尧图网站建设 
OpenCodeReview 实战指南阿里巴巴开源的高精度 AI 代码审查 CLI 与确定性工程 × Agent混合架构解析【免费下载链接】open-code-reviewFast, efficient, battle-tested at Alibabas scale. Hybrid architecture code review tool: deterministic pipelines LLM Agent, precise line-level comments, built-in multi-language ruleset (NPE, thread-safety, XSS, SQL injection), OpenAI Anthropic compatible.项目地址: https://gitcode.com/GitHub_Trending/op/open-code-reviewOpenCodeReview命令名ocr是一款 AI 驱动的代码审查 CLI 工具源自阿里巴巴集团内部官方 AI 代码审查助手经过大规模生产环境验证后开源。它以 Git Diff 为输入通过带工具调用能力的 Agent 向可配置的 LLM 发送变更文件最终产出行级精度的结构化评审意见其核心设计是确定性工程 Agent混合架构——用工程逻辑约束绝不能出错的环节用 Agent 承担动态决策从而解决通用 Agent 做代码审查时覆盖不全、位置漂移、质量波动三大痛点。读完本文你将掌握ocr的安装、LLM 配置、四种审查模式diff 审查 / 分支区间 / 提交 / 全文件扫描与委派模式的使用方法并能从源码层面理解其分组、规则匹配、定位与反思模块的底层原理。OpenCodeReview 是什么Open Code Review 是一个 AI 赋能的代码审查 CLI 工具其前身是阿里巴巴集团内部官方 AI 代码审查助手据项目 README.md 自述过去两年内它服务了数万名开发者、识别了数百万个代码缺陷在超大规模验证后孵化并开源给社区。只需配置一个模型端点即可开始使用。它的工作方式如下读取 Git Diff将变更文件交给可配置的 LLM该 LLM 以具备工具调用tool-use能力的 Agent 形式运行生成带行级精度的结构化审查评论。Agent 在审查过程中可以读取完整文件内容、搜索代码库、查看其他变更文件以获取上下文因此产出的是深度审查而非停留在 diff 表面的浅层反馈。除 diff 审查外ocr scan还能对整个文件进行审查适用于审计不熟悉的代码库或没有有效 diff 的目录。相关入口与执行流程见 cmd/opencodereview/review_cmd.go 与 cmd/opencodereview/scan_cmd.go。为什么需要 OpenCodeReview通用 Agent 的三大痛点如果你使用过带 Skills 的通用 Agent如 Claude Code做代码审查很可能遇到过这些痛点覆盖不全Incomplete coverage面对较大的变更集Agent 倾向于抄近路只选择性审查部分文件而漏掉其他文件。位置漂移Position drift报告的 issue 经常与实际代码位置对不上行号或文件引用会偏移。质量不稳定Unstable quality由自然语言驱动的 Skills 难以调试评审质量会随提示词细微变化而明显波动。README 指出这些问题的根源在于纯语言驱动的架构对审查过程缺乏硬约束a purely language-driven architecture lacks hard constraints on the review process。核心设计确定性工程 × Agent 混合架构OpenCodeReview 的核心哲学是把确定性工程与 Agent 结合起来各做自己最擅长的事combine deterministic engineering with an agent, each handling what it does best。确定性工程——提供硬约束对于绝不能出错的审查环节由工程逻辑而非语言模型保证正确性精确的文件选择Precise file selection由代码决定哪些文件需要审查、哪些应该过滤确保不遗漏任何重要变更。智能文件打包Smart file bundling把相关文件归并为一个审查单元例如message_en.properties与message_zh.properties会被打包在一起。每个 bundle 作为一个子 Agent 运行上下文相互隔离——这是一种分而治之divide-and-conquer策略在超大变更集上依然稳定并且天然支持并发审查。其实现位于 internal/agent/grouping.gogroupDiffs先调用 LLM 依据文件元数据不含 diff 内容做语义分组一旦 LLM 分组失败就回退为每文件一组同时通过enforceMaxFilesPerGroup单组上限maxFilesPerGroup 10个文件与enforceGroupTokenBudget按 token 预算拆分两道阀值保证每组规模可控。细粒度规则匹配Fine-grained rule matching根据每个文件的特点匹配对应的审查规则把模型的注意力精准聚焦从源头消除信息噪声。相比纯语言驱动的规则指引基于模板引擎的规则匹配更稳定、可预测。规则体系详见下文多语言内置规则集一节。外部定位与反思模块External positioning and reflection modules独立的评论定位comment-positioning与评论反思comment-reflection模块系统性提升 AI 反馈的位置准确度与内容准确度。Agent——负责动态决策Agent 的强项被集中在最需要它的地方——动态决策与动态上下文检索场景调优的提示词Scenario-tuned prompts针对代码审查深度优化的提示模板在提升效果的同时降低 token 消耗。相关模板集中在 internal/config/template/prompts/如main_task_system.md、plan_task_system.md、re_location_task_system.md、review_filter_task_system.md、memory_compression_task_system.md等。场景调优的工具集Scenario-tuned toolset基于大规模生产数据中工具调用轨迹的深度分析调用频率分布、单工具重复率、新工具对整体调用链的影响等提炼而来是一套为代码审查专门构建的工具集比通用 Agent 工具包更稳定、更可预测。