Open Code Review(命令名 ocr)是阿里巴巴开源的 AI 代码审查命令行工具,最适合已经在用 Claude Code、Codex 或 Cursor 写代码,却受够了 AI 审查漏看文件、行号对不上的人。它的思路是让该审哪些文件、套哪些规则、评论落在哪一行由固定程序决定,模型只负责判断代码有没有问题。代价是它主动少报,官方也承认召回率比通用代理低,所以它适合用来过滤噪音,不能代替人工审查,尤其代替不了权限、数据访问这类需要懂业务的审查。它不是新项目,2026 年 5 月就已开源,11 月 12 日到 15 日连发了三个版本。

和代理直接审有何不同
项目 README 列了用通用代理加 Skill 做代码审查时的三个老毛病:改动一多就挑着看、漏掉文件;报出的问题行号或文件对不上;提示词稍微一改,审查质量就忽高忽低。它的解释是,纯靠自然语言驱动的流程缺少硬约束。
Open Code Review 把流程拆成两半:
| 环节 | 谁负责 | 做什么 |
|---|---|---|
| 选文件 | 固定程序 | 按固定规则枚举和筛选改动,降低代理自行漏选文件的风险;仍要核对过滤与排除范围 |
| 打包 | 固定程序 | 把相关文件放进同一个审查单元,比如中英文两份 message_*.properties;每个单元由独立上下文的子代理审,减少把全部改动塞进同一上下文的压力,不代表项目规模不受任何限制 |
| 匹配规则 | 固定程序(模板引擎) | 按文件特点挑审查规则,内置空指针、线程安全、XSS、SQL 注入等多语言规则 |
| 定位与复核评论 | 独立模块 | 单独校正评论的位置和内容 |
| 判断代码有没有问题 | 模型 | 用针对审查调过的提示词和工具集,按需读完整文件、搜索代码库、看其他改动文件 |
除了审 diff,ocr scan 还能对整个目录或指定文件做全量扫描,适合接手一个陌生代码库、或者根本没有有意义的 diff 时用。
官方评测该怎么读
README 里的评测用的是阿里自己发布的 AACR-Bench:50 个热门开源仓库、200 个真实 PR、10 种语言,由 80 多位资深工程师交叉标注了 1,505 个问题。下面的结论都是项目方自测,WarpNav 没有复现:
| 官方说法 | 该怎么理解 |
|---|---|
| 同一个底层模型下,精度(Precision)和 F1 明显高于 Claude Code | 报出来的问题里真问题的比例更高,误报少,省掉逐条排查的时间 |
| token 消耗约为 Claude Code 的 1/9,速度更快 | 在这组自测中 token 用量较低;实际费用还取决于模型单价、模式与仓库,不能直接保证账单也降到 1/9 |
| 召回率(Recall)比通用代理低,这是有意的取舍 | 会漏掉一部分真问题。它审过没报问题,不等于代码没问题 |
| 在阿里内部用了两年,服务数万开发者、发现数百万缺陷 | 说明规模化跑过,但这是项目方的说法,没有公开可核对的数据 |
评测集和工具出自同一家公司,所以更合理的用法是:在自己的仓库里挑几个已知有问题的 PR 试一遍,看它抓到多少、漏掉多少。

装好跑第一次审查
使用 npm 安装前,先准备好 Node.js 和 npm,并用 node --version、npm --version 确认可用;git --version 应为 Git 2.41 或更高版本,它靠 Git 生成 diff、搜索代码。安装后先运行 ocr --version,确认全局命令可用,再配置自己有权限使用的模型:
npm install -g @alibaba-group/open-code-review
ocr config provider # 选内置的模型服务商,或添加自定义的
ocr config model # 选模型
ocr llm test # 应返回所选模型的连通结果;未通过先检查配置
模型接口兼容 OpenAI 和 Anthropic 格式。配好以后进项目目录:
ocr review # 审工作区里已暂存、未暂存和未跟踪的改动
ocr review --from main --to feature-branch # 审分支相对 main 的改动
ocr review --commit abc123 # 审单个提交
ocr scan --path internal/agent # 全量扫描某个目录
ocr review --format json --output result.json
审到一半中断了,可以用 ocr session list 找到会话,再加 --resume 续上。11 月 15 日发布的 v1.13.10 把续审扩展到了工作区模式,并且只给 --from 时会默认审到 HEAD。
要注意一点:ocr review 用的是你给 ocr 单独配的模型和密钥,不会用 Claude Code 的 Pro 或 Team 订阅登录。
