环境搭建：Ubuntu 22.04虚拟机配置、Python 3.10虚拟环境创建、avatar2与angr的pip安装与源码编译
说实话，做固件逆向分析这么多年，我踩过最多的坑就是环境问题。你想想看，好不容易找到一个漏洞点，结果工具链跑不起来，那得多憋屈？所以这一章，咱们先把地基打牢。
我个人习惯用 Ubuntu 22.04 作为宿主系统。为什么选这个版本？因为它的 glibc 版本和 Python 3.10 的兼容性最好，我在项目中遇到过好几次因为 glibc 太新导致 angr 符号执行出诡异 bug 的情况。嗯，这里要注意，别图新鲜用 24.04，有些依赖包还没跟上。
1. 虚拟机配置要点
如果你用 VMware 或 VirtualBox，我建议给虚拟机分配至少 8GB 内存和 4 个 CPU 核心。angr 跑符号执行的时候，内存消耗很猛。我曾经在 4GB 的机器上跑一个简单的固件漏洞，结果直接 OOM 被 kill 了，白等两小时。
磁盘空间建议 60GB 以上。avatar2 调试时会产生大量快照文件，加上 angr 的缓存，空间很快就吃完了。
核心配置清单：
- CPU：4 核以上（推荐 8 核）
- 内存：8GB 以上（推荐 16GB）
- 磁盘：60GB 以上（推荐 120GB SSD）
- 网络：NAT 模式，方便 apt 更新
2. Python 3.10 虚拟环境创建
为什么非要虚拟环境？说白了，就是怕依赖冲突。angr 和 avatar2 对某些库的版本要求不一样，直接装系统里迟早出事。我见过有人把系统 Python 搞崩了，最后重装系统，那叫一个惨。
先确认系统 Python 版本：
python3 --version
# 如果版本不是 3.10，需要安装
sudo apt update
sudo apt install python3.10 python3.10-venv python3.10-dev
然后创建虚拟环境：
python3.10 -m venv ~/firmware_env
source ~/firmware_env/bin/activate
我个人习惯把虚拟环境放在 home 目录下，取名 firmware_env，这样一眼就能认出是干啥用的。每次打开终端第一件事就是 source ~/firmware_env/bin/activate，已经形成肌肉记忆了。
小技巧：在 ~/.bashrc 里加一行别名：alias fwenv='source ~/firmware_env/bin/activate'，以后直接敲 fwenv 就能激活环境。
3. avatar2 的 pip 安装与源码编译
avatar2 有两种安装方式。如果你只是做常规调试，pip 安装就够了。但如果你要修改 avatar2 的底层逻辑（比如自定义调试器接口），那就得源码编译。
3.1 pip 安装（推荐新手）
pip install avatar2
就这么简单？嗯，但有个坑。avatar2 依赖 pyelftools 和 capstone，有时候 pip 不会自动装全。我建议手动装一下：
pip install pyelftools capstone unicorn
为什么强调 unicorn？因为 avatar2 底层用 unicorn 做模拟执行，没有它，很多功能跑不起来。我曾经在项目里忘了装，结果 avatar2 启动后一直报 ImportError，排查了半天才发现是这个问题。
3.2 源码编译（进阶需求）
如果你需要调试 avatar2 的内部行为，或者想给它打补丁，那就走源码编译：
git clone https://github.com/avatartwo/avatar2.git
cd avatar2
pip install -e .
-e 参数表示可编辑模式，你修改源码后不需要重新安装，直接生效。这个在调试 avatar2 自身 bug 时特别有用。
注意：源码编译前确保系统装了 libffi-dev 和 pkg-config，否则编译会报错。命令：sudo apt install libffi-dev pkg-config
4. angr 的 pip 安装与源码编译
angr 的安装比 avatar2 稍微复杂一点，因为它依赖 z3 求解器。不过 pip 会自动处理，你只需要：
pip install angr
但这里有个性能问题。默认的 z3 是纯 Python 版本，跑符号执行时慢得让人抓狂。我建议安装带原生支持的 z3：
pip install angr-native
这个包会编译 z3 的 C++ 版本，速度能提升 5-10 倍。我在分析一个 2MB 的固件时，用纯 Python 版本跑了 3 小时没出结果，换成原生版本后 20 分钟就搞定了。差距就是这么大。
4.1 源码编译 angr
如果你要修改 angr 的源码（比如自定义符号执行策略），那就：
git clone https://github.com/angr/angr.git
cd angr
pip install -e .
angr 的源码结构比较清晰，核心逻辑在 angr/angr/ 目录下。我建议把 angr-management 也装上，它提供了一个 GUI 界面，方便查看 CFG 和符号执行状态：
pip install angr-management
5. 验证安装是否成功
装完之后，跑个简单的测试脚本，确认环境没问题：
import avatar2
import angr
print(f"avatar2 version: {avatar2.__version__}")
print(f"angr version: {angr.__version__}")
# 测试 angr 能否加载一个简单的二进制
proj = angr.Project("/bin/ls", auto_load_libs=False)
print(f"Binary architecture: {proj.arch.name}")
如果输出正常，说明环境搭建成功。如果报错，多半是依赖没装全，回头检查一下 capstone、unicorn、pyelftools 这几个包。
避坑指南：我曾经在 macOS 上装 angr，结果因为 clang 版本问题编译失败。后来切到 Ubuntu 22.04 虚拟机，一次成功。所以如果你用 Windows 或 macOS，强烈建议用虚拟机，省心很多。
6. 知识体系结构图
下面这张图概括了本章的环境搭建流程和依赖关系，你可以对照着检查自己的环境：
环境搭建这块，说白了就是一次配置，长期受益。只要按照上面的步骤走，基本不会出问题。如果遇到报错，别慌，先检查依赖包版本，再确认 Python 环境是否激活。我当年刚开始搞固件分析时，光环境就折腾了两天，现在回想起来，其实就是少装了一个 libffi-dev。
好了，环境搭好了，后面咱们就可以真正开始玩 avatar2 和 angr 的联合调试了。