还显示当前状态、速度和更新次数。

先拖动速度滑块。

滑块调到 12.5 后，继续运行，显示速度保持为 12.500，自动加速处于关闭状态。它改变的是游戏正在使用的速度，数值不会继续自行往上增加。

固定速度可以反复使用同一个档位。例如一直停在速度 8，玩家面对的是这一档位的移动节奏，可以连续尝试起跳时机。每次重开以后，固定模式会保留滑块值。

滑块最低为 2，最高为 18。数字表示游戏速度参数，不是“几倍速”。低速时，仙人掌缓缓靠近，留给起跳的时间更长；高速时，障碍移动明显加快。

手动模式可以选择超过 13 的数值。它与原来的自动加速分开：自动模式接近设定值后停止增加，手动模式则按照玩家选定的速度持续运行。

再切回自动加速。

勾选自动加速，速度回到 6，随后逐渐增长。速度数字和画面中的障碍移动同时变化，重开时也重新从 6 开始。

两种模式可以在同一个页面切换。固定速度用于保持一个节奏，自动模式则从较慢的开局逐渐提高速度；切换时，跳跃、暂停和重开仍然使用原来的按钮。

游戏运行时，按空格或点击跳跃按钮，小恐龙都会离开地面。开始后会先经过开局的空跑阶段，随后出现仙人掌。障碍靠近时起跳，落地以后才能再次跳跃。

键盘还支持上箭头跳跃、下箭头快速下落。快速下落会改变恐龙回到地面的过程，运行记录中也观察到了这个变化。程序保留了松键短跳：起跳后释放按键，满足条件时会收短腾空过程，所以跳跃不只是一个固定播放的动画。

开始、跳跃、碰撞和重开都做过实际检查。碰撞测试使用固定速度 8，不进行跳跃；仙人掌进入画面后不断向左移动，最后触发游戏结束。

结束后，页面显示当前速度和重开提示，跳跃与暂停按钮停止接受对应操作。回车和重开按钮都能重新开始，固定模式仍保留原来的速度。

暂停也会冻结游戏计算。点下暂停后，更新次数停住，过了一秒仍保持原值；点击继续，计数恢复增加，游戏接着运行。键盘的 P 键同样可以暂停。

页面上的状态会在“进行中”、“已暂停”、“游戏结束”之间切换，按钮文字也随之变化。暂停以后显示继续，碰撞结束以后显示重开，当前可以执行什么动作直接反映在操作区。

在 375 像素宽的模拟视口里，画布、按钮和速度控制都能排进页面。运行数值校验以后，表格没有把页面撑出横向滚动。

窄屏采用缩放画布的方式显示游戏，控件继续排列在下方。这里记录的是模拟视口里的排版，实体手机的触控和性能没有在这次运行中测试。

图形采用重新绘制的像素恐龙和仙人掌，没有加载原版精灵图。恐龙碰撞区域也做了近似处理，使用两个区域代替原来的六个区域，因此贴近障碍边缘时的判定不能视为与原版逐像素相同。

当前版本有仙人掌、跳跃、速度控制、暂停和重开，没有加入翼龙、下蹲、夜间模式及音效。自动加速沿用原语句，滑块、可见的暂停按钮和数值校验入口则是新增功能。

第四步：确认加速规则有没有用对

小游戏能玩以后，再检查它是否按原来的规则加速。

让星图分别运行原游戏和新游戏的加速代码，从速度 6 开始，比较几个位置的结果。直接计算即可，不用一直跳过仙人掌玩到那个进度。

新游戏下方有“运行数值校验”按钮，调用的是游戏正在使用的加速函数。它从速度 6 开始，排除碰撞干扰，计算到指定更新次数，再将结果显示成表格。

这一轮的任务可以这样发送：

实际运行 dino-demo.html 使用的加速函数，检查 0、1000、4000、10000 次无碰撞更新后的速度，保留三位小数。与原程序的加速语句分别计算后比较，显示实际输出；如果不同，查明原因后修正。

本次运行以后，页面显示的结果是：

四组数字一致，新游戏在这些位置的加速结果与原规则相同。最后的 13.001 来自原程序的判断顺序和小数计算误差，速度会略微超过 13。新游戏也保留了这个结果。

可以看到，REA确实很强大，分分钟分析出了小恐龙游戏的实现方式，并且按照我们的需求完美实现了一个进阶版。

小结

REA 让 AI 能顺着已有软件的程序，弄清一个功能是怎么做的，再做出符合新需求的版本。对小团队和个人来说，这可能带来更灵活的选择：保留常用功能，调整不顺手的操作，或者把几个工具里需要的功能组合起来，做成适合自己工作的小软件，软件定制也就有机会覆盖更多具体的需求。

如果这类能力继续成熟，一些过去因为用户少、预算低而没人专门开发的工具，也可能被做出来。REA 值得期待的影响，就在于降低理解和改造软件的门槛，让更多细小但真实的问题，有机会得到解决。