审查时注册的工具见 cmd/opencodereview/review_cmd.go 的buildToolRegistryfile_read读取文件、file_find查找文件、file_read_diff读取指定文件 diff、code_search代码搜索、code_comment产出评论。从源码看完整流水线在 internal/agent/agent.go 中Agent.Run完整实现了 README 所述的设计闭环解析 Diff → 语义分组groupDiffs→ 每组并发执行 Plan Main 阶段 → 收集评论并发调度每组子任务并发运行MaxConcurrency默认为 8见dispatchSubtasks每个分组的超时由ConcurrentTaskTimeout与模板ReviewRounds()相乘得出。token 预算闸门设置--max-tokens-budget后派发前会做 per-group 的成本前瞻estimateDiffFileTokens汇总组内各文件的估算一旦已用 token 组估算超预算就停止派发后续组并记录token_budget_reached警告已收集的部分结果仍会发布。成本估算的启发式参数固定提示开销 2000 tokens、每文件约 7 轮 MAIN_TASK、每轮约 700 输出 tokens见 internal/agent/estimate.go。断点续跑会话支持 checkpoint 级别恢复applyResume通过文件指纹模式 新旧路径 diff 内容的 SHA-256见reviewItemFingerprint复用父会话已完成的文件结果。Benchmark面向真实世界代码审查的基准测试README 将 OpenCodeReview 与通用 AgentClaude Code做了对比在相同底层模型下OpenCodeReview 的 Precision 与 F1 显著更高同时只消耗约 1/9 的 token 且完成审查更快。需要说明的是其 Recall 低于通用 Agent——这是刻意选择的取舍宁可精度高、噪音少也不追求全量召回a deliberate trade-off favoring precision over noise。该基准由真实世界的代码审查数据构建50个流行开源仓库、200个真实 Pull Request、10种编程语言由 80 名资深工程师交叉验证得到1,505条标注的真实缺陷ground-truth。指标衡量内容为什么重要F1精确率与召回率的调和平均衡量整体审查质量的最佳单一数值Precision报告的 issue 中真正是缺陷的比例越高 需要人工甄别的误报越少Recall真实缺陷中被发现的比例越高 漏过的缺陷越少Avg Time每次审查的墙钟时间影响 CI 流水线延迟Avg Token每次审查消耗的总 token直接影响 API 成本快速上手前置条件Git 2.41OpenCodeReview 依赖 Git 生成 diff、进行代码搜索和执行仓库操作。安装npm install -g alibaba-group/open-code-review安装完成后ocr命令即可全局使用。其他安装方式安装脚本、GitHub Release 二进制、源码构建可参考仓库内的安装文档 pages/src/content/docs/en/installation.md。第一步配置 LLM审查代码前必须先配置 LLM除非使用委派模式 Delegation Mode见下文ocr config provider # 选择内置 provider 或添加自定义 provider ocr config model # 为当前 provider 选择模型交互式界面会引导你完成 provider 选择、API Key 输入与模型配置然后自动测试连通性。从源码看配置被持久化到~/.opencodereview/config.json默认路径由 cmd/opencodereview/config_cmd.go 的defaultConfigPath决定。该命令支持非交互式写入ocr config set provider anthropic ocr config set model claude-opus-4-6 ocr config set providers.anthropic.api_key $ANTHROPIC_API_KEY配置文件的核心结构见Config结构体包括provider/model当前激活的 provider 与模型providers内置 provider 的 per-provider 配置api_key、api_key_cmd、url、protocol、model、models、auth_header、timeout_sec、extra_body、extra_headers、retry_codes、aws_region、aws_profilecustom_providers自定义 provider如内部网关例如ocr config set provider my-gateway ocr config set custom_providers.my-gateway.url https://gateway.internal.com/v1 ocr config set custom_providers.my-gateway.protocol openaillm.*底层 LLM 端点的直接配置url、auth_token、auth_token_cmd、auth_header、model、protocol、use_anthropic、extra_body、extra_headers、retry_codesmax_tokens/effort全局 token 上限与审查力度预设language审查输出语言telemetry.*OpenTelemetry 可观测性配置mcp_serversMCP 服务器配置type为stdio或remote字段含command、args、env、url、headers、tools、setup。内置 provider 注册表见 internal/llm/providers.go包括 anthropicClaude、bedrockAWS Bedrock走 AWS 凭证链、无需 api_key、openai、openai-responses、edenai、gemini、dashscope阿里云百炼、volcengine火山方舟、deepseek 等各带默认 BaseURL、环境变量回退与模型列表。