讓 Claude Code 長出新本事：逆向工程、把整本書變技能、用說的畫 3D 零件

🧩 同一個 Claude Code，三種新本事

這篇把三支影片介紹的三個 GitHub 開源專案放在一起看：REA 讓 Claude Code 從「已經裝在電腦上的成品」反推軟體怎麼運作；book-to-skill 把一本技術書拆成 AI 隨時查得到的技能；text-to-cad 讓你用白話描述，產出能拿去 3D 列印或加工的模型檔。三個頻道、三個主題，背後是同一件事：Claude Code 本身沒變，變的是你幫它接上了什麼。

接法只有兩種。MCP 是統一的插座，接上之後 Agent 多了一雙能操作外部工具的手腳；Skill 是一份寫好的說明書，Agent 需要時才翻開，多的是知識與做事方法。這兩個詞的完整解釋，本專欄〈AI 名詞太多記不住？從 LLM 到 Agent Skill，八個概念一次講到你懂〉與〈Claude Code 從 0 到 1：模式、回滾、MCP、Skill 與 SubAgent 一次講透〉已經講過，這裡只看三個專案各自怎麼組合：

🔍 REA：拿材料的是它，解釋的是 Agent

YAHA學堂這支影片從一個問題開始：Windows 計算機按 200＋10% 得 220，換成 200×10% 卻得 20。同一個百分號，前面換個運算子，算法就變了。這種規則介面上不會告訴你；拿不到原始碼又想照著做，就只能從裝在電腦上的成品往回推——這就是逆向工程：直接看程式本身，把一個功能弄懂到講得清楚、改得動，或能自己重做一個。

手工做至少要過三關：先查出程式比較的兩個編號各是哪個按鈕（一個乘號、一個除號）；再從一串位址裡追出哪個函式在做除法、哪個值傳了進去；最後拼出規則——前面是加號，10% 就是取第一個數的 10%（200×10÷100＝20，200＋20＝220）；前面是乘號或除號，10% 直接變成 0.1（200×0.1＝20）。三關讀的都是組合語言（assembly，把機器指令寫成人勉強能讀的樣子），沒碰過的人每一關都不輕鬆。

用了 REA（Reverse Engineer Anything）之後，分工就變了：

講者把 MCP 比喻成統一的插座，所以 Claude Code、Codex、Cursor 這些支援本機 MCP 的 Agent 都能接；不用 Agent，在終端機直接跑也行。那跟直接問 AI 有什麼不同？答案是證據：直接問模型，它手上沒有這個程式的任何材料，只能憑印象答，你也沒辦法核對；REA 回來的結論都帶著依據，答案錯了，你能順著證據一路找回去。

🧭 什麼時候該找 REA？一句口訣分清楚

判斷標準只有一個：你要下的結論，靠的是已經發出來的成品，還是手上完整的原始碼？有完整原始碼就用一般的程式工具，REA 自帶的說明也寫明這種情況不用它；要靠成品（安裝包、編譯好的程式、打包好的應用、正在跑的網頁）才輪到 REA。講者濃縮成一句：原碼完整用程式工具，結論要靠成品才找 REA。

問法也有講究：官方建議從一個具體的按鈕、檔案或行為問起；照著網站重做一個、從老遊戲還原玩法這類大任務也做得到，但最好拆成具體問題。成品分三類，REA 各用不同的工具：

圖裡最容易被忽略的是最下面那條：只讀檔案和真的執行是兩回事，來路不明的程式，這一步要特別小心。

🦖 三個案例：讀到真正在跑的程式，再跑一遍核對

小恐龍為什麼越跑越快？

Chrome 斷網時的小恐龍遊戲會越跑越快。REA 查的是一個從 Chromium 移植出來的網頁版，把頁面裡實際在跑的腳本拿回來，規則一下就清楚：起始速度 6，每次沒撞到障礙的更新加千分之一，低於 13 就一直加。

接著在受控的瀏覽器環境裡直接呼叫原遊戲的更新函式核對：1,000 次後速度 7、4,000 次後 10、1 萬次後 13.001。為什麼多一點點？因為它先判斷再加，最後一次判斷時還沒到 13，這一加就超了。講者說，這種細節光靠猜猜不出來，得讀到真正在跑的程式碼，再實際跑一遍才看得出來。

if (this.currentSpeed < this.config.MAX_SPEED) {
    this.currentSpeed += this.config.ACCELERATION;
}
// 設定值：SPEED 6、ACCELERATION 0.001、MAX_SPEED 13

