我开源了去幻觉与沉静式上下文清理工具

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

AI逆向常常会把偏移 结构用途讲错 上下文多了不清理又会变笨

我弄了抗模型幻觉与验证工具 解决逆向时幻觉 上下文污染

为什么做这个

逆向工程模型的幻觉

模型运作方式是根据训练资料去推最可能的答案 但消费者端模型没有练逆向 所以要抓一个 offset 或某结构时 很可能一本正经地讲错 这工具做法是在逆向的时候 不让模型用推理去猜 由工具去读真正的位元组算出真值

对于未验证的推断

跑任务的时候 对话 工具输出 还没验证的推断 甚至你随口骂的一句脏话 都可能污染上下文 导致模型注意分散与推断偏移 我让模型只把有用的资料带进上下文避免上下文无效污染

沉静清理上下文污染

上下文污染是长时间跑任务 对话被反覆自动压缩的副作用 对话掺杂太多东西模型的注意力会分散 慢慢分不清对错 甚至忘了这个专案本来要做什么 我把官方的压缩停掉 换成自己的上下文清理——对使用者来说就是你不用再自己 /clear 由工具帮你接管

能验什么

模型不能直接断言而是只能提主张 工具去对真正的位元组例如

• 某个 offset 的 bytes 或整数 字串、节区、import／export


• 某位址反组译出来是不是某段指令 AOB 特征码


• 函式边界、呼叫图、交叉引用

每个主张判决会附带证据与等级

分级

验过了并非表同一强度

• 证明：用 Z3 证两个表达式对所有输入都相等（可以拿来破 MBA 混淆）；


• 实测：把模型重建的函式真的跑起来 跟原版用同一批输入比对输出 不一致就回一个具体反例；


• 观察：只读没验证过的

底层是一整套逆向工具箱

专案本身就是可以用的工具 纯 Python

• PE／ELF／Mach-O 解析、x86／x64／ARM／ARM64 反组译、AOB 扫描、CPU 模拟、Protobuf／TLV 拆包、Frida hook、hexdump、二进位 diff。


• 装了 capstone／unicorn／lief／z3／angr 就自动升级成全精度

支援多个cli

沉静清理做成了通用功能：

• 支援 Claude Code、Codex CLI、Gemini CLI、OpenCode，一句 reverify rollover install 装好、reverify rollover doctor 检查。


• 上下文满了不做摘要，换掉整段对话。交接档要验过才发收据，并带回你原本的话，所以目标不会被总结到走钟。


• 验过的事实存在帐本里，跨 /clear、压缩、重开都在；已知是错的会被记成负向记忆，同一个幻觉不会又被提一次。

也是个 MCP server，在 Claude Code、Cursor 里就是你的 agent 直接呼叫

证据

• 零误放：预设函式开头模型先盲验 71 个系统档97% 是错的 验证器则是没有误判


• 验证器本身业列为不可信任单位

限制

• 它验的是结构和行为


• 行为实测因为真的会跑原始码 会预设关闭 要自己开环境变数才会跑


• 换对话只有在终端机用启动器可以启用 网页版本无法

安装

pip install reverify        # 核心，MIT，Python 3.8+

# 最新的通用 rollover 在 v0.11.0，PyPI 更新中，想先用：

pip install "git+https://github.com/2akouwu/reverify"

原始码、测试、三平台 CI 公开

如果对你有帮助欢迎点个star​^-^支持 这是我继续前进的动力

有对开源专案也有兴趣的朋友也欢迎戳我私讯认识

{\__/}

( • - •)

/ > ^-^ 给你爱心