协议支持anthropic、anthropic-bedrock、openai、openai-responses四类见 internal/llm/protocol.go 相关定义与config set的协议校验逻辑。安全细节ocr config set回显值时会对api_key/auth_token后缀的键做脱敏shouldMaskConfigValue写入路径始终使用默认配置路径避免环境变量OCR_CONFIG_PATH泄漏导致写入被重定向该变量只被只读命令用于读取。第二步运行首次审查cd your-project # Workspace 模式 —— 审查所有已暂存、未暂存与未跟踪的变更 ocr review # 分支区间 —— 审查 feature-branch 自与 main 分叉以来的变更merge-base 模式 ocr review --from main --to feature-branch # 单个提交 ocr review --commit abc123 # 恢复一次被中断的区间或提交审查 ocr session list ocr review --from main --to feature-branch --resume session-id # 全文件扫描 —— 审查整个文件而非 diff无需 git 历史 ocr scan # 扫描整个仓库 ocr scan --path internal/agent # 扫描某个目录或指定文件 ocr scan --resume session-id # 恢复被中断的全文件扫描 # 将结果保存到文件推荐给 AI 宿主 Agent 使用 ocr review --format json --output result.json # 委派模式 —— 让 AI 编码 Agent 自己执行审查 # OCR 负责文件选择与规则解析无需配置 LLM ocr delegate preview ocr delegate rule src/main.go src/handler.go审查的三种 diff 模式由 cmd/opencodereview/review_cmd.go 的reviewModeFromOptions确定--commit优先其次--from/--to区间否则为 workspace 模式对应的底层 diff 提供者分别是NewCommitProvider、NewProvidermerge-base与NewWorkspaceProvider见 internal/agent/agent.go。常用 flags 补充来自ocr review --help示例# 输出 JSON 格式 ocr review --format json ocr review -f json # 本次运行临时指定 provider 与 model ocr review --provider anthropic --model claude-opus-4-6 --format json # Agent 模式仅摘要、无进度行适合 AI 宿主 ocr review --audience agent # 预览将审查哪些文件不调用 LLM ocr review --preview ocr review -c abc123 -p # 排除生成文件 / fixtures ocr review --exclude **/generated/*,**/testdata/* # 提供需求/业务上下文内联或从 Markdown 文件读取 ocr review --background Adding rate limiting to the login API ocr review --background-file ./docs/requirements.md其他可用 flags 还包括--concurrency并发分组数、--max-tokens-budget全运行 token 预算闸门、--no-filter关闭 REVIEW_FILTER_TASK、--max-tools、--max-git-procs等。安全方面--from/--to/--commit的值会经validateReviewRefs校验必须以git rev-parse --verify通过且不得以-开头防止 ref 选项注入对应 issue #112。ocr scan的专用 flags见 cmd/opencodereview/scan_cmd.go--path可逗号分隔多个路径、--no-plan跳过每文件的 PLAN_TASK 预扫描、--no-dedup、--no-summary、--batch、--preview等。scan 模式使用独立的模板 internal/config/template/scan_template.json并会从主工具集中剔除无意义的file_read_diffscan 不存在 diff避免 LLM 浪费工具调用轮次。委派模式Delegation Mode无需 LLM 配置委派模式是 README 强调的另一条使用路径由你的 AI 编码 Agent 亲自执行审查OCR 只负责文件选择与规则解析不需要配置 OCR 自己的 LLM。命令实现见 cmd/opencodereview/delegate_cmd.goocr delegate preview输出将审查的文件清单含 mode/ref 元数据、merge-base、增删行数、被排除文件及排除原因支持--format json结构化输出供宿主 Agent 构造 git 命令ocr delegate rule path...按内容分组输出解析后的审查规则JSON 或 Markdown 分组格式。仓库内为 Claude Code、Codex、Cursor、OpenCode、QCA Forward 等平台准备了现成集成安装与用法见 plugins/open-code-review/README.md例如 Claude Code 中执行/plugin marketplace add alibaba/open-code-review后安装即可获得/open-code-review:review与/open-code-review:delegate-review斜杠命令Codex 通过插件市场暴露可调用的审查 skills如Open Code Review review my current changes此外还提供便携式 Skillskills/open-code-review/SKILL.md 与 skills/open-code-review-delegate/SKILL.md兼容任何 Skill 类 Agent。