Open Code Review est issu de l'assistant officiel de revue de code par IA utilisé en interne chez Alibaba, qui, selon l'auteur, a servi des dizaines de milliers de développeurs en deux ans. Il lit les modifications Git, regroupe les fichiers pertinents en sous-tâches confiées à des agents équipés d'outils pour la revue, et des modules distincts de localisation et de réflexion corrigent la position et le contenu des commentaires ; ocr scan permet également une revue complète de tous les fichiers d'un répertoire. L'auteur affirme, sur un benchmark de 50 dépôts open source et 200 vraies PR : avec le même modèle de base, la précision et le score F1 sont supérieurs à ceux de Claude Code, la consommation de tokens est environ neuf fois moindre, mais le rappel est plus faible.
Pourquoi c'est important La sélection des fichiers, la correspondance des règles et la localisation des commentaires sont gérées par des programmes déterministes, tandis que le modèle ne se charge que de la revue et de la recherche de contexte ; ainsi, même pour de gros changements, il est moins probable de manquer des fichiers ou de décaler les numéros de ligne.
Nombre d'étoiles 50628 (+215 / 24h)
Raison
- 215 nouvelles étoiles en 24 heures, total de 50628 étoiles (indique uniquement l'attention portée)
- Le README explique clairement les compromis de conception : priorité à la précision, sacrifice actif du rappel, le jeu de données de benchmark est public sur Hugging Face AACR-Bench
Utilisation
- Après npm install -g @alibaba-group/open-code-review, configurez le modèle avec ocr config provider / ocr config model, puis exécutez ocr review dans le répertoire du projet ; des plugins existent également pour Claude Code, Codex, Cursor et Kimi Code
Risques
- Nécessite une API de modèle fournie par l'utilisateur (le mode délégué utilise le modèle de l'agent hôte) ; nécessite Git 2.41 ou supérieur
- Le benchmark est construit et évalué par l'équipe de l'auteur