🕵️ 阿里内部用了两年的 AI Code Review，开源了

📌 一句话总结：Open Code Review 是阿里集团内部官方 AI 代码审查助手，经过两年、数万开发者、上百万缺陷的实战锤炼后开源。它的杀手锏是「确定性管道 + LLM Agent」的混合架构——比通用 Agent 精准度更高，Token 消耗却只要 1/9。

🤔 用 AI 审代码，你遇到过这些坑吗？

用 Claude Code 之类的通用 Agent 审代码，爽是爽，但坑也不少：

• 审不全 😤 改动一大，Agent 就开始「偷工减料」，选择性看几个文件
• 定位飘 🎯 评论说的问题跟实际代码位置对不上，行号都是错的
• 不稳定 🎢 换个提示词，审查质量就剧烈波动，跟开盲盒似的

根因就一个：纯靠语言模型驱动，审查过程没有硬约束。

💡 阿里的解法：确定性工程 + Agent，各干各擅长的

Open Code Review（简称 OCR）的核心哲学很朴素：

该严谨的地方交给代码逻辑，该灵活的地方才交给大模型。

https://open-codereview.ai/

🏗️ 确定性工程（硬约束，绝不出错）

• 精准文件选择：程序判断哪些文件要审、哪些该过滤，绝不漏掉关键改动
• 智能文件打包：把相关文件捆成一组（比如 message_en.properties 和 message_zh.properties 一起审），每组一个子 Agent 独立干活——大改动也不慌，还能并行 🧵
• 规则模板匹配：每条规则精准匹配对应文件类型，让模型注意力高度聚焦
• 定位与反思模块：独立的评论定位 + 评论反思模块，系统性地提升准确率

🤖 Agent（动态决策，灵活应变）

• 深度优化的代码审查专用提示词，又准又省 Token
• 从阿里海量生产数据里蒸馏出的专用工具集，比通用工具包稳定得多

📊 用数据说话：完胜通用 Agent

OCR 团队搞了个真实基准：50 个热门开源仓库、200 个真实 PR、10 种语言，由 80+ 资深工程师交叉验证出 1505 个标注缺陷。

同模型对比 Claude Code，精准度和 F1 更高，Token 只要九分之一，还审得更快——这就是确定性管道的威力。

（注：Recall 略低是刻意取舍——宁可少报，也不制造噪音干扰你。）

🚀 三分钟上手

安装（需要 Git ≥ 2.41）

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

配置模型

ocr config provider   # 选服务商ocr config model      # 选模型

交互式界面引导你填 API Key、选模型，还自动测试连通性。

开始审查

cd your-project# 审查当前所有改动ocr review# 比较两个分支ocr review --from main --to feature-branch# 审查某个 commitocr review --commit abc123# 全文件扫描（审计陌生代码库，不需要 git 历史）ocr scan

还有 Delegation Mode：让 AI 编程 Agent 自己执行审查，OCR 只负责文件选择和规则解析，连 LLM 都不用配置 🎉

🤔 我的看法

阿里这波开源诚意十足：内部锤炼两年、验证过百万级缺陷的工具直接开源，还带着完整基准数据来「自证清白」，这在国内大厂里相当少见。

对开发者来说，这意味着：

• Code Review 再也不是走过场，AI 帮你抓 NPE、线程安全、XSS、SQL 注入
• CI 里加一步 OCR，相当于给团队配了个 24 小时不休息的资深评审员 🧑‍💼
• 内置规则集针对高发缺陷微调过，开箱即用

省 9 倍 Token 这点尤其香——用最少的钱，得到更精准的审查，老板看了都落泪 💰

🔗 链接收藏

• GitHub 仓库： alibaba/open-code-review^[1]
• 官网： open-codereview.ai^[2]
• 文档： open-codereview.ai/docs/installation
• 中文 README： 仓库内 README.zh-CN.md

💬 你现在用 AI 做 Code Review 吗？觉得 AI 审代码靠不靠谱？评论区聊聊你的体验 🕵️

🎨 本文使用 Lapis 主题排版

引用链接