多语言内置规则集与规则解析规则解析器的实现位于 internal/config/rules/内置规则集由 internal/config/rules/system_rules.jsonglob 路径 → 规则文档的映射与 internal/config/rules/rule_docs/ 下的 50 个语言/框架规则文档构成go.md、java.md、python.md、ts_js_tsx_jsx.md、rust.md、php.md、yaml.md、json.md、cargo_toml.md、pom_xml.md、terraform.md等通过go:embed内嵌进二进制见 internal/config/rules/system_rules.go。匹配逻辑doublestar.Match支持**递归匹配{a,b}花括号展开首个匹配优先first match wins否则回退default_rule。规则分层NewResolver优先级从高到低--rule指定的自定义规则文件 项目内.opencodereview/rule.json 全局~/.opencodereview/rule.json 内置系统规则。项目规则条目支持merge_system_rule将系统规则与用户规则合并输出。rule.json还支持include/exclude路径过滤合并为FileFilter并支持把规则引用为外部.md/.txt/.markdown文件带 512 KB 大小上限、扩展名白名单与路径越界校验防止项目规则逃逸仓库根目录。内容嗅探sniffer.m扩展名同时被 MATLAB 与 Objective-C 使用internal/config/rules/sniffer.go 会在规则解析时读取该文件首个非空行若以#import、interface、//等 ObjC 特征前缀开头则改写为 Objective-C 规则objc.md否则按默认 MATLAB 规则处理该装饰器只包装系统层确保用户层规则优先级不受影响。运行级审查规则的自定义、路径过滤与定向targeting可进一步参考 pages/src/content/docs/en/review-rules.md。会话、输出与可观测性会话与恢复每次 diff 审查range/commit 模式都会持久化会话中断后可用ocr session list查看、用--resume session-id断点续跑恢复时会校验输入身份validateResumeIdentity比较输入指纹、规则、provider、model 是否与父运行一致并通过SealedInput把 diff 固定到准入时解析出的提交 SHA防止 ref 在审查期间移动导致审查的 diff 与读取的文件不一致。输出格式--format json --output result.json适合 CI 与 AI 宿主消费--audience agent提供纯摘要模式。会话查看器可用ocr viewer系列在浏览器中浏览与回放审查会话标记评论为已修复/已忽略并隐藏见 internal/viewer/ 与 pages/src/content/docs/en/viewer.md。遥测支持 OpenTelemetry 集成telemetry.*配置enabled、exporterconsole/otlp、otlp_endpoint、content_logging见 internal/telemetry/ 与 pages/src/content/docs/en/telemetry.md。MCP 扩展可通过mcp_servers配置外部 MCP 服务器stdio 子进程或 remote Streamable HTTP把外部工具注入审查 Agent见 internal/mcp/ 与 pages/src/content/docs/en/mcp.md。CI/CD 与生态集成仓库的 examples/ 目录提供了可直接复用的 CI/CD 集成示例GitHub Actionsexamples/github_actions/ocr-review.yml、GitLab CIexamples/gitlab_ci/、Bitbucket Pipelines、Codeup CI、Gerrit CI、GitFlic CI 等每个示例均包含流水线配置与配套的post_review.py评论回贴脚本及测试。官方动作定义见 action.yml。文档层面可参考 pages/src/content/docs/en/ 下的完整文档树quickstart、installation、cli-reference、configuration、architecture、review-rules、mcp、viewer、telemetry、faq 等。总结OpenCodeReview 的差异化价值在于把必须正确的工程逻辑与擅长决策的 Agent 严格分工文件选择、语义打包、规则匹配、评论定位与反思均由确定性代码保证提示词与工具集则围绕代码审查场景深度调优。对开发者而言它是一条低门槛的接入路径——npm install -g后配置一次模型端点即可在本地、CI 流水线或 AI 编码 Agent 中稳定获得行级精度的代码审查结果对平台团队而言其规则分层、会话恢复、JSON 输出、MCP 扩展与 OpenTelemetry 可观测性也使其足以嵌入到现有的研发流程与工具链中。该项目以 Apache-2.0 协议开源见 LICENSE贡献指南与开发环境说明见 CONTRIBUTING.md各语言版本 README 可参见 README.zh-CN.md、README.ja-JP.md 等。【免费下载链接】open-code-reviewFast, efficient, battle-tested at Alibabas scale. Hybrid architecture code review tool: deterministic pipelines LLM Agent, precise line-level comments, built-in multi-language ruleset (NPE, thread-safety, XSS, SQL injection), OpenAI Anthropic compatible.项目地址: https://gitcode.com/GitHub_Trending/op/open-code-review创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 OpenCodeReview 实战指南：阿里巴巴开源的高精度 AI 代码审查 CLI 与“确定性工程 × Agent“混合架构解析
