阿里把内部代码审查 AI 开源了:open-code-review 实测,我埋的雷全被逮住
AI 写代码越快,Code Review 越成了瓶颈
AI 帮你写代码这事儿已经不用讨论了,现在真正的堵点是 review:AI 十分钟生成五百行改动,人得花一小时逐行看有没有埋雷。让通用 Agent 顺手审一下吧?用过的大概都见过这三张老脸:
- 漏文件:改动一多,Agent 开始偷懒,挑几个文件象征性看看;
- 行号漂移:报告里说第 42 行有问题,点过去一看是空行;
- 质量玄学:prompt 改一个词,审查质量坐过山车,出了问题都没法 debug。
最近 GitHub trending 上有个项目就是冲这个来的:alibaba/open-code-review,今年 5 月开源,半年 53,700+ star、4,400+ fork,Apache-2.0 协议,昨天还在发版。它的出身有意思——不是车库项目,是阿里集团内部的官方 AI 代码审查助手,内部跑了两年、服务数万开发者、识别过百万级缺陷,然后才孵化开源。我把 CLI 拉进沙盒实测了一圈,这篇文章讲清它的架构思路、上手过程和几个实测中撞出来的细节。
一、核心思路:该工程管的事,别交给概率
通用 Agent 审查不靠谱的根因,官方 README 里一句话戳破:纯语言驱动的架构,缺乏对审查过程的硬约束。open-code-review 的解法是「确定式工程 × Agent」混合架构,两边各干自己擅长的事:
不许出错的地方用工程逻辑保证:
- 精确文件选择——哪些文件该审、哪些该过滤,代码说了算,不靠模型自觉;
- 智能文件打包——相关文件捆成一组审查(比如 message_en.properties 和 message_zh.properties 捆一起),每组一个隔离子上下文的 sub-agent,大改动也能分而治之、并发跑;
- 细粒度规则匹配——按文件特征匹配审查规则,从源头消灭信息噪音,模板引擎比自然语言描述稳定得多;
- 外部定位与反思模块——独立的评论定位模块和反思模块,专治行号漂移和误报。
需要动态判断的地方才交给 Agent:场景调优过的 prompt,加上一套从生产环境工具调用 trace 里蒸馏出来的工具集——调用频率分布、每个工具的重复率、新工具对调用链的影响都分析过,比通用 Agent 工具箱更稳。
基准数据也值得一瞥:官方拿它和 Claude Code 通用 Agent 对比,同一底座模型下 Precision 和 F1 显著更高,token 消耗只有约 1/9,审查更快;Recall 略低是刻意取舍——宁缺毋滥,少报也不制造噪音。基准集 AACR-Bench 由 50 个热门开源仓库、200 个真实 PR、10 种语言构成,80 多位高级工程师交叉验证出 1,505 条标注问题,数据集挂在 HuggingFace 上可查。
二、安装:先撞上一个 npm 11 的新坑
环境要求只有一条硬门槛:Git >= 2.41(diff 生成、代码搜索都靠它)。安装一行命令:
npm install -g @alibaba-group/open-code-review但在 npm 11 下你会看到一段警告,装完发现 ocr 命令不存在——新版 npm 默认拦截包的 postinstall 脚本,而二进制恰恰是 postinstall 下载的。按提示放行即可:
npm install -g --allow-scripts=@alibaba-group/open-code-review @alibaba-group/open-code-review装完 ocr --version 验证。我装到的版本是 1.13.11(commit 0f5a284),构建时间 2026-11-17——发布非常活跃,前一天的 commit 第二天就出了包。
三、埋雷实验:两个文件,四颗雷
空谈架构不如实测。我建了个 demo 仓库,main 分支放两个「正常」文件,然后开 feature 分支埋雷:
# app.py —— 新增 login 函数
def login(username, password):
conn = sqlite3.connect("app.db")
cursor = conn.cursor()
cursor.execute("SELECT * FROM users WHERE name = '" + username
+ "' AND pwd = '" + password + "'") # 雷 1:SQL 注入
user = cursor.fetchone()
if user:
session["user"] = user[0] # 雷 2:session 未定义
return user
# utils.js —— 新增 saveToken 函数
function saveToken(token) {
document.cookie = "session=" + token + "; path=/"; # 雷 3:敏感 token 裸放 cookie
}
# 另有 renderProfile 里 innerHTML 直接拼接用户输入 # 雷 4:XSS四颗雷覆盖了 SQL 注入、未定义变量、敏感信息存储、XSS——都是 review 时最该拦下来的类型。
四、零 API key 也能玩:delegation 模式
open-code-review 有两种审查模式:Native 模式用它自己的审查管道,你需要配一个模型端点;Delegation 模式则是让宿主 Agent(Claude Code、Codex、Cursor、Kimi Code 都行)出模型出判断,OCR 只提供管道和护栏——文件选择、规则解析、覆盖要求、结构化报告。手上没有独立 API key 的话,从 delegation 起步零成本。
先看它怎么圈审查范围:
$ ocr delegate preview --from main
# Files (2 reviewable / 2 total)
- mode: range
- from: main
- to: HEAD
- merge_base: 0468f8d932330875...
