English | 简体中文 | 日本語 | 한국어 | Русский
什么是 Open Code Review?¶
Open Code Review 是一款基于 AI 的代码审查 CLI 工具。它最初诞生于阿里巴巴集团内部的官方 AI 代码审查助手,在过去两年中服务了数万名开发者,发现了数百万个代码缺陷。在大规模环境下经过充分验证后,现已作为面向社区的开源项目发布。只需配置好模型端点(endpoint),即可开始使用。
它会读取 Git diff,将变更文件经由具备工具调用能力的 Agent 发送给可配置的 LLM,并生成具有行级精度的结构化审查意见。Agent 可以读取文件完整内容、检索代码库、为获取上下文而查看其他变更文件,从而生成有深度的审查结果——而不仅仅是对 diff 表层的反馈。除了 diff 审查之外,ocr scan 还可以审查整个文件,非常适合审计不熟悉的代码库,或检查没有实质性 diff 的目录。
详情请访问官方网站。

基准测试¶
与通用 Agent(Claude Code)相比,Open Code Review 在相同基础模型上实现了显著更高的精度(Precision) 和 F1 分数,Token 消耗仅为约 1/9,审查速度也更快。不过其召回率(Recall)会低于通用 Agent——这是以抑制噪声、优先保证精度为目标的設計权衡。
一个基于真实代码审查的基准测试:从 50 个热门开源仓库中精选出 200 个真实 Pull Request,覆盖 10 种编程语言——由 80 多位资深工程师交叉验证(1,505 个已标注缺陷)。
在 Hugging Face 上查看 AACR-Bench 数据集
| 指标 | 衡量内容 | 重要性 |
|---|---|---|
| F1 | 精度与召回率的调和平均 | 衡量审查质量的最佳单一指标 |
| 精度(Precision) | 上报问题中真实缺陷所占的比例 | 越高 = 需要确认的误报越少 |
| 召回率(Recall) | 真实缺陷中被发现的比例 | 越高 = 漏报越少 |
| 平均时间(Avg Time) | 每次审查的实际耗时 | 影响 CI 流水线的等待时间 |
| 平均 Token(Avg Token) | 每次审查消耗的总 Token 数 | 直接影响 API 成本 |

为什么选择 Open Code Review?¶
通用 Agent 的问题¶
如果你曾使用过像 Claude Code 的 Skills 这样的通用 Agent 来进行代码审查,大概会会遇到以下问题:
- 覆盖不完整 — 面对较大的变更集时,Agent 容易“偷懒”,只选择性地审查部分文件,而忽略其他文件。
- 位置偏移 — 报告的问题与实际代码位置对不上,行号或文件引用经常偏离目标。
- 质量不稳定 — 由自然语言驱动的 Skills 难以调试,Prompt 稍有不同,审查质量就会出现很大波动。
根本原因在于,纯语言驱动(language-driven)的架构缺少对审查流程的硬性约束。
核心设计:确定性工程 × Agent 的混合架构¶
Open Code Review 的核心哲学是:将确定性工程与 Agent 相结合,让两者各司其职、发挥各自所长。
确定性工程 — 硬性约束
对于绝不能出错的审查步骤,由工程逻辑而非语言模型来保证正确性:
- 精确的文件选择 — 精确决定哪些文件需要审查、哪些文件应被过滤,确保重要变更不会被遗漏。
- 智能文件捆绑 — 将相关文件归组为单个审查单元(例如
message_en.properties与message_zh.properties会被捆绑在一起)。每个捆绑包作为拥有独立上下文的子 Agent 运行——这是一种即使面对非常庞大的变更集也能保持稳定的分而治之策略,并且天然支持并行审查。 - 细粒度的规则匹配 — 根据每个文件的特性匹配审查规则,让模型注意力更聚焦,从源头排除信息噪声。与纯语言驱动的规则引导相比,基于模板引擎的规则匹配更加稳定、可预测。
- 外部定位与反思模块 — 通过独立的评论定位模块和评论反思模块,系统性提升 AI 反馈的位置精度与内容精度。
Agent — 动态决策
Agent 的强项被聚焦于最重要的领域——动态决策与动态上下文获取:
- 面向场景优化的 Prompt — 为代码审查深度优化的 Prompt 模板,在提升效果的同时降低 Token 消耗。
- 面向场景优化的工具集 — 基于对大规模生产数据中工具调用轨迹的细致分析(调用频率分布、各工具的重复使用率、新工具对整个调用链的影响等)提炼而成,是一套在代码审查中比通用 Agent 工具包更稳定、更可预测的专用工具集。
使用方法¶
前提条件¶
- Git >= 2.41 — Open Code Review 使用 Git 进行 diff 生成、代码搜索和仓库操作。
CLI¶
安装¶
安装后,ocr 命令将在全局范围内可用。
关于其他安装方式(安装脚本、GitHub Release 二进制文件、源码构建),请参阅安装指南。
快速开始¶
1. 配置 LLM
在进行代码审查之前,需要配置 LLM。如果使用委派模式,则无需配置。