OpenCodeReview 实战指南阿里巴巴开源的高精度 AI 代码审查 CLI 与确定性工程 × Agent混合架构解析【免费下载链接】open-code-reviewFast, efficient, battle-tested at Alibabas scale. Hybrid architecture code review tool: deterministic pipelines LLM Agent, precise line-level comments, built-in multi-language ruleset (NPE, thread-safety, XSS, SQL injection), OpenAI Anthropic compatible.项目地址: https://gitcode.com/GitHub_Trending/op/open-code-reviewOpenCodeReview命令名ocr是一款 AI 驱动的代码审查 CLI 工具源自阿里巴巴集团内部官方 AI 代码审查助手经过大规模生产环境验证后开源。它以 Git Diff 为输入通过带工具调用能力的 Agent 向可配置的 LLM 发送变更文件最终产出行级精度的结构化评审意见其核心设计是确定性工程 Agent混合架构——用工程逻辑约束绝不能出错的环节用 Agent 承担动态决策从而解决通用 Agent 做代码审查时覆盖不全、位置漂移、质量波动三大痛点。读完本文你将掌握ocr的安装、LLM 配置、四种审查模式diff 审查 / 分支区间 / 提交 / 全文件扫描与委派模式的使用方法并能从源码层面理解其分组、规则匹配、定位与反思模块的底层原理。OpenCodeReview 是什么Open Code Review 是一个 AI 赋能的代码审查 CLI 工具其前身是阿里巴巴集团内部官方 AI 代码审查助手据项目 README.md 自述过去两年内它服务了数万名开发者、识别了数百万个代码缺陷在超大规模验证后孵化并开源给社区。只需配置一个模型端点即可开始使用。它的工作方式如下读取 Git Diff将变更文件交给可配置的 LLM该 LLM 以具备工具调用tool-use能力的 Agent 形式运行生成带行级精度的结构化审查评论。Agent 在审查过程中可以读取完整文件内容、搜索代码库、查看其他变更文件以获取上下文因此产出的是深度审查而非停留在 diff 表面的浅层反馈。除 diff 审查外ocr scan还能对整个文件进行审查适用于审计不熟悉的代码库或没有有效 diff 的目录。相关入口与执行流程见 cmd/opencodereview/review_cmd.go 与 cmd/opencodereview/scan_cmd.go。为什么需要 OpenCodeReview通用 Agent 的三大痛点如果你使用过带 Skills 的通用 Agent如 Claude Code做代码审查很可能遇到过这些痛点覆盖不全Incomplete coverage面对较大的变更集Agent 倾向于抄近路只选择性审查部分文件而漏掉其他文件。位置漂移Position drift报告的 issue 经常与实际代码位置对不上行号或文件引用会偏移。质量不稳定Unstable quality由自然语言驱动的 Skills 难以调试评审质量会随提示词细微变化而明显波动。README 指出这些问题的根源在于纯语言驱动的架构对审查过程缺乏硬约束a purely language-driven architecture lacks hard constraints on the review process。核心设计确定性工程 × Agent 混合架构OpenCodeReview 的核心哲学是把确定性工程与 Agent 结合起来各做自己最擅长的事combine deterministic engineering with an agent, each handling what it does best。确定性工程——提供硬约束对于绝不能出错的审查环节由工程逻辑而非语言模型保证正确性精确的文件选择Precise file selection由代码决定哪些文件需要审查、哪些应该过滤确保不遗漏任何重要变更。智能文件打包Smart file bundling把相关文件归并为一个审查单元例如message_en.properties与message_zh.properties会被打包在一起。每个 bundle 作为一个子 Agent 运行上下文相互隔离——这是一种分而治之divide-and-conquer策略在超大变更集上依然稳定并且天然支持并发审查。其实现位于 internal/agent/grouping.gogroupDiffs先调用 LLM 依据文件元数据不含 diff 内容做语义分组一旦 LLM 分组失败就回退为每文件一组同时通过enforceMaxFilesPerGroup单组上限maxFilesPerGroup 10个文件与enforceGroupTokenBudget按 token 预算拆分两道阀值保证每组规模可控。细粒度规则匹配Fine-grained rule matching根据每个文件的特点匹配对应的审查规则把模型的注意力精准聚焦从源头消除信息噪声。相比纯语言驱动的规则指引基于模板引擎的规则匹配更稳定、可预测。规则体系详见下文多语言内置规则集一节。外部定位与反思模块External positioning and reflection modules独立的评论定位comment-positioning与评论反思comment-reflection模块系统性提升 AI 反馈的位置准确度与内容准确度。Agent——负责动态决策Agent 的强项被集中在最需要它的地方——动态决策与动态上下文检索场景调优的提示词Scenario-tuned prompts针对代码审查深度优化的提示模板在提升效果的同时降低 token 消耗。相关模板集中在 internal/config/template/prompts/如main_task_system.md、plan_task_system.md、re_location_task_system.md、review_filter_task_system.md、memory_compression_task_system.md等。场景调优的工具集Scenario-tuned toolset基于大规模生产数据中工具调用轨迹的深度分析调用频率分布、单工具重复率、新工具对整体调用链的影响等提炼而来是一套为代码审查专门构建的工具集比通用 Agent 工具包更稳定、更可预测。