DX-Ball：虛擬碼說沒算，原始指令說算了

原生程式那邊藏得更深。有個開源專案正把 1996 年的 Windows 老遊戲 DX-Ball 用 C 語言重寫，其中一步要弄清楚：磚塊被打中時，聲音怎麼按位置分到左右聲道。

反編譯器給的虛擬碼（pseudocode，它推出來、接近 C 語言的寫法）顯示這個函式沒有輸入、只呼叫了一個型別轉換，看起來什麼都沒算。但 REA 在同一份結果裡附了原始指令：明明讀進了一個整數，還做了幾次帶小數的運算。這個對不上的地方讓 Agent 知道要接著查——它順著呼叫者找出輸入，又按位址讀出幾個常數，最後寫出一個很短的 C 函式。

這個函式過了兩道檢查：跟原程式比對 3,205 組輸入，回傳值全部對上；用當年的編譯器編出來，63 個位元組與原程式完全一致。要帶走的是：虛擬碼是反編譯器推出來的、可能漏東西，有原始指令兜底，才查得出漏在哪。

Notion「複製」：Electron 的訊息鏈怎麼追

Electron 應用的難點在於一個功能常拆在頁面、preload 腳本與主行程好幾處，靠行程間的訊息（IPC）串起來。像 Notion 複製文字，頁面呼叫的寫入剪貼簿方法只是個包裝，真正的寫入在主行程那一頭。REA 先在壓縮過的程式碼裡標出入口的檔案、行與欄，Agent 再一層層解開。

⚠️ 新手最容易踩的五個坑

1. 以為工具在本機跑，就什麼都不會出去。REA 確實在你的電腦上分析，但結果會交給 Agent，背後的模型服務商有自己的資料政策，要按你用的那一家判斷。公司內部的程式拿去分析前，先把這一層想清楚。
2. 以為裝了 Skill 就能用。REA 的 Skill 只是給 Agent 的調查說明書，真正運作的是 MCP 服務，要靠官方的安裝設定接上；設定會先列出要改的地方、備份舊設定，你同意才動手，裝完要重啟 Agent。還看不到工具，就用官方的診斷指令查註冊狀態；註冊正常仍然沒有，就看 Agent 那邊的連線錯誤，別一遍遍重裝。
3. 以為一上來就得先裝好 IDA 或 Ghidra。只有原生程式的深入分析才需要分析引擎，JavaScript 和 .NET 的靜態檢查用不著。
4. 拿到答案就收工。恐龍和 DX-Ball 都跟原程式比對過，計算機碰巧有微軟公開的原始碼可以對答案。你自己用也一樣：要 Agent 給出檔案和行號，再出一個小預測去驗證。
5. 版本。REA 更新快、修正頻繁，碰到問題先更新。但 Agent 那邊登記的是固定版本，光更新命令列工具不夠，要重跑一次安裝設定、再重啟 Agent，新版本才會生效。

第 2 點和第 5 點對應到實際指令，是 README 裡的這幾行：

# 安裝：先列出要改的設定，你核准後才動手；完成後重啟 Agent
npx rea-agents setup
# 更新：Agent 登記的是固定版本，要重跑設定再重啟
npx rea-agents@latest setup
# 診斷：唯讀檢查 Claude Code 的註冊與 Skill（本站依官方安裝文件補充）
npx rea-agents doctor --client claude_code --skill --json

怎麼驗證它的答案：官方的入門練習

講者說，官方的入門練習就是這樣設計的：一個只有六個檔案的筆記小應用，上面有個匯出按鈕。先問它檔案寫到哪、有哪幾欄（答案是「下載」資料夾裡的 CSV，兩欄：編號和標題），再讓它預測標題本身帶逗號和引號時會變成什麼樣，然後真的跑一次格式化函式對答案。做完這一步，你對它的答案就有了自己的判斷。

📚 book-to-skill：把整本書變成按需載入的技能

GitCovery 這集只講一個專案：virgiliojr94 用 Python 寫的 book-to-skill，把技術書轉成 Agent 隨時能呼叫的技能（官方稱為 Agent Skill）。開場問得實際：一本五百頁的技術書，讀完三個月後，你還記得第七章在講什麼嗎？

