### [Open Code Review：阿里巴巴开源的 AI 代码评审 CLI，Token 只用 1/9 却更精准](https://www.willai.cc/article/4282)

**Published:** 2026-07-24T12:55:32

**Author:** hiyoho

**Excerpt:** 如果你用过 Claude Code 之类的通用 Agent 做代码评审，大概率遇到过这些坑：改动一多就”偷工减料”只看部分文件、报出来的问题行号对不上、换个提示词质量就飘。Open Code Review（OCR） 是阿里巴巴刚开源的一款 

如果你用过 Claude Code 之类的通用 Agent 做代码评审，大概率遇到过这些坑：改动一多就”偷工减料”只看部分文件、报出来的问题行号对不上、换个提示词质量就飘。**Open Code Review（OCR）** 是阿里巴巴刚开源的一款 AI 代码评审命令行工具，它把”确定性工程”和”Agent 动态决策”拧在一起，专门解决这些问题。项目上线不久便冲上 GitHub Trending，目前已收获约 **12.2K Stars**。

![Open Code Review 功能亮点](https://admin.hiyoho.com/wp-content/uploads/2026/07/ocr_highlights.png)

Open Code Review 功能亮点（图片来源：项目 README）

## 一句话简介

**Open Code Review** 是阿里巴巴开源的 AI 代码评审 CLI 工具——读取 Git diff，交给可配置的大模型 Agent 进行带工具调用的深度评审，产出行级精准的结构化评审意见。它源自阿里内部使用两年、服务数万开发者、累计发现数百万代码缺陷的官方评审助手，经大规模验证后开源。

## 安装要求与快速上手

### 环境要求

-   **Git ≥ 2.41**：OCR 依赖 Git 生成 diff、检索代码与仓库操作。
-   支持 **Windows / macOS / Linux** 三大平台；需要配置一个大模型接口（OpenAI / Anthropic 兼容即可），或使用”委托模式”无需配模型。

### 安装（npm 全局安装）

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

安装完成后，全局即可使用 `ocr` 命令。也支持安装脚本、GitHub Release 二进制、源码编译等方式。

### 配置模型

```
# 选择内置服务商或添加自定义服务商
ocr config provider
# 为当前服务商选择模型
ocr config model
```

交互式界面会引导你完成服务商选择、API Key 填写与模型配置，并自动测试连通性。

![模型配置界面](https://admin.hiyoho.com/wp-content/uploads/2026/07/ocr_providers.jpg)

交互式模型配置界面（图片来源：项目 README）

### 开始评审

```
cd your-project

# 工作区模式：评审所有暂存/未暂存/未跟踪的改动
ocr review

# 分支范围：对比两个 ref
ocr review --from main --to feature-branch

# 单个 commit
ocr review --commit abc123

# 整文件扫描：不看 diff，直接审阅整个仓库或指定目录
ocr scan
ocr scan --path internal/agent
```

## 核心功能

-   **确定性工程 × Agent 混合架构**：对”绝不能出错”的评审步骤（选文件、匹配规则、定位行号）用工程逻辑硬约束保证正确，把动态决策与上下文检索交给 Agent，各司其职。
-   **精准选文件 + 智能打包**：明确判定哪些文件需评审、哪些应过滤；把关联文件（如中英两份 message 属性文件）打包为一个评审单元，每包作为隔离上下文的子 Agent 并发运行，在超大改动集上依然稳定。
-   **行级精准定位 + 反思模块**：独立的评论定位与评论反思模块，系统性提升 AI 反馈的位置准确度与内容准确度，避免”行号漂移”。
-   **diff 评审 + 整文件扫描**：`ocr review` 审阅改动，`ocr scan` 审阅整份文件——适合审计陌生代码库或没有有意义 diff 的目录。
-   **丰富集成能力**：内置 MCP Server 扩展工具、CI/CD 集成（GitHub Actions / GitLab CI / Gerrit 等），并可作为 Skill 或插件接入 Claude Code、Codex、Cursor；浏览器端 Session Viewer 可回放评审过程。

## 性能基准

官方基于 **50 个热门开源仓库、200 个真实 PR、10 种编程语言**构建了真实世界评审基准，由 80+ 资深工程师交叉标注出 1505 个基准问题。结果显示：在同一底座模型下，OCR 的 **准确率（Precision）与 F1 显著更高**，而 **Token 消耗仅约通用 Agent 的 1/9**、评审更快；召回率略低，是”以精度换噪声”的有意取舍。

![性能基准对比](https://admin.hiyoho.com/wp-content/uploads/2026/07/ocr_benchmark.png)

在同一底座模型下的基准表现概览

## 典型使用场景

-   **提交前自检**：在本地 `ocr review` 一把，把行级问题在推送前就修掉，减少来回改 PR 的成本。
-   **CI 流水线自动评审**：接入 GitHub Actions / GitLab CI，对每个 PR 自动评审并留下行级评论，低 Token 成本让团队大规模跑得起。
-   **审计陌生代码库**：接手老项目或第三方代码时用 `ocr scan` 整文件扫描，快速摸清 NPE、线程安全、XSS、SQL 注入等隐患。

## 推荐理由

市面上”给 Agent 套个 Skill 就当代码评审”的方案不少，但真正在工程上把稳定性做扎实的不多。OCR 最打动我的一点，是它没有一味迷信大模型，而是把”该确定的地方交给工程、该灵活的地方交给 Agent”这条边界划得很清楚——这正是它能在阿里内部大规模跑两年、且在基准上只花约 1/9 Token 就拿到更高精度的原因。对追求 CI 成本可控、又不想被误报刷屏的团队来说，这是个值得一试的选择。它还内置了针对 NPE、线程安全、XSS、SQL 注入等常见缺陷的微调规则集，开箱即用。

## 下载地址

-   **GitHub 仓库**：[https://github.com/alibaba/open-code-review](https://github.com/alibaba/open-code-review)
-   **官方网站**：[https://open-codereview.ai](https://open-codereview.ai)
-   **官方文档**：[https://open-codereview.ai/docs](https://open-codereview.ai/docs)
-   **npm 包**：`@alibaba-group/open-code-review`
-   **开源许可**：Apache-2.0

**Tags:** AI, AI Agent, AI开源项目, AI编程, Apache许可, CI/CD, Claude Code, CLI, Codex, Cursor

**Categories:** 开源项目

---