审查时注册的工具见 cmd/opencodereview/review_cmd.go 的buildToolRegistryfile_read读取文件、file_find查找文件、file_read_diff读取指定文件 diff、code_search代码搜索、code_comment产出评论。从源码看完整流水线在 internal/agent/agent.go 中Agent.Run完整实现了 README 所述的设计闭环解析 Diff → 语义分组groupDiffs→ 每组并发执行 Plan Main 阶段 → 收集评论并发调度每组子任务并发运行MaxConcurrency默认为 8见dispatchSubtasks每个分组的超时由ConcurrentTaskTimeout与模板ReviewRounds()相乘得出。token 预算闸门设置--max-tokens-budget后派发前会做 per-group 的成本前瞻estimateDiffFileTokens汇总组内各文件的估算一旦已用 token 组估算超预算就停止派发后续组并记录token_budget_reached警告已收集的部分结果仍会发布。成本估算的启发式参数固定提示开销 2000 tokens、每文件约 7 轮 MAIN_TASK、每轮约 700 输出 tokens见 internal/agent/estimate.go。断点续跑会话支持 checkpoint 级别恢复applyResume通过文件指纹模式 新旧路径 diff 内容的 SHA-256见reviewItemFingerprint复用父会话已完成的文件结果。Benchmark面向真实世界代码审查的基准测试README 将 OpenCodeReview 与通用 AgentClaude Code做了对比在相同底层模型下OpenCodeReview 的 Precision 与 F1 显著更高同时只消耗约 1/9 的 token 且完成审查更快。需要说明的是其 Recall 低于通用 Agent——这是刻意选择的取舍宁可精度高、噪音少也不追求全量召回a deliberate trade-off favoring precision over noise。该基准由真实世界的代码审查数据构建50个流行开源仓库、200个真实 Pull Request、10种编程语言由 80 名资深工程师交叉验证得到1,505条标注的真实缺陷ground-truth。指标衡量内容为什么重要F1精确率与召回率的调和平均衡量整体审查质量的最佳单一数值Precision报告的 issue 中真正是缺陷的比例越高 需要人工甄别的误报越少Recall真实缺陷中被发现的比例越高 漏过的缺陷越少Avg Time每次审查的墙钟时间影响 CI 流水线延迟Avg Token每次审查消耗的总 token直接影响 API 成本快速上手前置条件Git 2.41OpenCodeReview 依赖 Git 生成 diff、进行代码搜索和执行仓库操作。安装npm install -g alibaba-group/open-code-review安装完成后ocr命令即可全局使用。其他安装方式安装脚本、GitHub Release 二进制、源码构建可参考仓库内的安装文档 pages/src/content/docs/en/installation.md。第一步配置 LLM审查代码前必须先配置 LLM除非使用委派模式 Delegation Mode见下文ocr config provider # 选择内置 provider 或添加自定义 provider ocr config model # 为当前 provider 选择模型交互式界面会引导你完成 provider 选择、API Key 输入与模型配置然后自动测试连通性。从源码看配置被持久化到~/.opencodereview/config.json默认路径由 cmd/opencodereview/config_cmd.go 的defaultConfigPath决定。该命令支持非交互式写入ocr config set provider anthropic ocr config set model claude-opus-4-6 ocr config set providers.anthropic.api_key $ANTHROPIC_API_KEY配置文件的核心结构见Config结构体包括provider/model当前激活的 provider 与模型providers内置 provider 的 per-provider 配置api_key、api_key_cmd、url、protocol、model、models、auth_header、timeout_sec、extra_body、extra_headers、retry_codes、aws_region、aws_profilecustom_providers自定义 provider如内部网关例如ocr config set provider my-gateway ocr config set custom_providers.my-gateway.url https://gateway.internal.com/v1 ocr config set custom_providers.my-gateway.protocol openaillm.*底层 LLM 端点的直接配置url、auth_token、auth_token_cmd、auth_header、model、protocol、use_anthropic、extra_body、extra_headers、retry_codesmax_tokens/effort全局 token 上限与审查力度预设language审查输出语言telemetry.*OpenTelemetry 可观测性配置mcp_serversMCP 服务器配置type为stdio或remote字段含command、args、env、url、headers、tools、setup。内置 provider 注册表见 internal/llm/providers.go包括 anthropicClaude、bedrockAWS Bedrock走 AWS 凭证链、无需 api_key、openai、openai-responses、edenai、gemini、dashscope阿里云百炼、volcengine火山方舟、deepseek 等各带默认 BaseURL、环境变量回退与模型列表。