Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoCódigo / SDK · Listo para usarGitHub Trending AI→ original

Alibaba abre su revisor de código con IA, que dos años usaron decenas de miles de desarrolladores

Alibaba ha publicado el código de Open Code Review, un programa que revisa cambios ajenos y escribe comentarios sobre líneas concretas. Durante dos años funcionó dentro de la compañía: lo usaron decenas de miles de desarrolladores y encontró millones de defectos. Es el código determinista, y no la red neuronal, el que selecciona los archivos y agrupa los cambios, de modo que las modificaciones extensas no se revisan de forma selectiva. Si su revisor de IA omite archivos y confunde líneas, conviene adoptar este esquema.

Procesado por IA desde GitHub Trending AI; editado por Hamidun News
Alibaba abre su revisor de código con IA, que dos años usaron decenas de miles de desarrolladores
Fuente: GitHub Trending AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalGitHub Trending AI ↗
Editor jefe
Instalaciónnpx skills add alibaba/open-code-review
Dato clave #2Mayor precisión pero menor exhaustividad que Claude Code: menos falsas alarmas
Dato clave #3Funciona con Claude Code, Codex, Cursor, Kimi Code y en CI

La revisión de código consiste en que un compañero examina tus cambios antes de integrarlos en la rama principal y deja observaciones sobre líneas concretas. Alibaba ha publicado una herramienta que lo hace con una red neuronal: Open Code Review, un programa de consola que nació de un asistente de IA interno de la compañía. Según sus autores, durante dos años lo usaron decenas de miles de desarrolladores de Alibaba, y la herramienta encontró millones de defectos en el código.

Tras esa prueba de fuego, la convirtieron en un proyecto abierto, que ahora aparece en las tendencias de GitHub con unas 206 estrellas en un solo día. La principal diferencia respecto a los revisores de IA habituales es que aquí la red neuronal no controla todo el proceso por sí sola.

Por qué fallan los agentes universales

Muchos han probado a pasar el diff (la lista de cambios) a un agente como Claude Code con una habilidad para revisar. Con conjuntos grandes de cambios, el agente empieza a hacer un trabajo chapucero: revisa parte de los archivos y omite el resto sin avisar. Un comentario sobre la «línea 42» puede referirse en realidad a la línea 57. Además, una revisión que depende del texto del prompt es difícil de depurar: la calidad cambia notablemente con un pequeño retoque de la redacción.

El diagnóstico de los autores es que, si todo el proceso se describe con palabras, no hay garantías firmes. Imagine a un revisor al que le dicen «mira todo con atención», pero no le dan la lista de archivos. Mirará lo que le parezca importante.

Qué hace el código y qué hace el modelo

En Open Code Review el trabajo está repartido. Todo lo que debe ser fiable lo realiza código determinista convencional:

  • determina qué archivos hay que revisar y cuáles filtrar, para que un cambio importante no se pierda;
  • agrupa los archivos relacionados en paquetes, y cada paquete lo revisa un subagente aparte con un contexto aislado. Así la revisión se mantiene estable en cambios enormes y puede ejecutarse en paralelo sin problemas;
  • selecciona las reglas de revisión para cada archivo concreto, para que el modelo no se distraiga con lo irrelevante;
  • módulos independientes vinculan los comentarios a las líneas correctas y vuelven a comprobar las observaciones propias.

Al agente le queda lo que sin modelo no se puede hacer: decidir qué contexto recuperar y analizar el código. Puede abrir un archivo completo, buscar en el repositorio o revisar otros archivos modificados. Sus herramientas, según los autores, se definieron a partir del análisis de trazas reales de llamadas en producción, y los prompts se optimizaron para la revisión y el ahorro de tokens. También existe un modo sin diff: el comando ocr scan revisa archivos o directorios completos, por ejemplo al auditar un repositorio desconocido.

Calidad, limitaciones y puesta en marcha

Los autores afirman que, con el mismo modelo, su herramienta logra más precisión que los agentes universales, consume menos tokens y termina la revisión más rápido. Lo han medido con su propio benchmark, AACR-Bench: tareas reales de repositorios abiertos populares, con un etiquetado verificado por más de 80 ingenieros senior. El benchmark está publicado en Hugging Face, de modo que cualquiera puede repetir la comparación con su propio código.

Hay una limitación que reconocen: la exhaustividad, es decir, la proporción de defectos reales que se encuentran, es menor que la de los agentes universales. Es una elección deliberada a favor de la precisión. Menos falsos positivos significa menos tiempo dedicado a filtrar ruido, pero algunos problemas podrían pasar desapercibidos.

Se puede instalar con el comando npx skills add alibaba/open-code-review o con npm install -g @alibaba-group/open-code-review. Hay dos modos. En el nativo se necesita un endpoint propio del modelo, y entonces funciona todo el pipeline. En el modo de delegación, la revisión la ejecuta tu propio agente (Claude Code, Codex, Cursor, Kimi Code) con tu modelo, mientras OCR se encarga de la selección de archivos, las reglas y la estructura del informe. En este caso no hace falta una clave aparte, pero la suscripción al agente no sustituye a la clave de API necesaria para el modo nativo. Existen integraciones con GitHub Actions, GitLab CI y Gerrit, además de OpenTelemetry para observabilidad.

Para los equipos que construyen sus propios agentes de revisión, la conclusión es de arquitectura: la selección de archivos, la agrupación y la verificación de la posición de los comentarios conviene dejarlas en manos de código convencional, y reservar el modelo de lenguaje para el análisis.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Por qué fallan los agentes universales?

Muchos han probado a pasar el diff (la lista de cambios) a un agente como Claude Code con una habilidad para revisar. Con conjuntos grandes de cambios, el agente empieza a hacer un trabajo chapucero: revisa parte de los archivos y omite el resto sin avisar. Un comentario sobre la «línea 42» puede referirse en realidad a la línea 57. Además, una revisión que depende del texto del prompt es difícil de depurar: la calidad cambia notablemente con un pequeño retoque de la redacción.

¿Qué se sabe sobre Qué hace el código y qué hace el modelo?

En Open Code Review el trabajo está repartido. Todo lo que debe ser fiable lo realiza código determinista convencional: determina qué archivos hay que revisar y cuáles filtrar, para que un cambio importante no se pierda; agrupa los archivos relacionados en paquetes, y cada paquete lo revisa un subagente aparte con un contexto aislado.

¿Qué se sabe sobre Calidad, limitaciones y puesta en marcha?

Los autores afirman que, con el mismo modelo, su herramienta logra más precisión que los agentes universales, consume menos tokens y termina la revisión más rápido. Lo han medido con su propio benchmark, AACR-Bench: tareas reales de repositorios abiertos populares, con un etiquetado verificado por más de 80 ingenieros senior. El benchmark está publicado en Hugging Face, de modo que cualquiera puede repetir la comparación con su propio código.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
¿Qué te parece?
Cargando comentarios…