Communitygithub.com

zhutao100/pesquisa-framework-privado-macos

Skill para agente pesquisar frameworks privados modernos do macOS com extração de cache compartilhado dyld, reconstrução de metadados Objective-C/Swift, fluxos de trabalho Hopper/RuntimeViewer/RuntimeBrowser/ipsw e inferência de tipo guiada por LLM estilo MOTIF

O que é pesquisa-framework-privado-macos?

Esta skill habilita agentes de IA a pesquisar e analisar frameworks privados do macOS, baseando-se em técnicas modernas como extração do cache compartilhado dyld, reconstrução de metadados de Objective-C e Swift, e uso de ferramentas como Hopper, RuntimeViewer, RuntimeBrowser e ipsw. Ela é particularmente útil para engenheiros de software e pesquisadores de segurança que precisam entender APIs não documentadas do macOS ou realizar engenharia reversa de componentes do sistema. A skill suporta fluxos de trabalho que combinam análise estática com inferência de tipo guiada por LLM (estilo MOTIF), permitindo reconstruir assinaturas de métodos e estruturas de dados a partir de binários. Com essa skill, o agente pode automatizar tarefas como listar classes de um framework, inspecionar hierarquias de herança, extrair ivars e propriedades, e gerar cabeçalhos de interface Objective-C/Swift reconstruídos.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add zhutao100/macos-private-framework-research-skill

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que pesquisa-framework-privado-macos faz?

Skill para agente pesquisar frameworks privados modernos do macOS com extração de cache compartilhado dyld, reconstrução de metadados Objective-C/Swift, fluxos de trabalho Hopper/RuntimeViewer/RuntimeBrowser/ipsw e inferência de tipo guiada por LLM estilo MOTIF

Visão Geral

Esta skill permite que agentes de IA realizem pesquisas profundas em frameworks privados do macOS, utilizando técnicas de extração do cache compartilhado dyld, reconstrução de metadados Objective-C/Swift e ferramentas de análise como Hopper, RuntimeViewer, RuntimeBrowser e ipsw. A skill é ideal para engenheiros de software e pesquisadores de segurança que precisam entender APIs não documentadas.

Ferramentas e Fluxos de Trabalho

Extração de Cache Compartilhado dyld

  • Localizar e extrair imagens de frameworks privados do cache compartilhado do sistema
  • Usar ferramentas como dyld_shared_cache_util ou ipsw para extrair binários específicos

Reconstrução de Metadados Objective-C/Swift

  • Reconstruir cabeçalhos de interface Objective-C a partir de metadados de tempo de execução
  • Extrair classes, protocolos, métodos, ivars e propriedades
  • Suporte para Swift mangling e reconstrução de assinaturas

Fluxos de Trabalho com Ferramentas

  • Hopper: Análise descompilada e gráficos de fluxo de controle
  • RuntimeViewer: Visualização interativa da hierarquia de classes em tempo real
  • RuntimeBrowser: Navegação dinâmica de bibliotecas Objective-C
  • ipsw: Extração e análise de firmwares iOS/macOS

Inferência de Tipo Guiada por LLM (Estilo MOTIF)

  • Utilizar LLMs para inferir tipos de parâmetros e retornos a partir de contexto binário
  • Aplicar técnicas de MOTIF (Modeling Type Inference from Binary) para reconstrução precisa de tipos
  • Combinar análise estática com heurísticas de IA para gerar assinaturas de métodos confiáveis

Exemplos de Uso

# Extrair um framework privado do cache compartilhado
ipsw dyld extract -f /System/Library/PrivateFrameworks/FooKit.framework/FooKit /tmp/extracted/

# Listar todas as classes de um framework extraído
otool -ov /tmp/extracted/FooKit | grep -E "^class "

# Reconstruir cabeçalho Objective-C com RuntimeBrowser
python3 runtimebrowser.py --binary /tmp/extracted/FooKit --output /tmp/headers/

Integração com Agente

O agente pode:

  1. Solicitar ao usuário o caminho de um framework privado
  2. Extrair o binário do cache compartilhado
  3. Analisar metadados Objective-C/Swift
  4. Usar ferramentas de descompilação para inferir tipos
  5. Gerar cabeçalhos reconstruídos e documentação

Notas Técnicas

  • A extração precisa de permissões de root ou acesso a arquivos de sistema protegidos
  • A reconstrução de tipos Swift pode ser menos precisa devido a mangling complexo
  • A inferência de tipo assistida por LLM requer uma chave de API configurada para o modelo

Habilidades Relacionadas