交互式 UI 将引导你完成提供商选择、API 密钥输入和模型设置,并在完成后自动进行连接测试。
关于 CLI 设置、环境变量、自定义提供商等高级配置,请参阅配置指南。
2. 进行审查
cd your-project
# ワークスペースモード — ステージ済み・未ステージ・未追跡のすべての変更をレビュー
ocr review
# ブランチ範囲 — main から分岐した後の feature-branch の変更をレビュー(マージベースモード)
ocr review --from main --to feature-branch
# 単一コミット
ocr review --commit abc123
# 中断した範囲または単一 commit レビューを再開
ocr session list
ocr review --from main --to feature-branch --resume <session-id>
# フルファイルスキャン — diffではなくファイル全体をレビュー(git履歴不要)
ocr scan # リポジトリ全体をスキャン
ocr scan --path internal/agent # ディレクトリまたは特定のファイルをスキャン
ocr scan --resume <session-id> # 中断したフルファイルスキャンを再開
# 結果をファイルに出力(AI ホストエージェント推奨)
ocr review --format json --output result.json
# デリゲートモード — AI コーディングエージェントが自らレビューを実行
# OCR はファイル選択とルール解決を担当。LLM 設定不要
ocr delegate preview
ocr delegate rule src/main.go src/handler.go
文档¶
完整文档请参阅 open-codereview.ai/docs:
- 快速开始 — 安装并执行你的第一次审查
- 安装 — 所有平台和包管理器
- CLI 参考 — 所有命令和标志
- 审查规则 — 自定义审查规则、路径过滤与定向
- 配置 — 配置键和环境变量
- MCP 服务器 — 使用外部工具扩展审查代理
- 编码代理集成 — 选择你要使用的平台
- Claude Code — 安装包含审查斜杠命令的插件
- Codex — 安装包含可调用审查技能的插件
- Cursor — 安装包含可移植审查技能的插件
- Kimi Code — 安装包含审查斜杠命令和技能的插件
- OpenCode — 安装原生审查工具和斜杠命令
- QCA Forward — 使用 QCA 托管模型和可发布的模板运行委派模式
- 支持 Skill 的代理 — 安装可移植的代理技能
- 审查执行模式 — 集成后,选择由哪个 LLM 执行审查
- 默认(由 OCR 管理) — OCR 使用已配置的 LLM 执行审查
- 委派模式 — 编码代理使用自身的 LLM 执行审查,无需 OCR 的 API 密钥
- CI/CD 集成 — 与 GitHub Actions、GitLab CI、GitFlic CI、Gerrit 集成
- 会话查看器 — 在浏览器中查看和回放审查会话,可将评论标记为已修复/已忽略并隐藏
- 遥测 — 用于可观测性的 OpenTelemetry 集成
- FAQ — 常见问题和故障排查
贡献¶
这个项目的成长离不开所有贡献者的支持。有关开发环境搭建、编码指南以及如何提交拉取请求,请参阅 CONTRIBUTING.ja-JP.md。
许可证¶
Apache-2.0 — Copyright 2026 Alibaba
本页原文 Markdown:在 AtomGit 查看·内容源自开源项目 op/open-code-review