同一个小模型，换了个外壳，分数差了 4.7 倍
先说结论：把同一个 Claude 4.6 Opus 模型分别装进阿里巴巴开源的 OpenCodeReview 和 Claude Code 里做代码审查，前者精确率 33.9%，后者只有 7.23%，token 消耗前者是后者的约十五分之一，耗时 1 分 23 秒对 13 分 06 秒。模型一分未动，差距全部来自架构。这组数字来自项目自建的 AACR-Bench：200 个真实开源 PR、10 种语言、1505 条由 80 多位资深工程师交叉验证的真值问题。
OpenCodeReview 是阿里 2026 年 5 月 18 日开源的 Go 语言命令行工具，命令叫 ocr，Apache-2.0 协议，此前在集团内部跑了两年，官方口径是服务数万名开发者、执行超百万次审查任务、建议采纳率 30% 以上、误报率低于 5%。到 9 月中下旬，GitHub 星标已到约 3.8 万，迭代到 v1.12.x 系列，177 位贡献者，还拿了 OpenSSF Gold 徽章。
架构拆解：模型不碰流程，流程不靠模型
它针对的是通用智能体做代码审查的三个顽疾：变更量大时智能体挑肥拣瘦只审部分文件；报告的问题位置和实际代码对不上，行号漂移；纯 prompt 驱动导致质量随措辞摇摆。OpenCodeReview 的解法是把「不能出错的事」全部从模型手里拿走——文件选择、变更打包、规则匹配由确定性管线完成，大变更集被切成隔离的子智能体单元并发审查，相关文件自动捆绑；模型的输出还要过评论定位校验和反思过滤两道闸，确保评论锚定在真实改动的行上。
LLM 只保留两件事：在划定范围内做代码分析，以及按需检索上下文。内置规则族覆盖空指针、线程安全、跨站脚本、SQL 注入四类高频缺陷，支持 Java、TypeScript、Go、Python、Kotlin、Rust 等十余种语言。配置上走 OpenAI 与 Anthropic 两套协议，本地 Ollama、LiteLLM 网关都能接，还提供 Claude Code、Codex、Cursor 的插件形态和 MCP 接入。
召回率的代价，以及一份有争议的独立评测
这套架构不是免费的。AACR-Bench 上 OpenCodeReview 召回率 20%，Claude Code 是 28.9%——限制探索范围换精确率的同时，跨文件缺陷和依赖全局架构理解的问题更容易漏掉。项目方把这个取舍摆在明面上：少报噪声与多找缺陷，团队要按自己的仓库特征选。独立侧也有一份泼冷水的评测，在 10 个 Martian 基准 PR 上测得约 12% 精度，项目维护者归因于一次工具调用异常并称已修复，但该评测目前没有修复后的独立复测，两组数字的口径差异需要读者自行权衡。
9 月 16 日的 v1.12.3 更新值得单独一提：密钥路径自动排除、各环境 .env 文件保护、代码搜索与评论工具的路径穿越漏洞修复——审查工具自己先过安全关，这个意识在同类项目里并不多见。
怎么试、别怎么试：给评估团队的四步建议
部署形态上，OpenCodeReview 的选择相当开放：npm 全局安装即可拿到 ocr 命令，也能接 GitHub、GitLab 工作流、Gerrit、VS Code，或通过 MCP 和插件挂进 Claude Code、Codex、Cursor；模型侧支持 OpenAI 与 Anthropic 两类协议，开源两个月里内置 provider 从 3 个扩到 14 个，本地推理和网关聚合都能接。版本节奏也说明社区热度：到 v1.8.0 共发布 89 个正式版本，81 位贡献者，一百多个功能提交里 67 个来自外部。
如果要试点，建议按四步走：先固定一批已知缺陷的 PR 当考卷；让 OpenCodeReview 与现行审查流程并行跑；对比四个数——有效发现、漏掉的问题、指错位置的评论、token 花费；再决定是进 CI 门禁还是只做辅助提示。小 diff 起步、先审规则配置再扩覆盖，是项目文档自己也强调的路径。这个项目验证的可迁移判断值得再强调一遍：智能体的可靠性瓶颈常常不在模型，而在「哪些决策交给谁」的架构划分上——这适用于代码审查，也适用于任何要把 LLM 塞进生产流程的场景。