首 页
手机版

阿里open code review

专为代码审查打造的Agent系统。

  • 软件大小:31.48M
  • 软件语言:简体中文
  • 软件类型:国产软件
  • 软件授权:免费软件
  • 更新时间:2026-11-19 21:01
  • 软件类别:AI工具
  • 软件厂商:
网友评分: 5.0分
网友评论(0) 下载地址 收藏该页
本地下载

open code review是一款ai驱动的代码审查CLI工具,前身是阿里集团内部官方ai代码审查助手,也是一个能读取文件、搜索代码库、交叉引用上下文并应用细粒度规则进行深度审查的AI Agent,可以将阿里巴巴经过实战检验的代码审查 Agent 引入您的工作流程,连接任意 LLM,数据完全私有,获得开发者真正采纳的审查意见。软件过去两年在内部服务了数万开发者,识别了数百万个代码缺陷。经过大规模充分验证后,已经将其孵化为开源项目,对社区开放,只需配置一个模型端点即可使用。

目前阿里open code review读取 Git diff,通过具备工具调用能力的 Agent 将变更文件发送至可配置的 LLM,生成具有行级精度的结构化审查意见。Agent 可以读取完整文件内容、搜索代码库、检查其他变更文件以获取上下文,从而进行深度审查——而非仅停留在表面的 diff 反馈。除了 diff 审查,ocr scan 可以审查整个文件,适用于审计不熟悉的代码库或没有有意义 diff 的目录。

ai代码评审工具open code review

软件核心特性

1、混合架构:确定性 + Agent

将确定性工程(任务拆分、文件过滤、行号定位、规则路由、异步调度)与 LLM Agent 推理(风险检测、上下文探索、问题分类)解耦——工程模块处理确定性,Agent 处理语义,在质量、Token 成本和速度之间取得最优平衡。

2、精准评论定位与反思

独立的行级评论定位模块,采用三级渐进式 LLM 策略精确定位到具体行号。独立的反思模块提前拦截幻觉和知识偏移。

3、多模型协议支持

同时支持 Anthropic Messages API、OpenAI Chat Completions API 和 OpenAI Responses API。内置 Anthropic、OpenAI、DashScope、DeepSeek、Z.AI 等预设提供商,开箱即用,同时支持自定义模型端点用于私有化部署。

4、Effort 驱动的多轮递进审查

Agent 审查深度可控:low 快速反馈,medium 兼顾质量与成本,high 用于不容遗漏的关键变更。档位越高,越会带着已发现的问题继续向更深处追问;当一轮探索不再产出新风险时自动收敛,不为深度支付多余成本。

5、智能记忆压缩

专为代码审查构建的记忆压缩方案,采用三级分区(冻结/压缩/活跃)上下文管理,突破 Token 限制实现深度审查。

6、内置审查规则

经海量真实场景验证的审查规则,覆盖 40+ 种语言与文件类型——Java、TypeScript、Go、Python、Kotlin、Rust、C/C++、Swift、Solidity、Verilog 等,内置 NPE、线程安全、XSS、SQL 注入等专项检查。

7、公开基准测试·AACR-Bench

80+ 位资深工程师交叉验证,一个真实世界的 CodeReview 基准测试,从 50 个热门开源仓库中精选,包含 200 个真实 Pull Request,覆盖 10 种编程语言、多样的问题类型和不同规模的变更集。

为什么选择Open Code Review?

一、通用 Agent 的局限

如果你深度用过 Claude Code 等通用 Agent + Skills 方案做代码审查,可能对以下问题深有同感:

- 覆盖不全 —— 变更较大时,Agent 倾向于"偷懒",选择性地审查部分文件,导致遗漏。

- 位置漂移 —— 报告的问题与实际代码位置常常对不上,出现行号或文件偏移。

- 效果不稳定 —— 基于自然语言驱动的 Skills 难以调试,审查质量因提示词的细微差异而大幅波动。

这些问题的根源在于:纯语言驱动的架构缺乏对审查流程的强约束。

二、核心设计:确定性工程 × Agent 混合驱动

Open Code Review 的核心设计理念是将确定性工程与 Agent 结合,各司其职。

1、确定性工程——负责强约束

对代码审查场景中"不能出错"的环节,由工程逻辑而非语言模型来保证:

- 精准的文件筛选 —— 明确哪些文件需要审查、哪些应当过滤,确保真正重要的改动一个不漏。

- 智能的文件打包 —— 将关联文件归并为同一审查单元(例如 message_en.properties 与 message_zh.properties 会被打包在一起)。每个包会作为 sub-agent 进行任务,它们之间的上下文是隔离的——这一分治策略在超大变更场景下表现更为稳定,同时天然支持并发审查。

- 精细化规则匹配 —— 针对不同文件的特征,匹配对应的审查规则,确保模型的注意力足够聚焦,从源头规避信息噪声的干扰。相比纯语言驱动的规则引导,基于模板引擎的规则匹配行为更稳定、结果更可预期。

