代码审查其实有两件事,很容易被混为一谈:一是找出哪些改动值得细看,二是判断这些改动有没有引入真正的缺陷。语言模型能帮忙做第二件事,但第一件事它并不天然靠谱——可能漏掉某个文件,可能在 diff 变化后把评论标到错误的行,也可能把 token 花在重读那些确定性工具本可以选好的代码上。

打开网易新闻 查看精彩图片

阿里开源的 OpenCodeReview 有意思的地方,就是把这两份职责拆开了。它把确定性审查流水线和 LLM 智能体结合起来,而不是让一个通用模型从零开始把整场审查做完。

这个仓库不算全新:GitHub 记录显示它创建于 2026 年 5 月。真正让它值得再看一眼的是当下的活跃度。在 11 月 14 日 06:58 UTC 采集的 GitHub Trending 快照里,它排在当日 AI-agent 榜单第一,当天涨了 215 星。当天晚些时候查 GitHub API,显示 50,988 星,且 11 月 14 日有一次推送。项目还在 11 月 13 日发布了 v1.13.9。

它到底做什么

OpenCodeReview 是一个用于审查代码改动的 CLI 和智能体集成。它能检查工作区、比较分支,或审查某个特定提交。它内置了一批针对常见缺陷的审查规则,也能在需要更广上下文的问题上调用 LLM。

关键的设计选择在于两者的边界:

  • 确定性阶段负责识别改动的文件、构建审查上下文、匹配规则,并让评论位置始终锚定在 diff 上。
  • LLM 负责依赖上下文的推理,比如某处改动是否制造了隐蔽的逻辑 bug,或是否违背了架构预期。
  • 工具把结果转成行级发现,既可在本地消费,也可通过支持的集成读取。

这种分工的好处是,审查系统不必每次都靠模型重新发现 Git diff 的结构。确定性层让审查可重复,模型则把预算花在真正需要判断的部分。仓库还提供全文件扫描模式——这和审查 PR 是两件不同的事:diff 审查问的是某次改动弄坏了什么,扫描问的是一片更大的代码区域里存在什么问题。

装好跑第一次审查

CLI 要求 Git 2.41 或更新版本,仓库把 npm 列为一条直接的安装路径。

  • npm install -g @alibaba-group/open-code-review
  • ocr version

交互式配置提供方和模型:

  • ocr config provider
  • ocr config model

配置流程会询问提供方细节并测试连接。标准审查模式需要配置好模型。如果使用受支持的委派工作流,宿主编码智能体可以自带模型和凭据,选择该模式前先读委派指南。

进入一个 Git 仓库,审查当前工作区:

  • cd your-project
  • ocr review

把特性分支和 main 对比:

  • ocr review --from main --to feature-auth

或指定单个提交:

  • ocr review --commit abc123

这些命令取自项目当前 README,分支和提交示例要换成你自己仓库里的值。

最新版本改了什么

找到的最新标签版本是 v1.13.9,发布于 2026 年 11 月 13 日。改动不算新架构发布,但日常使用中能感觉到:

  • 运行覆盖范围现在会记录被排除的文件,更容易看清一次审查没检查什么。
  • GitHub Action 即使零发现,也会在 PR 摘要里显示警告。
  • 会话 JSON 输出对会话列表改为输出空数组,而不是 null。
  • 工具声明按请求强制执行。

再往前一个版本 v1.13.8 加入了 GitHub Copilot CLI 集成,以及同时读取比较两侧内容的能力。这是个有用的信号:项目正在走出单一编辑器或智能体工作流。

怎么评估它的结果

README 公布了一份基准测试,并说明相比通用智能体审查,该工具刻意偏向精确率而非召回率。这些数字应视为项目自报结果,而不是它一定优于你现有审查器的独立保证。

更靠谱的测试是在自己的代码库上做一次小规模评估:

  1. 挑几个已合并、且已知含 bug 的 PR。
  2. 再放入几个干净的 PR,正确结果应当是无发现。
  3. 在相同提交上分别跑 OpenCodeReview 和你当前的审查器。
  4. 记录真阳性、假阳性、漏掉的缺陷,以及评论是否指向正确的行。
  5. 更换提供方、模型或审查规则后重跑一遍。

评论更多的工具不一定更好。假阳性会带来审查疲劳,召回率低则可能让重要 bug 溜过去。

适合用在哪,不适合用在哪

如果团队想要一个本地 CLI、可重复的 diff 处理、内置规则,以及一层可独立配置的 LLM,OpenCodeReview 值得一试。对想在开 PR 之前先跑一遍审查的团队,可能尤其有用。

它不是所有安全控制的替代品。Semgrep、CodeQL、编译器诊断和单元测试仍应留在流水线里。静态分析更擅长已知模式和可强制执行的策略;模型能补充上下文,但不该成为保护生产环境的唯一闸门。

实际取舍也摆在那里:

  • 除非用委派模式,否则需要一份兼容的模型配置。
  • 结果取决于所选模型、仓库上下文和审查规则。
  • 高精确率策略仍可能漏缺陷,假阳性和召回率都要看。
  • 审查输出在开发者验证之前,只能当作建议。

想要托管式 PR 体验,可以拿它和 GitHub Copilot code review 或 CodeRabbit 比;想要确定性安全规则,和 Semgrep、CodeQL 比;只想要一份探索性的第二意见,通用编码智能体可能就够了。怎么选,取决于你更看重可重复性、托管便利,还是更深的对话式推理。