阿里重磅开源 AI 代码评审工具！

AI 生成代码爆发，人工 review 已经跟不上海量代码，代码评审成为研发新瓶颈。 阿里把内部打磨两年的 AI 代码评审助手 Open Code Review 正式开源，这是一款 CLI 命令行工具，之前在阿里内部服务数万开发者，识别数百万代码缺陷。
很多人直接用 Claude Code 这类通用 Agent 做代码评审，但痛点很突出：大改动容易偷懒漏文件、问题行号对不上、输出效果不稳定。 根源就是纯自然语言驱动，缺少强约束。
这款工具采用确定性工程 + Agent 混合架构，各司其职。 文件筛选、规则匹配、代码定位交给工程逻辑保证稳定；大模型 Agent 只做动态推理、检索上下文。

实测对比，各有取舍
阿里联合南大搭建 AACR-Bench 评测集，用 200 个真实 PR、10 种编程语言，80 多名资深工程师标注，横向对比多款工具。
Open Code Review：准确率优势明显，25%~38%，远高于 Claude Code 的 7%~16%，噪声告警更少，综合 F1 指标领先，token 消耗更低，评审更快。
Claude Code：强项是召回率，能查出更多潜在问题，适合安全审计这种不能漏 bug 的场景，但资源开销巨大，单次评审成本高。 Codex 召回率偏低，仅适合简单快速扫描。 测试还发现一个有意思结论：大模型新版本不一定全面更强，Claude-4.8-Opus 更精准，但变得保守，漏掉更多问题。
三大核心技术，解决 AI 评审老大难
👉 减少漏报：把关联文件打包成评审单元，大变更先制定评审方案，子 Agent 可以跨文件检索代码，发现隐藏缺陷。
👉 降低误报：自研反思模型过滤无效告警，四层自定义规则，从临时命令、项目配置、个人偏好到系统内置，团队按需定制检查标准，减少业务场景误判。
👉 精准定位：三层递进定位策略，搭配专项定位模型，阿里内部评论位置准确率超 97%，解决 AI 反馈代码位置漂移的通病。
同时整套系统做了完善的 Token 成本控制，分治并发、上下文压缩、文件预过滤，避免大仓库评审费用失控。

行业新思路与未来规划
文章也指出一个行业问题：随着 AI 代码普及，靠用户采纳率评估 AI 评审质量并不客观。 阿里和南大联合推出 AACR-Bench 评测基准，从代码运行轨迹、客观用例来衡量工具真实能力。 后续项目会陆续开放 Ultra 评审模式、IDE 插件、MCP 集成等新特性，欢迎社区开发者参与共建。

你在开发中使用过 AI 评审代码吗？你更看重低误报，还是宁可多报也不漏掉 bug？评论区聊聊。