AI 程式開發／評測
Alibaba OpenCodeReview 登上 GitHub 熱門榜，以確定式管線約束程式審查代理
Alibaba 內部使用的 OpenCodeReview 本週形成明顯開源採用熱度，把檔案選取、規則匹配與留言定位交給確定式程式，再讓 LLM 代理處理脈絡搜尋。官方基準顯示它較通用 coding agent 節省約九成 token，但代價是較低召回率。
OpenCodeReview 於 9 月 14 日躍上 GitHub 熱門項目；Alibaba 表示，這套工具此前已在內部服務數萬名開發者。它不是單靠提示詞要求模型「審查所有程式」，而是把流程拆成可重現的工程層與具彈性的代理層：前者精確決定要讀哪些 diff 與檔案、套用哪些語言規則，再把相關檔案組成獨立工作單元；後者才使用全文讀取、程式庫搜尋及跨檔案工具補充脈絡。
每個檔案組合可由隔離的子代理並行處理，外部 positioning 模組把意見重新對準實際行號，reflection 模組則二次檢查內容。內建規則涵蓋 null pointer、執行緒安全、XSS 與 SQL injection，也能連接 OpenAI 或 Anthropic 相容端點。CLI 可檢查工作區、commit、分支範圍或整個目錄，中斷後可續跑，並輸出 JSON 供其他 coding agent 或 CI 消費。核心程式採 Apache 2.0。
隨附的 AACR‑Bench 包含 50 個開源專案、200 個 PR、10 種語言與 1,505 項專家驗證問題，並標記偵測每個問題所需的是 diff、完整檔案或 repository 級脈絡。Alibaba 聲稱，在相同底層模型下，OpenCodeReview 的 precision 與 F1 高於 Claude Code 類通用代理，token 用量約為九分之一；但官方也明確承認 recall 較低，代表較少誤報是用漏掉更多真實缺陷換來的。
此外，基準標註本身由多款 LLM 產生候選、再交給專家核驗，語意比對亦可能使用 LLM judge，仍可能偏向相似的審查風格。導入前應在自家歷史 PR 上同時計算 precision、recall 與嚴重度加權漏報率；若使用外部模型端點，還要確認完整檔案及跨檔案脈絡是否會離開企業邊界。