协议支持anthropic、anthropic-bedrock、openai、openai-responses四类见 internal/llm/protocol.go 相关定义与config set的协议校验逻辑。安全细节ocr config set回显值时会对api_key/auth_token后缀的键做脱敏shouldMaskConfigValue写入路径始终使用默认配置路径避免环境变量OCR_CONFIG_PATH泄漏导致写入被重定向该变量只被只读命令用于读取。第二步运行首次审查cd your-project # Workspace 模式 —— 审查所有已暂存、未暂存与未跟踪的变更 ocr review # 分支区间 —— 审查 feature-branch 自与 main 分叉以来的变更merge-base 模式 ocr review --from main --to feature-branch # 单个提交 ocr review --commit abc123 # 恢复一次被中断的区间或提交审查 ocr session list ocr review --from main --to feature-branch --resume session-id # 全文件扫描 —— 审查整个文件而非 diff无需 git 历史 ocr scan # 扫描整个仓库 ocr scan --path internal/agent # 扫描某个目录或指定文件 ocr scan --resume session-id # 恢复被中断的全文件扫描 # 将结果保存到文件推荐给 AI 宿主 Agent 使用 ocr review --format json --output result.json # 委派模式 —— 让 AI 编码 Agent 自己执行审查 # OCR 负责文件选择与规则解析无需配置 LLM ocr delegate preview ocr delegate rule src/main.go src/handler.go审查的三种 diff 模式由 cmd/opencodereview/review_cmd.go 的reviewModeFromOptions确定--commit优先其次--from/--to区间否则为 workspace 模式对应的底层 diff 提供者分别是NewCommitProvider、NewProvidermerge-base与NewWorkspaceProvider见 internal/agent/agent.go。常用 flags 补充来自ocr review --help示例# 输出 JSON 格式 ocr review --format json ocr review -f json # 本次运行临时指定 provider 与 model ocr review --provider anthropic --model claude-opus-4-6 --format json # Agent 模式仅摘要、无进度行适合 AI 宿主 ocr review --audience agent # 预览将审查哪些文件不调用 LLM ocr review --preview ocr review -c abc123 -p # 排除生成文件 / fixtures ocr review --exclude **/generated/*,**/testdata/* # 提供需求/业务上下文内联或从 Markdown 文件读取 ocr review --background Adding rate limiting to the login API ocr review --background-file ./docs/requirements.md其他可用 flags 还包括--concurrency并发分组数、--max-tokens-budget全运行 token 预算闸门、--no-filter关闭 REVIEW_FILTER_TASK、--max-tools、--max-git-procs等。安全方面--from/--to/--commit的值会经validateReviewRefs校验必须以git rev-parse --verify通过且不得以-开头防止 ref 选项注入对应 issue #112。ocr scan的专用 flags见 cmd/opencodereview/scan_cmd.go--path可逗号分隔多个路径、--no-plan跳过每文件的 PLAN_TASK 预扫描、--no-dedup、--no-summary、--batch、--preview等。scan 模式使用独立的模板 internal/config/template/scan_template.json并会从主工具集中剔除无意义的file_read_diffscan 不存在 diff避免 LLM 浪费工具调用轮次。委派模式Delegation Mode无需 LLM 配置委派模式是 README 强调的另一条使用路径由你的 AI 编码 Agent 亲自执行审查OCR 只负责文件选择与规则解析不需要配置 OCR 自己的 LLM。命令实现见 cmd/opencodereview/delegate_cmd.goocr delegate preview输出将审查的文件清单含 mode/ref 元数据、merge-base、增删行数、被排除文件及排除原因支持--format json结构化输出供宿主 Agent 构造 git 命令ocr delegate rule path...按内容分组输出解析后的审查规则JSON 或 Markdown 分组格式。仓库内为 Claude Code、Codex、Cursor、OpenCode、QCA Forward 等平台准备了现成集成安装与用法见 plugins/open-code-review/README.md例如 Claude Code 中执行/plugin marketplace add alibaba/open-code-review后安装即可获得/open-code-review:review与/open-code-review:delegate-review斜杠命令Codex 通过插件市场暴露可调用的审查 skills如Open Code Review review my current changes此外还提供便携式 Skillskills/open-code-review/SKILL.md 与 skills/open-code-review-delegate/SKILL.md兼容任何 Skill 类 Agent。