
「精度优先」的代码评审:阿里把内部助手开源,token 只花通用 Agent 的九分之一
通用 Agent 做代码评审的三个老毛病——漏看文件、行号漂移、质量不稳,被一套确定性工程加 Agent 的混合架构正面解决:同模型下精度与 F1 更高,token 只花九分之一,代价是刻意调低的召回率。
相关标签
用通用 Agent 做代码评审,很多人踩过同样的坑:改动一大,它就”偷工减料”,只挑几个文件看;报出来的问题行号经常飘,点进去发现不是那一行;同一个仓库换一版提示词,评审质量上下浮动得没法解释。阿里把这个问题的解法做成了一个独立工具——Open Code Review,把内部用了两年的 AI 代码评审助手开源了出来。
这套东西原本是阿里内部的官方 AI 代码评审助手,两年间服务了数万名开发者,累计找出数百万个代码缺陷。经过大规模验证后,团队把它孵化成开源项目,用 Apache-2.0 放出,Go 编写,全球安装只需要一条 npm install -g @alibaba-group/open-code-review,之后就有 ocr 命令可用。
它和”给 Claude Code 装个 review 技能”的根本区别在于架构分工。Open Code Review 的哲学是”确定性工程 × Agent 混合”:凡是不能出错的事,交给工程逻辑而不是语言模型。选哪些文件、跳过哪些,由确定性逻辑判定;相关文件会被打包成一个评审单元(比如 message_en.properties 和 message_zh.properties 必须一起看),每个包作为独立上下文的子 Agent 跑,天然支持并发,在超大 changeset 上也不会崩;规则匹配走模板引擎,按文件特征精准投放,从源头砍掉无关噪音;评论定位与反思则是两个独立模块,专门修 AI 反馈里最常见的”位置不准”和”内容不准”。
Agent 只负责它真正擅长的事:动态决策和动态取上下文。提示词是专门为代码评审调过的,工具集也是从生产环境真实调用链里蒸馏出来的——分析了调用频次分布、单工具重复率、新工具对整条链的影响之后,才定下这几十个工具,而不是把通用 Agent 的全套工具箱直接搬过来。结果是同一模型下更稳、更可预测。
代价也很明确:召回率低于通用 Agent。团队在 README 里直接承认这是”以精度换噪音”的刻意取舍——宁可少报,也不要让开发者每天花时间 triage 一堆假警报。
这个取舍有公开数据支撑。他们建了 AACR-Bench:50 个热门开源仓库、200 个真实 PR、10 种编程语言,由 80 多位资深工程师交叉标注出 1,505 条 ground-truth 问题,数据集已发布在 Hugging Face。在同一底层模型下对比 Claude Code,Open Code Review 的 Precision 和 F1 明显更高,平均耗时更短,token 消耗只有约九分之一。
用法覆盖三类场景:ocr review 跑工作区里已暂存、未暂存、未跟踪的改动;ocr review --from main --to feature 走 merge-base 区间;ocr review --commit 看单个提交;ocr scan 则完全跳过 diff,直接整文件扫描——审计陌生代码库、或者面对没有有意义 diff 的目录时用这个。中断了可以 ocr session list 接着跑。结果能存成 JSON 交给上层 Agent 消费。
接入层面它没有把自己做成孤岛。Claude Code、Codex、Cursor、Kimi Code、OpenCode、QCA 都有官方插件;11-12 发布的 v1.13.8 又补上 GitHub Copilot CLI 集成,并把模型推荐默认切到 MiniMax M3.1 Flash。还有一个”委派模式”值得注意:ocr delegate 只做文件选择和规则解析,真正的评审交给宿主 Agent 用它自己的模型跑,OCR 这边一个 API key 都不用配。CI/CD 侧支持 GitHub Actions、GitLab CI、GitFlic CI 和 Gerrit,另有 MCP Server 可以外挂工具、OpenTelemetry 接可观测性。
最新一版是 11-13 的 v1.13.9,改动偏务实:manifest 里开始记录”本次运行排除了哪些文件”,让覆盖率可审计;修了零发现时 PR 摘要不显示警告、每次请求的工具声明没被强制执行、session list --json 在空结果时吐 null 而不是 [] 等问题。前一版则做了个破坏性重构,把 --tools 命令行覆盖项直接删掉——工具集交给任务模板定义,不再让用户随手改。
项目还拿了 OpenSSF Best Practices 的金级认证,这在快速迭代的 AI 工具里不算常见。对正在把 AI 评审接进 CI 的团队来说,它提供的其实是另一种承诺:不追求”什么都能挑出来”,而是保证”报出来的大概率是真的”。
更多资讯
想看更多优质内容?
浏览所有资讯