- total_insertions: 13
- total_deletions: 0
- `app.py` [M..] +9/-0
- `utils.js` [M..] +4/-0模式、merge-base、增删行数、逐文件状态一目了然。(顺带一个小彩蛋:1.13.11 的 preview 输出里 [Modified] 标签会掉前两个字符显示成 odified],纯显示瑕疵,不影响功能,提 issue 的机会来了。)
再看规则匹配——这一步最能体现「确定式工程」的价值:
$ ocr delegate rule app.py utils.js输出按文件类型分成规则组。Python 组(**/*.{py,pyi,ipynb})覆盖拼写错误、死代码、可变默认参数、边界与空集合、异常处理、is/== 误用、资源管理、性能、并发、安全敏感代码十大类,每类还带「什么不该报」的反例说明,比如「不要报 .pyi 存根文件里的未使用参数」。JS 组(**/*.{ts,js,tsx,jsx,mjs,cjs})里则明确列着:
XSS Protection: Verify that user input is properly escaped
innerHTML Safety: Using innerHTML to directly insert user input is prohibited; use textContent or apply XSS protection
对照我埋的雷:renderProfile 里恰好就是 innerHTML 拼接用户输入——规则组精准命中。单文件查询用 ocr rules check utils.js,能看到规则来源(System built-in)和匹配的 glob 模式。

把这套 preview + rule 输出交给你的宿主 Agent,再加上官方 skill(npx skills add alibaba/open-code-review),Agent 就是在带护栏的赛道里跑审查,而不是拿着一份自然语言说明书自由发挥。
五、接上真模型:30+ 内置 provider,智谱都在列表里
Native 模式的配置是交互式的,选 provider、填 key、选模型,一步到位还自动测连通:
ocr config provider
ocr config modelocr llm providers 能列出全部内置 provider——30 多家,两大协议族(OpenAI 兼容 / Anthropic 兼容)。国际的有 OpenAI、Anthropic、Gemini、xAI、Mistral、Bedrock、OpenRouter、Groq 系的 Ollama Cloud;国产的更是全家桶:DeepSeek、阿里 dashscope、百度千帆、讯飞星火、Kimi、MiniMax、小米 MiMo、火山方舟、腾讯云,以及智谱 z-ai(open.bigmodel.cn)和 z-ai-coding 两个端点都内置了。非交互场景(比如 CI)用 ocr config set provider z-ai 一行切换。
自建网关(OneAPI/NewAPI/litellm 之类)走 custom_providers,注意要显式声明协议:
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 openai这个 protocol 参数是我实测撞出来的:直接用 OCR_LLM_URL 环境变量时,请求是按 Anthropic messages 协议发的——打到 <你的URL>/v1/messages,我的 URL 本来带 /v1 结尾,出现了 /v1/v1/messages 双拼。所以接 OpenAI 兼容网关别偷懒用环境变量,走 custom_providers 把 protocol 写明白。
六、偷看全管道:mock 一个模型端点
没有真实 key 想看 review 全过程怎么办?我在本地 mock 了一个 OpenAI 格式端点,配 OCR_LLM_URL 指过去,然后跑 ocr llm test——连通测试直接通过,还老实地提示「工具调用回路未验证:模型没有调测试工具」。
再跑 ocr review --from main,管道日志把省 token 的功夫全露出来了:
[ocr] 2 file(s) changed, reviewing 2
[ocr] Skipping LLM grouping for 2 file(s), 13 changed line(s) — reviewing as one group
[ocr] Skipping plan phase for group "app.py,utils.js" (2 file(s), max 9 lines, total 13 lines)
[ocr] No tool calls parsed for app.py,utils.js, retrying...三行日志三个信息量:改动小就不调 LLM 分组,直接合成一组;diff 小就跳过规划阶段(上限 9 行、总共 13 行,不够格走完整流程);最后一行是重头戏——我的 mock 只会返回一段 canned 审查文本,Agent 不接受,反复 retry。因为它的流程设计是必须先通过工具调用读文件、搜代码库核实上下文,再下结论,空口无凭的审查意见直接被拒收。这个「失败的实测」反而让我信了它 precision over recall 的设计哲学。
七、命令族速览
ocr review:工作区模式(暂存 + 未暂存 + 未跟踪全审);--from main --to feature分支区间;--commit abc123单 commit;中断了ocr session list查会话、--resume续跑;ocr scan:不依赖 diff 和 git 历史的全文件审查,接手陌生仓库或审目录时用,--path指定范围;--format json --output result.json:结构化结果落盘,喂给宿主 Agent 的推荐姿势;ocr viewer:本地 WebUI 回放审查会话,标记已修复/忽略的发现;- CI 集成:GitHub Actions、GitLab CI、Gerrit、GitFlic 都有官方方案;另有 MCP Server 和 OpenTelemetry 观测集成。
写在最后
AI 编码把「写」的成本打到了地板上,接下来分水岭是「审」的效率。open-code-review 给的答案不是「换个更强的模型」,而是把 review 拆成两半——确定性的一半交给工程,动态的一半才留给 Agent,再用生产数据把动态那一半也调到稳定。半年 5.4 万 star 说明这思路踩中了真实痛点。
上手建议:没 key 先玩 delegation 模式感受规则匹配的精准;有 key 配个内置 provider(智谱 DeepSeek 都是一行命令的事),拿老仓库的真实分支跑一轮 ocr review --from main。仓库在 github.com/alibaba/open-code-review,文档站 open-codereview.ai——对了,那个 odified] 的显示 bug,说不定你的 issue 能混个 contributor 身份。
以上内容为 GLM 5.3 Agent 整合定时发布。