問題在於把整本書丟給 AI 很不划算：每次提問都把數十萬字塞進上下文，Token 消耗驚人，資訊量太大還容易讓 AI 一本正經地編出書裡沒寫的內容。搜尋 PDF 只換來一堆頁碼，手寫筆記往往寫完就束之高閣。book-to-skill 的做法是把整理書本結構的苦差事只做一次，之後每次提問都站在這個結構上取用。

架構分兩個階段。第一階段是確定性的萃取器，把原始檔轉成乾淨的純文字與章節資訊：文字為主的書用速度快的 poppler，表格和程式碼多的改用能保留版面結構的 docling。第二階段才是核心：交給 Agent 本身，照專案內建的 SKILL.md 規格書，提煉成核心心智模型、每章獨立的檔案、術語表和速查表。影片的比喻是請一位編輯把厚書拆成索引卡片——AI 平常只翻總目錄卡，被問到某個主題才抽出那張細節卡。這種按需載入就是省 Token 的關鍵。萃取在本機執行，原始檔不會被這個工具上傳。

# 安裝（README 的寫法；也可以 git clone 到 ~/.claude/skills/book-to-skill）
npx skills add virgiliojr94/book-to-skill
# 在 Claude Code 裡指向檔案，產生一份以書名命名的 Skill
/book-to-skill ./my-book.pdf
# 之後就這樣問書裡的某個主題（README 的例子）
/my-book replication

影片也提到用途不只書：團隊可以把架構決策紀錄、上線手冊整個資料夾，轉成新人隨時能查的知識庫；設計團隊把品牌指南轉成技能，讓大家講同一套規範；研究人員把一疊論文合成一個技能，做跨文件比對。

限制也要知道：掃描版、沒有文字層的 PDF，要先自己跑 OCR（光學文字辨識）；排版複雜的檔案，抽出的結構可能不準。影片的提醒也中肯：產出品質高度仰賴背後的模型，模型改版或表現波動，技能品質就跟著起伏；它又依賴第三方解析工具，那些工具一變，維護成本就上升。

🧊 text-to-cad：用說的畫出 3D 零件

第三支是 qingqing wang 的 38 秒短影片，介紹 text-to-cad：裝進 Codex 或 Claude Code 後，用白話描述需求，AI 就生成 3D 模型，建模程式碼也一起產出；不滿意就直接說要怎麼改，它繼續調整；能開 3D 預覽，旋轉放大檢查細節；匯出 STEP、STL、3MF 後，拿去做 CAD 編輯、3D 列印或加工準備。影片自己也提醒：正式生產前，要再核對尺寸、公差和製程要求。

照 README 的說法，它不是獨立的 CAD 軟體，而是一組給 Agent 用的工作流程，關鍵在於模型就是一支 Python 程式：形狀用 build123d 描述（背後是 OpenCascade 幾何核心），跑一次輸出 STEP，STL、3MF、GLB 再從 STEP 轉出——這就是影片說的「建模程式碼也一起搞定」。在 Claude Code 裡它以 Plugin 安裝，同時帶進建模的 Skill 和本機的 CAD 檢視器服務，影片裡的 3D 預覽就是它。Skill 清單裡另有工程圖、DXF、可製造性檢查、G-code 切片等。

# 在 Claude Code 安裝（README 寫法：先加 marketplace，再裝 Plugin，然後重啟）
claude plugin marketplace add earthtojake/text-to-cad#latest
claude plugin install text-to-cad@earthtojake
# 預設會送出使用統計；不想送就關掉
uvx cadgen telemetry off

🧭 一句話總結

Claude Code 原本做不到的三件事——看懂沒有原始碼的軟體、記住一整本書、輸出能加工的 3D 模型——靠的都不是換一個更強的模型，而是接上對的東西：REA 用 MCP 給它一雙能操作逆向工具的手，book-to-skill 用 Skill 給它一本隨時翻得到的書，text-to-cad 兩樣都給。三支影片也留下同一個提醒：AI 交回來的答案要附證據、由你驗證——計算機有原始碼可對、恐龍跑一萬次核對、DX-Ball 比對 3,205 組輸入、零件上線前要核對公差。