做 JS 逆向的朋友，大概率都经历过这样的场景：定位到一个加密函数，信心满满地把代码复制到 Node 里，一运行，第一行就报 window is not defined 。补一行，再跑，又报 document is not defined 。再补，又告诉你 navigator 上没有 userAgent 。就这样，一整个下午耗在跟 undefined 搏斗上，加密逻辑一行都没来得及看。
这不是你技术不行，而是“补环境”这件事本身就足够劝退新手。过去主流的做法是手动开一个浏览器环境挨个补对象，或者加载一份动辄几千行的通用环境脚本，出了问题还得自己在报错栈里慢慢抠。效率低，心智负担大，而且极其容易在补完环境之后发现，真正要分析的算法还没开始。
这篇文章想聊的是：怎么把“补环境”从手动体力活，变成 AI 辅助的快速迭代过程。主角是近期社区讨论度很高的终端 AI 编码工具 OpenCode。我的判断是：AI 不会替你理解加密算法，但它能把“报错→搜答案→手动补→再报错”的低效循环，压缩成“报错→让 AI 读→自动生成补环境→验证”，这是小白从劝退到入门的关键一步。
特别说明，网上不少教程喜欢拿瑞幸小程序、某某点单小程序当案例。本文不会这么做。实战部分我会使用自定义 demo 演示通用原理，真实小程序的分析请务必在合法授权范围内进行。下面进入正题。
1. AI 逆向为什么突然火了：先解决“补环境”这个磨人问题
1.1 什么是补环境，为什么逆向离不开它
前端逆向里有一个非常常见的需求：网页或小程序里的加密函数，原本运行在浏览器里，依赖 window 、 document 、 navigator 、 localStorage 这些浏览器对象。但我们要在 Node.js 里单独运行这段函数，方便调试、分析算法、验证结果。Node.js 没有这些浏览器对象，一运行就会报错。
“补环境”就是在 Node.js 里模拟出这些浏览器对象，让依赖浏览器环境的脚本能跑起来。听起来简单，做起来却非常琐碎。
手动补环境的典型循环是这样的：
这个循环看起来有推进，实际上每一步都在消耗你宝贵的分析时间。更麻烦的是，有些浏览器对象存在原型链关系，不是简单补一个全局变量就能糊弄过去。后面我会专门讲原型链补环境。
1.2 手动补环境的痛点
第一个痛点是“无底洞”。你永远不知道下一个报错在哪个角落。有时候一个加密函数依赖十几个浏览器 API，手动补完要花一两个小时，而且补出来的代码自己都没底，不确定是不是和真实浏览器行为一致。
第二个痛点是“不可复用”。每个脚本依赖的环境都不一样，你在这段代码上补的 window ，换一个脚本可能就不适用。更别提有些代码会检测环境真实性，比如检查 navigator.webdriver 是否存在，这时候简单的全局变量赋值就会露馅。
第三个痛点是“知识断层”。对新手来说，看到报错往往不知道应该补成什么样，只能到处搜索。AI 出现之前，这个学习曲线是很陡的。
1.3 AI 如何改变这个流程
AI 辅助补环境的思路，和手动补环境完全不同。手动补是“面向报错编程”，AI 辅助是“面向意图编程”。你只需要告诉 AI：这段代码依赖哪些浏览器 API，请生成补环境脚本。AI 会直接读代码，分析依赖，生成一份最小可运行的补环境文件。
更关键的是，AI 能处理“为什么这么补”的问题。你可以追问它：为什么 window 要指向 global ？为什么这里要用 Object.defineProperty 而不是直接赋值？这种交互方式，等于身边随时坐了一个有经验的逆向老手。
这才是 AI 逆向真正有价值的点：它不是替你颠覆逆向，而是把环境搭建这种高重复、高琐碎、低认知增益的部分接管过去，让你把精力集中在算法分析本身。
2. OpenCode 是什么，和 Codex / Cursor 有哪些区别
2.1 先认识 OpenCode
OpenCode 是一个开源的、运行在终端里的 AI 编码代理（AI Coding Agent）。它和 Codex、Cursor 这类工具属于同一个赛道，但因为交互形态和使用方式不同，在开发者社区里吸引了一批忠实用户。
简单理解，OpenCode 就是一个命令行版本的 AI 结对程序员。你在终端里启动它，它会读取你当前项目的代码结构，理解你的项目规则，然后根据你的自然语言指令去读写代码、执行命令、运行测试、修复报错。
它最吸引人的一个特点是“Agent 感”很强。不是简单地帮你补全一行代码，而是像一个真正坐在你旁边工作的工程师，自己规划步骤、执行命令、观察结果、调整方案，直到完成任务。
常见的热搜词里，和 OpenCode 同时出现的往往还有 opencode 安装 、 opencode 使用教程 、 opencode skill 、 opencode 如何切换模型 ，说明大家最关心的是怎么用起来、怎么配置成适合自己的形态。
2.2 OpenCode 的核心能力
从使用体验和官方文档来看，OpenCode 的核心能力可以归纳为以下几点。
第一，多模型支持。OpenCode 不绑定单一模型，可以接入 Anthropic、OpenAI、Google Gemini、DeepSeek 等多家大模型，也支持本地模型。这意味着你可以根据任务难度切换模型，简单任务用便宜模型，复杂逆向分析用强模型。
第二，项目规则文件 AGENTS.md。你可以在项目根目录放一个 AGENTS.md ，告诉 OpenCode 这个项目的技术栈、代码规范、特别注意事项。它启动后会自动读取，相当于给 AI 设定项目上下文。
第三，Skills 技能机制。你可以为 OpenCode 定义自己的“技能包”。比如针对逆向补环境，可以写一个 Skill，让 AI 在遇到 JS 报错时自动按固定流程生成补环境代码，而不是每次从头解释一遍。
第四，MCP 支持。OpenCode 可以接入 MCP（Model Context Protocol）服务器，扩展它获取外部信息的能力。
第五，多形态客户端。除了终端 TUI，还有桌面版、VSCode 插件等形态，可以覆盖不同用户的操作习惯。
2.3 OpenCode 与 Codex、Cursor 的定位差异
| 运行形态 |
