夜雨聆风今天给大家介绍一个刚开源不久的代码审查工具——阿里巴巴的 Open Code Review。
说到代码审查，很多团队都在做，但真正做好的没几个。要么靠人工逐行看，效率太低；要么用通用 AI 工具（比如 Claude Code 加个 Skill），但审查质量很不稳定——改了大文件就漏文件、报的问题位置对不上、同样的规则今天严明天松。
阿里内部用两年多的 AI 代码审查助手，最近以 Open Code Review 的名字开源了。GitHub 上线后很快拿到近 7000 星，背后服务了几万开发者和数百万缺陷检测。
Open Code Review 概览
它和普通 AI 审查工具有什么不同？
大多数人用过 Claude Code 或者 Codex 来做代码审查，应该都有类似的感觉——代码改动大了，AI 就开始"偷懒"：挑几个文件看看完事，有些文件完全跳过；报的问题可能和实际代码位置对不上；换一套提示词，审查质量就参差不齐。
Open Code Review 解决这个问题的方式很特别。它的核心理念是「确定性工程 + 语言模型」，各自负责自己最擅长的部分。
确定性工程管什么
这部分是写死在代码里的逻辑，不靠大模型决定：
精准的文件筛选。不是把整个 PR 的 diff 丢给 AI，而是由工程逻辑先判断哪些文件需要审查、哪些应该过滤，确保不会遗漏重要变更。
智能文件分组。相关联的文件会被打包成一个审查单元。比如 message<em>en.properties 和 message</em>zh.properties 这两个国际化配置文件，系统知道它们应该一起审查。每个分组作为独立子任务运行，代码量再大的 PR 也能稳定处理，而且支持并发审查。
细粒度规则匹配。根据文件类型和特征匹配对应的审查规则。和有的大模型直接引导比起来，模板引擎式的规则匹配更稳定、结果更可预测。
外部定位和反思模块。AI 生成的问题评论，有一个独立的模块专门修正"位置漂移"的问题——确保它报出的问题位置是准确的。还有一个反射模块独立修正内容准确性。
语言模型管什么
大模型的能力被集中在真正需要它发挥的地方：
场景优化的提示词。针对代码审查场景深度优化的模板，不是通用提示词套上去就行了。同样的效果，需要的 token 更少。
场景优化的工具集。阿里的团队分析了大规模生产数据中的工具调用轨迹——包括各个工具的调用频率分布、重复率、新增工具对整体调用链的影响——蒸馏出一套专门为代码审查打磨过的工具集，比通用 Agent 工具箱稳定得多。
Benchmark 数据
实际效果怎么样
项目做了一个比较实在的基准测试：从 50 个热门开源仓库中选出了 200 个真实 Pull Request，覆盖 10 种编程语言，由 80 多位资深工程师交叉验证，标注了 1505 个真实问题。
结果和通用 Agent（Claude Code）对比：
- 精准率更高。Open Code Review 报出的问题，是真实缺陷的比例明显更高，意味着团队需要花更少的时间去甄别误报。
- F1 更高。综合得分更好。
- Token 消耗只有约 1/9。同样的底层模型，它的审查成本低了一个数量级。
- 审查速度更快。每次审查的时间也更短。
当然也有取舍——它的召回率比通用 Agent 低，这是设计时特意做出的选择：宁可漏掉一些不太关键的问题，也要确保报出来的每个问题都是准确的。对于大型团队来说，低误报率比面面俱到更重要，不然审查结果本身就需要人工复查了。
怎么用
安装很简单。通过 npm 全局安装：
bash npm install -g @alibaba-group/open-code-review
安装后 ocr 命令就可以用了。也支持直接下载二进制文件：
bash curl -Lo ocr https://github.com/alibaba/open-code-review/releases/latest/download/opencodereview-darwin-arm64 chmod +x ocr && sudo mv ocr /usr/local/bin/ocr
然后配置模型：
bash ocr config provider # 选择内置的模型提供商或自定义 ocr config model # 选择具体模型
在 Git 仓库中运行审查：
bash ocr review
就会读取当前分支的 Git diff，逐文件分析并生成结构化的审查意见。
支持的模型提供商包括 Anthropic Claude、OpenAI、OpenRouter 等，也支持兼容 OpenAI API 格式的自定义端点。
Provider 配置界面
适合什么场景
如果你是10 人以上的开发团队，每次 PR 需要人工审查但审查资源不足——这个工具可以直接集成到 CI 流程里，给每个 PR 自动生成审查意见。开发者提交代码后，几秒钟就能收到结构化的反馈，包括问题所在的行号、问题类型、修改建议。
如果你是用 Claude Code 做审查但觉得质量不稳定的——它的混合架构提供了一个更可靠的替代方案，确定性规则兜底，AI 只负责需要判断的部分。
不太适合的场景：只有一两个人的小团队，直接在聊天框里问 AI 的效果可能就够了，部署这套工具的成本不太划算。
GitHub：https://github.com/alibaba/open-code-reviewStars：6,988+ | License：MIT | 语言：Go
