English | 简体中文 | 日本語 | 한국어 | Русский
什么是 Open Code Review?¶
Open Code Review 是一个基于 AI 的代码审查 CLI 工具。它源自阿里巴巴集团内部的官方 AI 代码审查助手,在过去两年中已服务于数万名开发者,发现了数百万个代码缺陷。在大型环境中经过充分验证后,我们将其作为开源项目贡献给社区。只需配置模型 endpoint 即可立即使用。
该工具读取 Git diff,通过具备工具调用能力的 Agent 将变更文件传递给可配置的 LLM,然后生成包含逐行位置信息的结构化审查评论。Agent 可以读取完整文件内容、搜索代码库、查看其他变更文件等来获取上下文,从而进行深入审查,而不是表面的 diff 反馈。除了 diff 审查之外,ocr scan 还可以审查整个文件,适用于审计不熟悉的代码库,或审查没有实质性 diff 的目录。
更多详情请参阅官方网站。

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确率(Precision)和 F1 分数,token 消耗量约为 1/9,且审查速度更快。不过,召回率(Recall)低于通用 Agent——这是为了降低噪音、优先保证精确率而做出的设计权衡。
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 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 个已标注的缺陷)。
在 Hugging Face 上查看 AACR-Bench 数据集.
| 指标 | 衡量内容 | 为何重要 |
|---|---|---|
| F1 | 精确率与召回率的调和平均 | 代表审查质量的最佳单一指标 |
| 精确率(Precision) | 报告的问题中实际缺陷的比例 | 越高意味着需要确认的误报越少 |
| 召回率(Recall) | 实际缺陷中被发现的比例 | 越高意味着漏掉的问题越少 |
| 平均时间(Avg Time) | 每次审查实际耗时 | 影响 CI 流水线等待时间 |
| 平均 Token(Avg Token) | 每次审查的总 token 消耗量 | 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 Claude Code Skills 之类的通用 Agent 进行代码审查,可能遇到过以下问题。
- 覆盖不完整:在较大的 changeset 中,容易只选择性地审查部分文件,错过重要文件。
- 位置漂移:指出的问题与实际代码位置不符,或行号、文件引用经常出现偏差。
- 质量不稳定:基于自然语言的 Skill 难以调试,即使是微小的 prompt 变化也可能导致审查质量大幅波动。
根本原因在于,纯语言中心架构无法为审查流程提供强有力的约束。
核心设计:确定性工程与 Agent 的混合¶
Open Code Review 的核心哲学是将确定性工程与 Agent 结合起来,让各自发挥所长。
确定性工程:强约束
必须确保准确性的审查步骤,由工程逻辑而非语言模型来保证。
- 精确的文件选择:决定审查哪些文件、过滤哪些文件,确保重要变更不会遗漏。
- 智能文件捆绑:将相关文件组合为一个审查单元。例如,将
message_en.properties和message_zh.properties放在一起。每个 bundle 由具有独立上下文的子 Agent 执行,即使在大型 changeset 中也能支持稳定的分而治之策略和并行审查。 - 细粒度的规则匹配:根据每个文件的特点匹配审查规则,集中模型注意力并减少信息噪音。基于模板引擎的规则匹配比纯自然语言规则引导更稳定、更可预测。
- 外部定位与反射模块:独立的 comment positioning 与 comment reflection 模块,系统性地提升 AI 反馈的位置准确性和内容准确性。
Agent:动态决策
Agent 的优势集中在动态判断和动态上下文检索的关键环节。
- 场景优化 prompt:通过针对代码审查深度优化的 prompt template,提升效果并减少 token 消耗。
- 场景优化 toolset:通过分析大规模生产数据中的 tool-call trace 得出。综合调用频率分布、各 tool 的重复率、新 tool 对整体调用链的影响等,提供比通用 agent toolkit 更稳定、更可预测的代码审查专用 toolset。
使用方法¶
前提条件¶
- Git >= 2.41 — Open Code Review 使用 Git 生成 diff、搜索代码并执行仓库操作。
CLI¶
安装¶
安装后,ocr 命令可在全局使用。
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。
Quick Start¶
1. LLM 配置
执行代码审查前需要配置 LLM。如果使用委派模式,则无需配置。
ocr config provider # built-in provider 선택 또는 custom provider 추가
ocr config model # 활성 provider의 model 선택

交互式 UI 会引导你选择 provider、输入 API key 并配置模型,完成后会自动执行连接测试。
有关 CLI 配置、环境变量、自定义 provider 等高级配置,请参阅配置指南。
2. 执行审查
cd your-project
# Workspace mode: staged, unstaged, untracked 변경을 모두 리뷰
ocr review
# 브랜치 범위 — main에서 분기된 이후 feature-branch의 변경 사항을 리뷰합니다 (머지베이스 모드)
ocr review --from main --to feature-branch
# 단일 commit
ocr review --commit abc123
# 중단된 range 또는 단일 commit review 재개
ocr session list
ocr review --from main --to feature-branch --resume <session-id>
# 전체 파일 스캔 — diff 대신 파일 전체를 리뷰 (git 이력 불필요)
ocr scan # 전체 repository 스캔
ocr scan --path internal/agent # 디렉터리 또는 특정 파일 스캔
ocr scan --resume <session-id> # 중단된 전체 파일 스캔 재개
# 결과를 파일로 저장 (AI 호스트 에이전트 권장)
ocr review --format json --output result.json
# 위임 모드 — AI 코딩 에이전트가 직접 리뷰 수행
# OCR은 파일 선택과 규칙 해석만 담당; LLM 설정 불필요
ocr delegate preview
ocr delegate rule src/main.go src/handler.go
Documentation¶
完整文档可在 open-codereview.ai/docs 查看:
- 快速开始 — 安装并运行你的第一次审查
- 安装 — 所有平台与包管理器
- CLI 参考 — 所有命令与标志
- 审查规则 — 自定义审查规则、路径过滤与定位
- 配置 — 配置键与环境变量
- 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与技能的插件
- OpenCode — 安装原生审查工具与斜杠命令
- QCA Forward — 使用 QCA 托管模型与可发布模板运行委派模式
- Skill 兼容代理 — 安装可移植的代理技能
- 审查执行模式 — 集成后选择执行审查的 LLM
- 默认模式(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 LLM 执行审查;无需 OCR API key
- CI/CD 集成 — 集成 GitHub Actions、GitLab CI、GitFlic CI、Gerrit
- 会话查看器 — 在浏览器中浏览与回放审查会话,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 — 常见问题与故障排查
Contributing¶
本项目得益于所有贡献者的支持。关于开发环境搭建、编码规范与 pull request 提交方法,请参阅 CONTRIBUTING.ko-KR.md。
License¶
Apache-2.0 版权所有 2026 Alibaba
本页原文 Markdown:在 AtomGit 查看·内容源自开源项目 op/open-code-review