AI 编程工具越来越多,写代码的速度正在变快。
但另一个问题也随之出现:代码写得越快,Review 的压力越大。
之前我也vibe coding了一个开发管理和代码审核的系统,Agentic-DevOps / DevManager-Agent 项目,但主要目的还是管理开发,对于Review这一块一直没有太好的方向。
所以团队内Code Review 主要靠AI Agent + 人。
资深工程师看架构、看边界、看异常处理、看安全风险,也看那些“不一定会报错,但迟早会出事”的细节。
但实际用下来,经常会遇到几个问题:
- 大改动时覆盖不全,只看了部分文件
- 评论位置不准,问题说得像那么回事,但行号对不上
- 输出质量不稳定,同样的代码换个提示词,结果差异很大
- 误报偏多,最后还是要人花时间筛
当我准备继续优化我自己的Agentic-DevOps / DevManager-Agent 项目时候,我看到阿里开放了Open Code Review工具。
真是来得早不如来得巧,就像现在很多人打趣现在的情况:只要我AI学得够慢,后面什么工具都会有的。
言归正传,刚才我们难以解决和正在优化的问题,也是 Open Code Review 想解决的问题。
这两天我仔细看了一下这个工具的具体说明,以及我自己本地测试下来,我想给大家推荐一下这个工具。
首先:Open Code Review 是什么?
Open Code Review 是阿里开源的一款 AI 驱动代码审查 CLI 工具。
它的前身是阿里集团内部官方 AI 代码审查助手。据项目 README 介绍,过去两年它已在阿里内部服务数万名开发者,识别了数百万个代码缺陷,经过大规模验证后开放给社区使用。它可以读取 Git diff,把变更文件交给具备工具调用能力的 Agent 分析,并生成行级精度的结构化审查意见。
简单说,它不是一个“把 diff 丢给大模型,然后等一段自然语言评价”的小脚本。
它更像是一套专门为 Code Review 场景设计过的 AI 审查流水线。
它解决的核心问题:让 AI Review 更稳定
Open Code Review 最有意思的地方,是它没有把所有事情都交给大模型。
它采用的是“确定性工程 × Agent”的混合架构。
哪些文件需要审查、哪些文件应该过滤、相关文件如何打包、规则如何匹配、评论位置如何校准,这些容易出错但必须稳定的环节,由工程逻辑来约束。
而 Agent 负责它更擅长的部分:理解代码上下文、检索相关文件、结合规则判断风险,并给出具体审查意见。
这套分工很关键。
因为 Code Review 不是闲聊。它要尽量少漏报,也要尽量少误报;它不仅要“看起来懂”,还要把问题定位到具体代码位置,让开发者能真正处理。
它能审什么?
Open Code Review 支持基于 Git diff 的变更审查,也支持用
ocr scan对整个文件或目录进行扫描。这意味着它不仅适合日常 PR / MR Review,也适合下面这些场景:
- 接手一个不熟悉的老项目,想快速扫一遍潜在风险
- 大版本上线前,对关键目录做一次集中审查
- 在 CI/CD 中自动检查 Pull Request
- 在 Claude Code、Codex、Cursor 等编程 Agent 工作流里作为审查工具使用
- 针对企业内部模型网关或私有大模型服务做定制接入
项目内置了面向代码缺陷的规则集,仓库描述中提到了 NPE、线程安全、XSS、SQL 注入等典型风险类型。它也支持 OpenAI / Anthropic 兼容接口,团队可以接自己的模型服务或私有网关。
怎么开始使用?
如果只是本地体验,官方推荐通过 npm 安装:
npm install -g @alibaba-group/open-code-review
安装完成后,全局会有 OCR命令。
首次使用前,需要配置 LLM:
ocr config providerocr config modelocr llm test
然后进入项目目录,直接审查当前工作区变更:
ocr review
也可以审查两个分支之间的差异:
ocr review --from main --to feature-branch
如果想扫描整个仓库或指定目录:
ocr scanocr scan --path internal/agent
CI 场景下,可以输出 JSON,方便流水线解析,建议大家使用这个方法,否则看起报告来很艰难:
ocr review \ --from ”origin/main” \ --to ”origin/feature-branch” \ --format json
为什么值得关注?
Open Code Review 值得关注,不只是因为它来自阿里的内部实践,也不只是因为它开源了。
更重要的是,它代表了 AI 工程工具的一个方向:从“通用 Agent 什么都做”,逐渐走向“工程系统负责约束,Agent 负责判断”。
在真实研发流程里,稳定性往往比炫技更重要。
Code Review 也是如此。一个 AI Review 工具,不能只会说“这段代码可能有问题”,它还要知道看哪些文件、用哪些规则、如何控制误报、如何定位到准确行号、如何在大变更里保持覆盖率。
Open Code Review 的设计思路,正是把这些工程问题认真拆开处理。
适合谁使用?
如果你是个人开发者,它可以作为提交前的自检工具,帮你在发 PR 前先扫掉一批低级问题。
如果你在团队里负责质量、效能或 DevOps,它可以接入 CI/CD,在 MR / PR 阶段自动生成审查建议。
如果你已经在使用 Codex、Claude Code、Cursor 这类编程 Agent,它也可以作为一个专门的 Review 能力补充…