阿里巴巴最近宣布了其开源项目OpenCodeReview，这是一个AI驱动的代码评审CLI工具。该工具结合了确定性流水线和动态代码分析，内置多项检测能力，如空指针异常、线程安全、XSS和SQL注入等。OpenCodeReview基于Apache 2.0协议，使用Go语言开发，避免了将本可确定性处理的工作交给AI决策。它通过拆分评审流程为多个阶段，每个阶段使用不同级别的确定性，由AI智能体完成代码分析。据报道，OpenCodeReview已在阿里巴巴内部被数万开发者使用了两年，兼容OpenAI和Anthropic的模型，可以评审Git diff、分支或整个文件。
--91likeyou---
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：
🔥 热词：#阿里巴巴开源工作流引擎 · #阿里巴巴开源技术 · #阿里巴巴开源Jdk · #阿里巴巴开发的ai软件叫什么 · #opencodereview可以扫描哪些语言代码 · #opencode开源ai编程代理 · #opencode开源ai官网