open-code-review团队引入指南：30分钟让团队用起AI代码评审

open-code-review团队引入指南：30分钟让团队用起AI代码评审

【免费下载链接】open-code-reviewFast, efficient, battle-tested at Alibaba's scale. Hybrid architecture code review tool: deterministic pipelines + LLM Agent, precise line-level comments, built-in multi-language ruleset (NPE, thread-safety, XSS, SQL injection), OpenAI & Anthropic compatible.项目地址: https://gitcode.com/GitHub_Trending/op/open-code-review

open-code-review是阿里开源的 AI 代码评审 CLI 工具，内部代号 OpenCodeReview，已在阿里巴巴内部服务数万开发者、沉淀千万级代码缺陷经验。它读取 Git diff，调用 LLM 生成行级精确的结构化评审意见，内置 NPE、线程安全、XSS、SQL 注入等多语言规则集，兼容 OpenAI 与 Anthropic 两种 API 格式。本指南带你用 30 分钟完成团队引入：装 CLI → 配模型 → 跑首次评审 → 接入 CI。

为什么选这款 AI 代码评审工具？

通用 Agent（如直接让 Claude Code 看 diff）做评审时，常见问题是：大改动"偷工减料"只审部分文件、行号定位漂移、质量随提示词波动。open-code-review 采用确定性工程 × Agent 混合架构：

• 确定性管线：精确文件筛选、相关文件智能打包成子任务、按文件特征匹配规则模板——保证"必须不出错"的环节不交给模型发挥；
• Agent 动态决策：场景化调优的提示词与工具集，负责上下文检索与深度评审；
• 外部定位与反思模块：系统性提升评审意见的定位准确率与内容准确率。

在覆盖 50 个开源仓库、200 个真实 PR、10 种语言的 AACR-Bench 基准中（80+ 位资深工程师交叉标注 1505 个问题），同一模型下它的精确率与 F1 显著领先，平均 Token 消耗仅为通用 Agent 的约 1/9，评审速度更快——对团队而言意味着更低的 API 账单和更短的 CI 排队时间：

30 分钟落地路线图

详细步骤见官方中文文档 quickstart.md。

第 1 步：一键安装 ocr CLI（5 分钟）

前置要求：Git ≥ 2.41，npm 方式需 Node.js ≥ 18。推荐 npm 全局安装（官方文档见 installation.md）：

npm install -g @alibaba-group/open-code-review ocr version

macOS/Linux 也可brew install open-code-review，Windows 用 PowerShell 安装脚本。npm 安装版会在后台静默自动升级，团队无需操心版本；CI 环境想锁版本可固定@<version>或设OCR_NO_UPDATE=1。

第 2 步：交互式配置 LLM，零门槛上手（10 分钟）

ocr config provider # 选择内置供应商或添加自定义供应商 ocr config model # 为当前供应商挑选模型

界面内置 DashScope、Anthropic Claude、DeepSeek、OpenAI、GLM、Kimi 等十余家供应商，选好后填入 API Key，工具会自动执行一次连通性测试，配置写入~/.opencodereview/config.json。

👉团队 Tip：CI / 无界面环境用非交互命令下发同一份配置，便于统一纳管：

ocr config set provider anthropic ocr config set model claude-opus-4-6 ocr llm test # 验证端点，401/403 即 Key 错误

第 3 步：让每位成员跑通第一次 AI 代码评审（10 分钟）

进入任意 Git 仓库：

ocr review # 工作区模式：staged + unstaged + untracked 全审 ocr review --from main --to feature-x # 分支区间：评审 feature 分支自 main 分叉后的变更 ocr review --commit abc123 # 单个 commit ocr review --preview # 先看看哪些文件会被评审，不花 token

三个实用点：

• 中断可恢复：ocr session list找到会话 id，加--resume <id>续跑；
• 结果可落盘：--format json --output result.json，供脚本或 AI 宿主 Agent 消费（--audience agent时 stdout 只剩纯 JSON）；
• 无 diff 也能审：ocr scan --path internal/agent对整个目录做全文件扫描，适合接手陌生代码库时做安全审计。

评审会话会以 JSONL 存于本地，ocr viewer可在浏览器中浏览与回放，方便新人复盘评审过程（见 viewer.md）。

第 4 步（可选）：为团队定制评审规则（5 分钟）

规则按四层优先级链解析：--rule参数 > 项目配置 > 全局配置 > 系统内置规则。团队只需在仓库里提交一份 rule.json 同风格的.opencodereview/rule.json，即可按路径注入团队规范：

{ "rules": [ { "path": "src/api/**/*.go", "rule": "所有导出的 handler 必须先校验请求体" }, { "path": "**/*mapper*.xml", "rule": "检查 SQL 注入风险、参数错误与未闭合标签" } ] }

内置系统规则集已按语言分门别类（Go、Java、Python、TS/JS 等 40+ 类），文档见 review-rules.md，规则示例库在 rule_docs/。项目级规则可安全提交进仓库——规则即团队规范的一部分。

进阶：接入 CI，让 PR 自动过 AI 代码评审

仓库自带 ocr-review.yml 工作流模板与可复用 action.yml，覆盖 GitHub Actions、GitLab CI、GitLab/Gerrit 等场景（示例见 examples/）：

1. 把ocr-review.yml拷入.github/workflows/；
2. 在仓库 Secrets 配置OCR_LLM_URL、OCR_LLM_AUTH_TOKEN，Variables 配置OCR_LLM_MODEL、OCR_LLM_USE_ANTHROPIC；
3. PR 打开/更新即自动评审，行内评论 + 汇总评论直接贴到 PR 上，还支持在 PR 评论/open-code-review按需重审。

Action 支持 sticky 汇总评论、增量评论、checkpoint 断点评审等能力，细节见 action.yml。

编辑器与编码 Agent 集成

• VS Code 扩展：侧边栏发起评审、实时流式日志、评审意见可直接 Apply / 忽略 / 标记误报，源码在 extensions/vscode/；
• Claude Code / Codex / Cursor 插件：提供评审斜杠命令与可移植 Skill，见 plugins/open-code-review/；
• 委托模式（Delegation Mode）：ocr delegate preview让宿主 Agent 用自己的模型跑评审，OCR 只负责文件筛选与规则解析——团队成员无需再配一份 API Key，这是降低推广阻力最实用的一招。

常见问题

更多细节参考 FAQ 与 CLI 完整参数。

总结

30 分钟后，你的团队将拥有：一条命令的本地评审、可按路径定制的规则体系、CI 自动 PR 评审、以及浏览器可回放的评审会话。open-code-review 用确定性管线锁住"不出错"的底线，把 Agent 的精力留给真正的深度评审——这正是它能从阿里内部大规模实战中沉淀出来、并被开发者真正采纳的原因。

【免费下载链接】open-code-reviewFast, efficient, battle-tested at Alibaba's scale. Hybrid architecture code review tool: deterministic pipelines + LLM Agent, precise line-level comments, built-in multi-language ruleset (NPE, thread-safety, XSS, SQL injection), OpenAI & Anthropic compatible.项目地址: https://gitcode.com/GitHub_Trending/op/open-code-review