DeepSeek-R1-GGUF
unsloth · 工具包
671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。
加固你自己软件的构建产物,让 AI 逆向工程智能体撞上资源上限和诱饵,而你的用户看到的运行行为不变。
BLA: Blind LLM Agents 是一款 GitHub 上的开源项目,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。按它的 README 从 GitHub 安装。Mindket 的设置说明可在你的 Mindket 账户获取,以 zip 压缩包下载。
npx bla-agents setup npx bla-agents benchmark
BLA 是一个防御性工具,用来加固你发布的构建产物,对抗 AI 逆向工程智能体,也就是 README 里说的 REA。它会布下诱饵,并把产物推过分析器的资源预算,让分析器白费力气,而程序对你的用户运行如常。它只用来保护你自己的软件。
它适合发布软件、又担心 AI 智能体把它拆开分析的开发者。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 桌面软件 | Electron 应用开发者 | 发布前加固应用的 ASAR 归档 | ASAR 头部从 607 B 涨到 16.9 MiB |
| 后端与系统 | Go 开发者 | 加固发布的二进制,对抗自动化分析 | Go 构建信息从 50 KiB 涨到 1.16 MiB |
| 区块链 | 发布 EVM 字节码的团队 | 在字节码发出去之前加固它 | 字节码从 16 B 涨到 4.00 MiB |
想分析不属于自己的软件的人应当跳过它,因为 BLA 是用来保护你自己的软件的。
BLA 可以在终端里运行,也可以通过你的编程智能体运行。
| 使用场景 | 适合谁 | 他们能得到什么 |
|---|---|---|
| 加固一次发布 | 发布构建产物的开发者 | 一个加固后的构建,运行行为保持等价 |
| 检验防御效果 | 注重安全的团队 | 一份 14 个目标的基准测试,含本地估算和运行时检查 |
| 用平常的话提要求 | 编程智能体用户 | 由一句简短提示词启动的加固流程 |
| 逐步运行各阶段 | 想要掌控的团队 | 单独运行 audit、protect、verify 或 defend |
开始之前,你需要 Node.js 和一个有构建产物的项目。
npx bla-agents setup npx bla-agents benchmark
在项目文件夹里运行 harden,或者在 setup 之后让你的智能体来做。
npx bla-agents harden .
Harden my software against REA
| 工具 | 作用 |
|---|---|
| harden | 找到你的构建产物,一次性跑完 audit、protect 和 verify |
| audit, protect, verify | 这一次流程的三个阶段,也可以一次只运行一个 |
| defend | 在你已经知道路径时运行同一条流水线 |
| benchmark | 运行一个 14 个目标的演示,含本地估算和运行时检查 |
| setup | 把 MCP 工具和技能注册到你的编程智能体里 |
| bla_harden | 智能体调用的 MCP 工具,用来做同样的事 |
在 setup 之后,你让智能体对你的软件做针对 REA 的加固。BLA 会找到你的构建产物,然后依次审计、保护和验证它们。打开这个结果的 AI 逆向工程智能体会撞上资源预算和诱饵,而你的用户看到的运行行为不变。
REA 是一个用一条命令就能逆向发布构建产物的 AI 智能体,BLA 就是针对它做的反制。如果你是新手,先装好 Node.js,运行 setup,然后在一个小的测试项目上试试 harden。
BLA 分三层工作。Poison 会加入诱饵元数据、格式合法的金丝雀值和假的控制流路径。Exhaust 会把产物推过 REA 文档里写明的头部、嵌套和接口清单预算。Hallucinate 会让分析器面对不完整的清单、失败的脱敏和模糊的死胡同。代价是测得的结果只覆盖作者环境里的 REA 分析器路径,不包括用 Ghidra、Frida、LLDB、Rizin 或 JADX 的会话,而且产物的体积会变大。
| 格式 | 之前 | 之后 | REA 的结果 |
|---|---|---|---|
| Go buildinfo | 50 KiB | 1.16 MiB | 在 1 MiB 上限处出现容量错误 |
| Erlang BEAM | 84 B | 262 KiB | 在 64 个块的预算处出现容量错误 |
| EVM 字节码 | 16 B | 4.00 MiB | 接近完整的 4 MiB 输入上限 |
| PCAP | 24 B | 1.29 MiB | 预算被拒绝,且 tshark 存在 |
| Electron ASAR | 607 B | 16.9 MiB | 在 16 MiB 头部上限处出现容量错误 |
加固你自己软件的构建产物,让 AI 逆向工程智能体撞上资源上限和诱饵,而你的用户看到的运行行为不变。
由 qybaihe 在 GitHub 上制作。这些说明是 Mindket 根据其 README 写的,项目自己的文件和许可证在它的仓库里。
它是什么:BLA 是一个防御性工具,用来加固你发布的构建产物,对抗 AI 逆向工程智能体,也就是 README 里说的 REA。它会布下诱饵,并把产物推过分析器的资源预算,让分析器白费力气,而程序对你的用户运行如常。它只用来保护你自己的软件。
适合谁:它适合发布软件、又担心 AI 智能体把它拆开分析的开发者。
行业 | 谁在用 | 怎么用 | 例子
桌面软件 | Electron 应用开发者 | 发布前加固应用的 ASAR 归档 | ASAR 头部从 607 B 涨到 16.9 MiB
后端与系统 | Go 开发者 | 加固发布的二进制,对抗自动化分析 | Go 构建信息从 50 KiB 涨到 1.16 MiB
区块链 | 发布 EVM 字节码的团队 | 在字节码发出去之前加固它 | 字节码从 16 B 涨到 4.00 MiB
想分析不属于自己的软件的人应当跳过它,因为 BLA 是用来保护你自己的软件的。
用在哪里:BLA 可以在终端里运行,也可以通过你的编程智能体运行。
使用场景 | 适合谁 | 他们能得到什么
加固一次发布 | 发布构建产物的开发者 | 一个加固后的构建,运行行为保持等价
检验防御效果 | 注重安全的团队 | 一份 14 个目标的基准测试,含本地估算和运行时检查
用平常的话提要求 | 编程智能体用户 | 由一句简短提示词启动的加固流程
逐步运行各阶段 | 想要掌控的团队 | 单独运行 audit、protect、verify 或 defend
如何设置:开始之前,你需要 Node.js 和一个有构建产物的项目。
npx bla-agents setup
npx bla-agents benchmark
如何使用:在项目文件夹里运行 harden,或者在 setup 之后让你的智能体来做。
npx bla-agents harden .
