企业官网建设流程全解析

一句话理解：阿里将内部服务数万开发者的AI代码审查工具开源，确定性工程×Agent混合架构，Token消耗仅Claude Code的1/9。

这个项目解决什么问题？

通用AI Agent做代码审查，有三个通病：覆盖不全（变更大了就"偷懒"只审部分文件）、位置漂移（行号对不上）、效果不稳定（提示词改一改，输出天差地别）。
Open Code Review（简称OCR）的解法是：把确定性工程和Agent分开——文件筛选、规则匹配这些"不能出错"的环节用工程代码保证，动态决策（看代码、写评论）交给Agent。这看起来简单，但效果差异巨大：在阿里内部验证了数百万个代码缺陷后，它交出的成绩是——相同底层模型下，F1显著更高，Token消耗仅1/9。

核心亮点

确定性工程负责强约束

• 精准文件筛选：明确哪些文件需要审查、哪些该过滤
• 智能文件打包：关联文件（如多语言properties）归并为一个审查单元，每个单元独立sub-agent执行，天然支持并发
• 精细化规则匹配：模板引擎匹配而非语言驱动，行为更稳定
• 外挂定位+反思模块：独立的位置修正和内容反思组件

Agent负责动态决策

Agent的toolset经过大规模生产数据蒸馏——分析数百万次调用轨迹后，筛选出代码审查场景下最稳定的工具集。配合场景调优的提示词模板，既提升效果又降低Token消耗。

性能数据

基于50个开源仓库、200个真实PR、10种编程语言的基准测试（80+资深工程师标注1505个缺陷）：

快速上手

# 安装npminstall-g@alibaba-group/open-code-review# 配置LLMocr config provider# 选择供应商ocr config model# 选择模型# 审查当前工作区的变更cdyour-project ocr review# 审查两个分支间的差异ocr review--frommain--tofeature-branch# 扫描整个代码库（无需Git历史）ocr scan

我的评价

Open Code Review最大的价值不是"又一个AI代码审查工具"，而是它证明了"AI不能什么都靠提示词"。把确定性逻辑交给工程代码、把动态判断交给AI——这个分界线的选择，比模型本身更能决定一个AI产品的成败。
对于团队来说，OCR的吸引力很实在：如果你已经在用Claude Code做代码审查，切换到OCR可以在几乎零成本的情况下获得更好的审查质量——毕竟它支持接入你已有的LLM端点。

💡值得一试的场景：CI流水线接入OCR做自动审查，配合ocr delegate让编码Agent自己审查自己的代码。开源免费，从安装到跑通5分钟。