- 外挂的定位与反思组件 —— 独立的评论定位模块与评论反思模块,系统性地提升 AI 反馈的位置准确性与内容准确性。

2、Agent——负责动态决策

将 Agent 的优势集中发挥在它真正擅长的地方——动态决策、动态召回上下文:

- 场景化提示词调优 —— 针对代码审查场景深度优化提示词模板,在提升效果的同时有效降低 Token 消耗。

- 场景化工具集沉淀 —— 基于对大量线上数据中工具调用轨迹的深入分析,包括不同工具的调用频率分布、单一工具的重复调用率、新增工具对整体调用- 链路的影响等多维度分析,从而对通用 Agent 工具集进行取舍与拆分,最终沉淀出一套在代码审查场景下效果更稳定、行为更可预期的专属工具集。

阿里open code review如何使用?

一、前置条件

Git >= 2.41 — Open Code Review 依赖 Git 进行 diff 生成、代码搜索和仓库操作。

二、Agent Skills

可用于 Claude Code、Codex、Cursor、Kimi Code,以及其他支持 Agent Skills 且能执行本地命令的 Agent。两种模式都需要 Git >= 2.41 和 ocr CLI;只有原生模式需要配置 OCR 的模型供应商。

1、安装 Skills

在待审查项目中运行,并在安装器中选择所需的 skills 和你的 Agent:

npx skills add alibaba/open-code-review

如果缺少 ocr,skills 会引导 Agent 在环境权限允许的情况下安装它。也可以提前运行 npm install -g @alibaba-group/open-code-review。

2、选择审查模式

没有单独的 key?从委托模式开始。 它省去的是 OCR 的供应商配置,不是宿主 Agent 自身的认证、用量限制或费用。Agent 订阅不会自动成为原生模式可用的 API 凭证。委托模式下,OCR 的 CLI 和 skill 共同提供审查流水线和围栏,包括文件选择、规则解析、覆盖要求和结构化报告。宿主 Agent 在这一流程下完成分析、定位和报告,并不运行 OCR 完整的原生流水线。

使用原生模式时,通过 ocr config provider 和 ocr config model 完成一次性配置。

三、CLI

1、安装

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

安装后,ocr 命令即可全局使用。

2、快速开始

- 配置 LLM

在审查代码之前,必须先配置 LLM。除非你使用委托模式。

由 OCR 调用模型: ocr review、/open-code-review:review 命令和 open-code-review skill 使用 OCR 自身的供应商配置,而非你的 Claude Code Team/Pro 订阅登录。认证要求取决于供应商;

由宿主 agent 调用模型: /open-code-review:delegate-review 命令和 open-code-review-delegate skill 使用宿主 agent 配置的模型和认证方式,无需在 OCR 中单独配置 LLM 或凭证。

ocr config provider   # 选择内置供应商或添加自定义供应商

ocr config model   # 为当前供应商选择模型

交互式界面会引导你完成供应商选择、API Key 输入和模型配置,完成后自动测试连通性。

命令行设置、环境变量、自定义供应商等高级配置,

- 开始审查

cd your-project

# 工作区模式 —— 审查所有暂存、未暂存和未跟踪的变更

ocr review

# 当前分支 —— 评审当前分支与 main 分叉后的变更(--to 默认为 HEAD)

ocr review --from main

# 分支范围 —— 评审 feature-branch 与 main 分叉后的变更(合并基准模式)

ocr review --from main --to feature-branch

# 单个提交

ocr review --commit abc123

# 恢复中断的区间或单 commit 评审

ocr session list

ocr review --from main --to feature-branch --resume

# 全量文件扫描 —— 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  # 扫描指定目录或文件

ocr scan --resume    # 恢复中断的全量文件扫描

# 将结果输出到文件(AI 宿主 agent 推荐)

ocr review --format json --output result.json

# 委托模式 — 让你的 AI 编程 agent 自己执行评审

# OCR 负责文件选择和规则解析;无需配置 LLM

ocr delegate preview

ocr delegate rule src/main.go src/handler.go

使用场景

1、独立开发者

将 Open Code Review 嵌入你的本地 AI 辅助开发工作流,获得即时、高质量的代码审查反馈。

2、平台团队

无缝集成到内部系统中,完全掌控数据流和审查策略。

3、ML 研究者

作为 RL 训练流水线中的代码质量验证器,为代码生成模型提供可靠的奖励信号。

更新日志

v1.13.12版本

一、功能

- feat(pages): 在网站页脚添加联系方式链接

二、Bug 修复

- 修复(会话): 继续将身份字段分开

- 修复(遥测): 序列化延迟指标初始化

- 修复(工具): 绑定文件读取结果的字节数,而不仅仅是行数

- fix(cmd): 对于部分操作失败返回非零值

三、其他更改

- 测试(启动器):停止将通过的运行结果显示为红色

- gitcmd: 绑定 Wait 后的取消操作,使用 WaitDelay 收起介绍展开介绍

  • 下载地址
阿里open code review
  • 其他版本
    {playpage:qitabanben_html}



发表评论

0人参与,3条评论