让AI来检查AI写的代码,阿里开源的这款 AI Code Review 神器
最近这两年,AI 编程工具简直是卷出了天际。大家茶余饭后聊的,不是 codex 有多神,就是 Claude Code 又进化了,仿佛代码马上就要全自动生成了。
但星哥想问大家一个超级现实的问题:代码是让 AI 爽爽地写完了,但写完之后谁来 Review?
真实开发中,Code Review(代码审查)可是把控质量、防范线上事故的生死线。
把一堆 AI 生成的代码直接扔进主分支,那简直是在给自己埋雷。
就在最近,星哥在逛 GitHub 时,发现了一个超级对胃口的开源项目——阿里开源的 AI Code Review 工具:Open Code Review。
这玩意儿上线没多久,Star 数就已经狂飙到了 5.9k!
今天,星哥就来给大家盘一盘,这个工具到底能不能拯救我们枯燥的 Review 时光。

它来帮你看代码
许多人可能会想:“我直接把代码复制给 ChatGPT,让它帮我 Review 不就行了?”
小打小闹的确 可以,但在真实的工程项目里,这么干简直是灾难:
- • 上下文丢失:代码太长 AI 看不全,容易瞎点评。
- • 行号对不上:AI 给出的修改提议,你在 IDE 里根本找不到对应行。
- • 无法沉淀:每次都要重新写 Prompt,团队没法统一 Review 标准。
Open Code Review(以下简称 OCR)的思路完全不同。
它的前身是阿里内部服务了数万名开发者的 AI 代码审查助手。它不是一个陪你聊天的 Bot,而是一个深度绑定 Git 工作流的工程化 CLI 工具。
它不关心你整个项目有多大,它只盯着你 “这次改了啥”。
为什么它比直接问大模型更懂行?
星哥扒了一下它的底层设计,发现有几个点的确 戳中了开发者的痛点:
1. 基于 Git Diff 审查,不瞎扫
它不会傻傻地去扫描整个项目,而是直接读取 Git diff。这超级符合人类 Review 的逻辑:我们只关心这次变更引入了什么新问题,而不是把祖传代码再重新分析一遍。
2. 机智的“上下文感知”
虽然只看 diff,但它不“井底之蛙”。Agent 会顺藤摸瓜,去读取完整文件、搜索代码库。
列如你改了一个接口,它会去查调用方有没有同步修改;你改了中文文案,它会去查英文文案是不是漏了。这种“牵一发而动全身”的审查,才是真 Review。
3. 关联文件“打包”审查
这个设计星哥必须点个赞。列如国际化文件 message_en.properties 和 message_zh.properties,OCR 会把它们打包成一个审查单元。只看其中一个,根本发现不了中英文不一致的低级 Bug。
4. 支持团队自定义规则
不同语言的代码,Review 重点能一样吗?OCR 支持在项目根目录配置 .opencodereview/rule.json。
你可以把团队的“潜规则”写进去:列如“所有涉及金额的接口必须检查并发”、“禁止在 Controller 里写复杂逻辑”。把团队经验固化成 AI 规则,这比每次手写 Prompt 靠谱多了。
跑通你的第一个 AI Review
作为开发者,星哥最看重工具的上手门槛。OCR 是个 Node.js 命令行工具,用起来超级丝滑。

第一步:全局安装
npm i -g @alibaba-group/open-code-review
验证安装
ocr version
第二步:配置你的大模型(以 Anthropic 为例)
交互式设置
ocr config provider
手动配置
ocr config set llm.url https://api.anthropic.com
&& ocr config set llm.auth_token {{your-api-key}}
&& ocr config set llm.model claude-opus-4-6
&& ocr config set llm.use_anthropic true
第三步:进入项目,开始审查!
# 审查当前变更
ocr review
# 审查分支间的差异
ocr review --from main --to feature-auth
# 审查特定提交
ocr review --commit abc123
如果你只想看看它会审查哪些文件,不想消耗 Token,可以加个 –preview 参数。如果是要接入 CI/CD 流水线,加上 –format json 就能输出结构化数据,无缝对接 GitHub Actions 或 GitLab CI。
基准测试

Claude Code 集成
如果您已经是 Claude Code 用户并配置了以下环境变量,Open Code Review 将自动识别——无需额外配置:
export ANTHROPIC_BASE_URL=https://api.anthropic.com
export ANTHROPIC_AUTH_TOKEN=sk-ant-xxxxx
export ANTHROPIC_MODEL=claude-opus-4-6
# Open Code Review auto-detects these variables ✨
您也可以使用 ocr config 覆盖或补充这些设置。
星哥的避坑指南:它能干啥?不能干啥?
工具虽好,但别把它当成银弹。星哥给大家总结一下它的“能力边界”:
✅ 适合让它审什么?
让它去干那些 “重复、琐碎、但容易出错” 的脏活累活:
- • 空指针风险、资源未释放、异常处理遗漏。
- • SQL 注入、XSS 等基础安全漏洞。
- • 多线程安全问题、明显的边界条件 Bug。
- • 多语言文案不一致、配置项遗漏。
❌ 不适合让它审什么?
千万别指望 AI 能懂你们的业务!
- • 复杂的业务逻辑和产品规则(AI 不知道优惠券到底该怎么发)。
- • 架构设计的长期技术债取舍。
- • 公司内部的“隐性约定”和历史兼容包袱。
一句话总结:它是你的“初审助理”,帮你挡掉 80% 的低级错误,但最终的“终审裁判”必须是你自己。
⚠️ 特别警告:代码隐私!
这点星哥必须强调:OCR 需要调用外部大模型 API。如果是公司的核心业务代码,千万不要直接传到公有云模型上!
在企业内使用,必定要确认公司的安全合规要求,看看是否有私有化部署方案,或者是否允许代码出域。别为了省点 Review 时间,把公司源码给泄露了。
AI 编程的下半场
看完这个项目,星哥最大的感触是:AI 编程工具,终于开始从“编辑器里的代码补全”,走向“真实的研发工作流”了。
写代码只是开发的一环,Review、测试、CI/CD、发布,这些环节同样充满了重复劳动。
当 AI 能够无缝嵌入到 Git 提交和 PR 流程中,帮团队做第一道质量把关时,它才算真正成为了生产力工具。
如果你是个常常写 Side Project 的独立开发者,或者是个苦于没时间做 Code Review 的小团队,甚至你已经在用 Cursor 疯狂生成代码了,那么这款 Open Code Review 绝对值得你加入工具箱。
项目指路: GitHub 搜索 alibaba/open-code-review
觉得文章有用的话,别忘了给星哥点个 “赞” 和 “在看”,你的支持是我持续挖掘好工具的动力!我们下期见~





