阿里开源了一款 AI 代码审查工具：比 Claude Code 更精准、更省 token

从内部助手到开源利器，它是如何做到的？

做代码审查（Code Review）这件事，每个开发者都不陌生。人工看代码费时费力，自动化工具又往往流于表面——格式检查做得好，真正的问题却抓不住。

现在，阿里把内部用了两年、服务了数万开发者的 AI 代码审查助手开源了。项目名叫 Open Code Review（简称 OCR），上线不到一个月就在 GitHub 上拿到了近 8800 Stars。

今天来聊聊这个工具到底能做什么，以及它和 Claude Code 等通用 Agent 有什么本质区别。

📚 什么是 Open Code Review？

Open Code Review 是一款 AI 驱动的代码审查 CLI 工具，命令叫 ocr。它的核心工作流很简单：

读取 Git diff → 将变更文件发送给可配置的 LLM → 生成行级精度的结构化审查意见。

听起来和用 Claude Code 做代码审查差不多？别急，关键区别在于它的架构设计。

⭐ 核心功能

✅ 行级精准定位 — 不仅能发现问题，还能精确到具体哪一行代码

✅ 智能文件打包 — 将关联文件（如中英文翻译文件）归并为同一审查单元

✅ 精细化规则匹配 — 针对不同文件类型自动匹配审查规则

✅ 多模型支持 — 兼容 OpenAI 和 Anthropic API，也可自定义任意端点

✅ CI/CD 集成 — 一键接入 GitHub Actions、GitLab CI

数据：⭐ 8700+ Stars | 🧑‍💻 阿里内部验证两年 | 🔤 Go 语言开发

🔍 为什么需要它？通用 Agent 的痛点

如果你用过 Claude Code 配合 Skills 做代码审查，大概率遇到过这些问题：

覆盖不全。变更量大时，Agent 倾向于"偷懒"——只挑部分文件审，漏掉其他重要改动。

位置漂移。报告里说的问题，行号和实际代码对不上，找半天找不到在哪。

效果不稳定。提示词稍微改一下，审查质量就大幅波动，调试困难。

这些问题的根源是什么？阿里团队认为：纯语言驱动的架构缺乏对审查流程的强约束。

💡 核心设计：确定性工程 × Agent 混合驱动

Open Code Review 的思路很清晰——让工程做工程擅长的事，让 Agent 做 Agent 擅长的事。

确定性工程（强约束层）

这部分完全不依赖模型，保证"不能出错"的环节万无一失：

精准文件筛选 — 明确哪些文件需要审查，确保重要改动一个不漏

智能文件打包 — 关联文件归并为同一审查单元，每个包作为独立的 sub-agent 并行处理——超大变更也能稳定运行

精细化规则匹配 — 基于模板引擎而非自然语言来匹配审查规则，行为更稳定、结果更可预期

外挂定位与反思模块 — 独立的位置修正和内容反思组件，系统性提升 AI 反馈的准确性

Agent（动态决策层）

把 Agent 的能力集中在它真正擅长的地方：

场景化提示词 — 针对代码审查深度优化，效果更好、token 更少

场景化工具集 — 基于大规模线上数据沉淀出的专属工具集，不是通用工具的简单堆砌

📊 基准测试：比 Claude Code 更省更准？

阿里团队做了一个很有意思的基准测试。他们从 50 个热门开源仓库精选了 200 个真实 PR，覆盖 10 种编程语言，由 80+ 资深工程师交叉标注了 1505 个问题作为 ground truth。

结论很惊人：

在相同底层模型下，Open Code Review 取得了比 Claude Code 显著更高的准确率和 F1 得分，同时仅消耗了约 1/9 的 token。

当然也有取舍——召回率（Recall）低于通用 Agent。阿里团队认为这是合理的设计选择：宁可少报一点，也不要多报一堆误报。毕竟在 code review 场景下，一个误报带来的"狼来了"效应比漏报几个问题更糟。

🚀 快速开始

安装

最简单的安装方式：

npm install -g @alibaba-group/open-code-review

安装完就能用 ocr 命令了。也支持直接从 GitHub Release 下载二进制，或者从源码编译。

配置 LLM

使用前需要配置一个模型端点，支持三种方式：

交互式设置（推荐）：

ocr config provider    # 选择内置供应商或自定义ocr config model       # 选模型ocr llm test           # 测试连通性

手动配置：

ocr config set llm.url https://api.anthropic.com/v1/messagesocr config set llm.auth_token your-api-key-hereocr config set llm.model claude-opus-4-6ocr config set llm.use_anthropic true

支持 OpenAI、Anthropic 以及任意兼容端点。也可以配置 CC-Switch 等路由代理。

开始审查

# 审查所有变更ocr review# 比较两个分支ocr review --from main --to feature-branch# 审查单个提交ocr review --commit abc123

就这么简单。

🔌 集成到编程 Agent

Open Code Review 不仅可以单独使用，还能无缝集成到 AI 编程 Agent 中：

Claude Code：

/plugin marketplace add alibaba/open-code-review/plugin install open-code-review@open-code-review

安装后就能在 Claude Code 中使用 /open-code-review:review 命令。

OpenAI Codex：

codex plugin marketplace add alibaba/open-code-review

然后在 Codex 中用 @Open Code Review review my current changes 即可触发审查。

✅ 优缺点分析

优点：

🎯 精准度高 — 经过阿里内部大规模验证，准确率确实能打

💰 省 token — 比通用 Agent 少用约 90%，成本优势明显

⚡ 速度快 — 确定性工程层保证了稳定的执行效率

🔧 灵活集成 — CLI、编程 Agent、CI/CD 全覆盖

🆓 免费开源 — Apache 2.0 协议，放心使用

注意事项：

⚠️ 召回率偏低 — 以精准度换取低误报，漏掉的问题可能比通用 Agent 多一点

⚠️ 需要配置 LLM — 虽然支持多种模型，但首次使用仍需配置 API 端点

⚠️ 目前仅 CLI — 没有图形界面，适合习惯终端的开发者

🎯 总结

Open Code Review 的思路值得每个做 AI 工程的人思考：不要把什么交给 LLM。有些环节（文件筛选、规则匹配、位置修正）用确定性工程来做更可靠，Agent 只负责它真正擅长的动态决策。

这种"混合架构"的设计哲学，可能是未来 AI 工具的一条重要路径。

项目地址：https://github.com/alibaba/open-code-review

如果你也在用 AI 做代码审查，不妨试试看。至少比纯靠模型"猜"要靠谱得多。

💬 互动环节：你们团队现在用什么方式做代码审查？AI 辅助的吗？欢迎在评论区聊聊！

🔗 相关链接：

GitHub：https://github.com/alibaba/open-code-review

NPM 包：https://www.npmjs.com/package/@alibaba-group/open-code-review

官方文档：https://alibaba.github.io/open-code-review/