一句话看懂：阿里巴巴把内部用了两年的 AI 代码评审工具 OpenCodeReview 以 Apache 2.0 协议开源，用 Go 编写。它的思路不是让大模型包办一切，而是把文件选择、规则匹配等环节交给确定性逻辑，只让 AI 智能体做动态代码分析。
事件核心：发生了什么
OpenCodeReview 是一款命令行工具，可评审 Git diff、分支或整个文件，能识别空指针异常、线程安全、XSS、SQL 注入等问题，兼容 OpenAI 与 Anthropic 的模型，支持本地运行，并可与 GitHub、GitLab、Gerrit、VS Code、MCP 以及 Claude Code、Codex、Cursor 等代码智能体集成。据报道，它已在阿里内部被数万开发者使用两年。阿里称在覆盖 10 种语言、200 个 PR 的内部基准上，其精确率和 F1 分数高于 Claude Code，token 消耗约为后者的九分之一。
为什么重要
这个项目真正的看点不是模型更强，而是 harness（调度框架）更合理。它把评审拆成多个阶段，按确定性高低分工：文件选择、打包、规则匹配、根据 diff 校验评审意见都交给确定性组件，避免让 AI 去决定本可规则化的事。Shopify 高级开发工程师 Tom Rochette 认为，这套架构针对的是真实智能体故障——大变更集覆盖不全、行号漂移、提示词不稳定，且公开了基准测试并承认召回率劣势。HCLTech 的 Daniel Vaughan 则提醒，最优配置下召回率仅约 20%，专家标记的问题有八成检不出，保障精确率的确定性分发也限制了跨文件、架构级问题的挖掘。
对用户/开发者/创作者的影响
对开发团队而言，这是一个低 token 成本、可本地部署的代码评审选项，适合纳入 CI 流程，并与现有代码智能体配合使用。但要清楚它的定位：目前公开信息显示，其召回率刻意低于通用智能体，目标不是尽量多找缺陷，而是控制误报。Rochette 提到，此前在 10 个 Martian-benchmark PR 上的独立测试精确率仅约 12%，维护者归因于工具调用异常并已修复，但修复后尚未经过独立验证。因此，把评审结果当作辅助信号、而非唯一防线，是更稳妥的用法。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是修复后的工具调用问题能否在独立基准上复现出更好的精确率；二是阿里提到的 AACR-Bench 适用边界，以及跨文件、架构级缺陷检测是否会补强；三是它和 Claude Code、Codex、Cursor 等智能体的集成在实际工作流中能否形成稳定分工。
来源：InfoQ CN