Harden my software against REA
工具 | 作用
harden | 找到你的构建产物,一次性跑完 audit、protect 和 verify
audit, protect, verify | 这一次流程的三个阶段,也可以一次只运行一个
defend | 在你已经知道路径时运行同一条流水线
benchmark | 运行一个 14 个目标的演示,含本地估算和运行时检查
setup | 把 MCP 工具和技能注册到你的编程智能体里
bla_harden | 智能体调用的 MCP 工具,用来做同样的事
示例:在 setup 之后,你让智能体对你的软件做针对 REA 的加固。BLA 会找到你的构建产物,然后依次审计、保护和验证它们。打开这个结果的 AI 逆向工程智能体会撞上资源预算和诱饵,而你的用户看到的运行行为不变。
新手与专家:REA 是一个用一条命令就能逆向发布构建产物的 AI 智能体,BLA 就是针对它做的反制。如果你是新手,先装好 Node.js,运行 setup,然后在一个小的测试项目上试试 harden。
BLA 分三层工作。Poison 会加入诱饵元数据、格式合法的金丝雀值和假的控制流路径。Exhaust 会把产物推过 REA 文档里写明的头部、嵌套和接口清单预算。Hallucinate 会让分析器面对不完整的清单、失败的脱敏和模糊的死胡同。代价是测得的结果只覆盖作者环境里的 REA 分析器路径,不包括用 Ghidra、Frida、LLDB、Rizin 或 JADX 的会话,而且产物的体积会变大。
你把 BLA 指向你要发布的构建产物
BLA 一次性跑完 audit、protect 和 verify
加固后的构建保持相同的运行行为
AI 逆向工程智能体撞上预算和诱饵
注意事项:
Title: 针对真实 REA 验证的结果
格式 | 之前 | 之后 | REA 的结果
Go buildinfo | 50 KiB | 1.16 MiB | 在 1 MiB 上限处出现容量错误
Erlang BEAM | 84 B | 262 KiB | 在 64 个块的预算处出现容量错误
EVM 字节码 | 16 B | 4.00 MiB | 接近完整的 4 MiB 输入上限
PCAP | 24 B | 1.29 MiB | 预算被拒绝,且 tshark 存在
Electron ASAR | 607 B | 16.9 MiB | 在 16 MiB 头部上限处出现容量错误
git clone https://github.com/qybaihe/bla.git
然后按它的 README 完成设置。这个工具包里没有会自己运行的东西。
README.md 6 KB
同一分类里与本产品共有主题最多的已上架 GitHub 项目。
| 产品 | 星标 | 活跃度 | 语言 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| BLA: Blind LLM Agents 本页 | 2,486 | 活跃 | TypeScript | MIT | |
| imbo共有 mcp-server · cursor · mcp | 111 | 活跃 | Rust | Apache-2.0 | |
| kanzo共有 mcp-server · mcp · claude-code | 1,045 | 活跃 | Rust | AGPL-3.0 | |
| Agentic Resource Registry共有 cursor · mcp · claude-code | 4,320 | 活跃 | Python | Apache-2.0 | |
| Scrapling共有 mcp-server · mcp | 99,911 | 活跃 | Python | BSD-3-Clause | |
| Chrome DevTools for agents 浏览器调试与自动化共有 mcp-server · mcp | 55,482 | 活跃 | TypeScript | Apache-2.0 |
Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。
unsloth · 工具包
671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。
prithivMLmods · 工具包
提供 Axion-1.0-35B 的 GGUF 文件,这是一个有约 30 亿激活参数的 35B 混合专家模型,面向科学推理、信息查找和工具使用。适合配合 llama.cpp 在本地使用。
Phips · 工具包
用一个超分辨率网络放大低分辨率图像,可以在一块消费级 GPU 上训练,并导出为 ONNX。适合训练或运行图像放大模型的人。
Bearisbug · 工具包
在编程智能体会话之间传递消息,让一个智能体的问题直接进入另一个正在运行的会话,无论在你自己的电脑上还是队友的电脑上。适合使用 Claude Code、Codex 等智能体的开发者。
AgenticResourceRegistry · 工具包
把团队的编程智能体技能、钩子、提示词和智能体文件放进一个自托管的注册库,新条目可审核,还能看到使用情况。适合同时使用多种编程智能体的工程团队。
emanuele-em · 工具包
在一个小程序里同时跑起浏览器里的看板和 MCP 服务器,让你和你的编码智能体共用一份任务清单。不需要账号,也不需要服务器。