多语言内置规则集与规则解析规则解析器的实现位于 internal/config/rules/内置规则集由 internal/config/rules/system_rules.jsonglob 路径 → 规则文档的映射与 internal/config/rules/rule_docs/ 下的 50 个语言/框架规则文档构成go.md、java.md、python.md、ts_js_tsx_jsx.md、rust.md、php.md、yaml.md、json.md、cargo_toml.md、pom_xml.md、terraform.md等通过go:embed内嵌进二进制见 internal/config/rules/system_rules.go。匹配逻辑doublestar.Match支持**递归匹配{a,b}花括号展开首个匹配优先first match wins否则回退default_rule。规则分层NewResolver优先级从高到低--rule指定的自定义规则文件 项目内.opencodereview/rule.json 全局~/.opencodereview/rule.json 内置系统规则。项目规则条目支持merge_system_rule将系统规则与用户规则合并输出。rule.json还支持include/exclude路径过滤合并为FileFilter并支持把规则引用为外部.md/.txt/.markdown文件带 512 KB 大小上限、扩展名白名单与路径越界校验防止项目规则逃逸仓库根目录。内容嗅探sniffer.m扩展名同时被 MATLAB 与 Objective-C 使用internal/config/rules/sniffer.go 会在规则解析时读取该文件首个非空行若以#import、interface、//等 ObjC 特征前缀开头则改写为 Objective-C 规则objc.md否则按默认 MATLAB 规则处理该装饰器只包装系统层确保用户层规则优先级不受影响。运行级审查规则的自定义、路径过滤与定向targeting可进一步参考 pages/src/content/docs/en/review-rules.md。会话、输出与可观测性会话与恢复每次 diff 审查range/commit 模式都会持久化会话中断后可用ocr session list查看、用--resume session-id断点续跑恢复时会校验输入身份validateResumeIdentity比较输入指纹、规则、provider、model 是否与父运行一致并通过SealedInput把 diff 固定到准入时解析出的提交 SHA防止 ref 在审查期间移动导致审查的 diff 与读取的文件不一致。输出格式--format json --output result.json适合 CI 与 AI 宿主消费--audience agent提供纯摘要模式。会话查看器可用ocr viewer系列在浏览器中浏览与回放审查会话标记评论为已修复/已忽略并隐藏见 internal/viewer/ 与 pages/src/content/docs/en/viewer.md。遥测支持 OpenTelemetry 集成telemetry.*配置enabled、exporterconsole/otlp、otlp_endpoint、content_logging见 internal/telemetry/ 与 pages/src/content/docs/en/telemetry.md。MCP 扩展可通过mcp_servers配置外部 MCP 服务器stdio 子进程或 remote Streamable HTTP把外部工具注入审查 Agent见 internal/mcp/ 与 pages/src/content/docs/en/mcp.md。CI/CD 与生态集成仓库的 examples/ 目录提供了可直接复用的 CI/CD 集成示例GitHub Actionsexamples/github_actions/ocr-review.yml、GitLab CIexamples/gitlab_ci/、Bitbucket Pipelines、Codeup CI、Gerrit CI、GitFlic CI 等每个示例均包含流水线配置与配套的post_review.py评论回贴脚本及测试。官方动作定义见 action.yml。文档层面可参考 pages/src/content/docs/en/ 下的完整文档树quickstart、installation、cli-reference、configuration、architecture、review-rules、mcp、viewer、telemetry、faq 等。总结OpenCodeReview 的差异化价值在于把必须正确的工程逻辑与擅长决策的 Agent 严格分工文件选择、语义打包、规则匹配、评论定位与反思均由确定性代码保证提示词与工具集则围绕代码审查场景深度调优。对开发者而言它是一条低门槛的接入路径——npm install -g后配置一次模型端点即可在本地、CI 流水线或 AI 编码 Agent 中稳定获得行级精度的代码审查结果对平台团队而言其规则分层、会话恢复、JSON 输出、MCP 扩展与 OpenTelemetry 可观测性也使其足以嵌入到现有的研发流程与工具链中。该项目以 Apache-2.0 协议开源见 LICENSE贡献指南与开发环境说明见 CONTRIBUTING.md各语言版本 README 可参见 README.zh-CN.md、README.ja-JP.md 等。【免费下载链接】open-code-reviewFast, efficient, battle-tested at Alibabas scale. Hybrid architecture code review tool: deterministic pipelines LLM Agent, precise line-level comments, built-in multi-language ruleset (NPE, thread-safety, XSS, SQL injection), OpenAI Anthropic compatible.项目地址: https://gitcode.com/GitHub_Trending/op/open-code-review创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考