正在打开每日关注
正在打开每日关注
阿里开源以确定性流程约束 LLM Agent 的工程化代码审查工具，兼顾行级评论、规则匹配与 CI/CD 接入。
🚀阿里开源的 Open Code Review 值得关注。 它不是简单把 Git diff 丢给大模型，而是用「确定性工程流程 + LLM Agent」做代码审查：先稳定地选择文件、分组、匹配规则，再让 Agent 结合上下文做深度 review。 亮点很明确： ✅ 支持精准到行的 review comment ✅ 内置 NPE、线程安全、XSS、SQL 注入等规则 ✅ 支持 OpenAI / Anthropic 兼容模型 ✅ 可用于 diff review，也能扫描整个文件或目录 ✅ 已在阿里内部大规模验证过 相比通用 Agent，它更像是一个专门为代码审查设计的工程化系统：更稳定、更省 token、更适合接入 CI/CD。 项目：https://t.co/nnyCZDGA7t #AI编程 #CodeReview #AIAgent #开源项目
是什么 Open Code Review 是阿里巴巴将内部 AI 代码审查助手开源后的 CLI 工具。它先用确定性流程选择、过滤、分组文件并匹配规则，再让具备工具调用能力的 Agent 读取完整文件、搜索代码库，输出结构化且精确到行的评论；也支持对整个文件、目录或仓库执行扫描。
核心设计 它把相关文件打成隔离上下文的 bundle，由子 Agent 分治处理，并用独立模块校正评论位置和内容。场景化提示词与专用工具集限制无效调用和上下文噪声，确定性代码负责流程正确性，模型负责语义判断。这个边界是其稳定性和节省 token 的来源。
值得借鉴 README 自述其已服务数万开发者、发现数百万缺陷；AACR-Bench 包含 50 个仓库、200 个 PR、10 种语言和 1,505 个标注问题。项目声称相同模型下精度与 F1 更高、token 约降至通用 Agent 的九分之一，体现了面向场景做约束和评测的价值。
边界与风险 这些数据来自项目自述，不能直接推导出所有团队的生产收益。README 也承认 Recall 较低，精度优先会漏报；模型端点、语言规则、仓库规模与 CI 延迟都会改变结果。落地前应在自身代码库做回归评测，并把它定位为辅助审查，而非自动合并依据。