阿里开源代码审查工具Open Code Review：确定性流程加Agent，Token消耗仅通用Agent的1/9

一句话看懂：阿里巴巴将其内部使用两年的AI代码审查助手开源为Open Code Review，采用确定性工程与LLM Agent混合架构，官方称在同等模型下比Claude Code等通用Agent精确率更高、Token消耗仅约1/9。

事件核心：发生了什么

阿里巴巴在GitHub开源了代码审查CLI工具Open Code Review（命令为ocr）。该工具原为阿里内部官方AI代码审查助手，据项目介绍，过去两年已服务数万名开发者、识别数百万个代码缺陷；开源后只需配置模型端点即可使用，兼容OpenAI与Anthropic接口。

从功能看，它读取Git diff，把变更文件交给带工具调用能力的LLM Agent，Agent可读取完整文件、搜索代码库、参考其他变更文件以获取上下文，最终输出行级定位的结构化评论；此外还支持对无有效diff的陌生代码库进行整文件扫描审计。内置多语言规则集覆盖空指针、线程安全、XSS、SQL注入等常见缺陷类型。

项目同时公布了AACR-Bench基准：基于50个热门开源仓库、200个真实Pull Request、10种编程语言构建，由80余位资深工程师交叉标注出1,505个真实问题。官方称在与Claude Code对比时，同等底层模型下其精确率和F1更高、耗时更短、Token消耗约为后者的1/9，但召回率刻意更低，以换取更少的误报。

为什么重要

当前不少团队用通用Agent配合自然语言指令做代码审查，普遍存在三类问题：大变更集下选择性跳过文件、问题定位漂移、提示词微调导致质量波动。Open Code Review的思路是把“不能出错”的环节交给确定性工程——精确选文件、按关联文件打包分组、用模板引擎做细粒度规则匹配、独立的位置校准与反思模块——只把动态决策和上下文检索留给Agent。这一混合路线若经社区复现，可能成为AI代码审查工程化的参考范式；而其以精确率为先的取舍，也明确了它在CI流水线中“减少噪音”而非“全覆盖”的定位。

对用户/开发者/创作者的影响

对开发者，这是可本地部署或接入CI的开源选项，安装后通过ocr命令调用，模型端点可自选，便于控制API成本；在大型变更集上，分组并发审查的设计可能比单Agent更稳定。对企业，开源意味着可审计、可定制规则，适合把代码审查环节纳入内部AI应用体系。需要注意，上述基准数据来自项目方自建数据集与自报结果，目前公开信息尚未显示有第三方独立复现，实际效果仍取决于所接模型与项目配置。