阿里巴巴最近开源了 OpenCodeReview，这是一款 AI 驱动的代码评审 CLI 工具，将用于文件选择、打包和规则匹配的确定性流水线与用于动态代码分析的 LLM 智能体相结合。它内置多项检测能力，可识别空指针异常、线程安全、XSS 和 SQL 注入等问题。
OpenCodeReview 基于 Apache 2.0 协议开源，是一款使用 Go 语言开发的命令行工具，它避免将本可确定性处理的工作交给 AI 决策，例如选择文件、选择工具以及根据 diff 验证评审意见。因此，它将评审流程拆分为多个阶段，每个阶段使用不同级别的确定性：确定性组件负责文件选择、打包和规则匹配，代码分析则由 AI 智能体完成。
据报道，OpenCodeReview 已在阿里巴巴内部被数万开发者使用了两年，它兼容 OpenAI 和 Anthropic 的模型，可以评审 Git diff、分支或整个文件。Shopify 高级开发工程师 Tom Rochette 对该项目进行了评测并写道：
该架构针对真实的智能体故障场景：在大型变更集上存在覆盖不全、行号漂移、提示词不稳定等问题。它提供了公开的基准测试，并透明地披露了其召回率劣势，这比该类别中大多数工具的表现更有说服力。
阿里巴巴表示，在一个覆盖 10 种语言、200 个 PR 的内部基准测试中，OpenCodeReview 取得了比 Claude Code 更高的精确率和 F1 分数，同时使用的 token 数量大约只有后者的九分之一。Rochette 提醒道：
目前唯一一次独立基准测试运行结果很糟糕：在 10 个 Martian-benchmark PR 上精确率约为 12%，维护者对此提出异议，认为是工具调用异常导致的，问题虽已修复，但修复后尚未经过独立验证。该工具的召回率刻意低于通用智能体；希望尽可能多发现缺陷的团队需要清楚，这并不是该工具的设计目标。
在 “OpenCodeReview 与确定性红利”一文中，HCLTech 前瞻部署工程负责人 Daniel Vaughan 针对召回率上限和 AACR-Bench 的适用范围提出警示：
最优配置下召回率仅为 20%—— 也就是说，专家标记出的问题中有 80% 无法被检出。用来保障精确率的确定性任务分发机制同时也限制了对跨文件、架构层面问题的挖掘能力。
社区早期的反馈较少关注阿里巴巴的基准测试声明，更多关注其架构，特别是将文件选择、规则匹配和评审意见定位交由确定性逻辑处理这一设计思路。Vaughan 总结道：
OpenCodeReview 的贡献不在于使用性能更强的模型，而在于更好的 harness 框架。通过在文件调度中注入确定性、限制工具访问以及通过独立的反思器进行过滤，它以极小的 token 成本实现了 2.17 倍的审查质量提升。
OpenCodeReview 支持本地运行，也可与 GitHub、GitLab、Gerrit、VS Code、MCP，以及 Claude Code、Codex、Cursor 等代码智能体集成。
查看英文原文：https://www.infoq.com/news/2026/09/alibaba-opencodereview/