不想再配一个密钥:委托模式
如果不想为它另开 API,可以用委托模式:ocr 只负责选文件和匹配规则(ocr delegate preview、ocr delegate rule),审查本身交给你正在用的编程代理和它自己的模型,不需要给 ocr 配密钥。各家的接入方式:
| 编程代理 | 接入方式 | 委托审查怎么触发 |
|---|---|---|
| Claude Code | 在 Claude Code 里运行 /plugin marketplace add alibaba/open-code-review,再 /plugin install open-code-review@open-code-review |
/open-code-review:delegate-review |
| Codex | codex plugin marketplace add alibaba/open-code-review,启动 Codex 后在 /plugins 里启用,并新开任务使插件生效 |
“@Open Code Review delegate review my current changes” |
| Cursor | 把仓库的 plugins/open-code-review/ 目录复制到 ~/.cursor/plugins/local/open-code-review/,重载窗口 |
通过插件自带的审查 Skill |
| Kimi Code | /plugins install https://github.com/alibaba/open-code-review,再运行 /reload 或新开会话 |
/open-code-review:delegate-review |
| GitHub Copilot CLI | v1.13.8 新增插件,copilot plugin install alibaba/open-code-review:plugins/open-code-review |
使用 open-code-review-delegate Skill;该仓库路径安装法已被官方标为旧方式,优先核对插件说明中的当前入口 |
委托模式不需要再给 OCR 配一份模型密钥,但宿主代理仍可能按自己的方案计费,审查质量也受宿主模型影响。使用不同宿主模型的委托模式时,不能直接套用那组自测精度和 token 数字。
放进 CI 之前先想清楚
官方文档提供 GitHub Actions、GitLab CI、GitFlic CI 和 Gerrit 的集成说明,还有一个浏览器里的会话查看器,可以回看审查过程,把评论标成已修复或忽略。另有 MCP Server,可以给审查代理接外部工具,并支持 OpenTelemetry 遥测。
放进 CI 等于每个 PR 都会调一次模型,费用和代码外发都要算进去:默认模式下代码会发给你配置的模型服务商,公司代码能不能发出去,得先问清楚。另外因为召回率偏低,比较稳妥的做法是把它当成第一道过滤,而不是合并前唯一的关卡。
项目信息
- 仓库:github.com/alibaba/open-code-review,官网和文档:https://open-codereview.ai
- 许可证:Apache-2.0;主要用 Go 编写,支持 Windows、macOS、Linux
- 2026 年 5 月 18 日创建;11 月 15 日查询时为 51,709 个 Star、4,025 个 Fork;最新版本 v1.13.10(11 月 15 日上午发布,北京时间),上一个版本 v1.13.9 在 11 月 13 日
同样围绕 Claude Code、Codex 等多个编程代理做工具的,还可以看站内的 T3 Code;各代理本身的入口见 Claude Code、Codex 和 Cursor 站点页。
资料来源
- GitHub 仓库 README(2026-11-15 读取):github.com/alibaba/open-code-review
- Releases(v1.13.8 2026-11-12、v1.13.9 2026-11-13、v1.13.10 2026-11-15):https://github.com/alibaba/open-code-review/releases
- 编程代理插件说明:https://github.com/alibaba/open-code-review/blob/main/plugins/open-code-review/README.md
- AACR-Bench 数据集:https://huggingface.co/datasets/Alibaba-Aone/aacr-bench
- 官方文档:https://open-codereview.ai/docs