A Alibaba abriu um revisor de código com IA que dezenas de milhares de desenvolvedores usaram por dois anos
A Alibaba abriu o código do Open Code Review, programa que analisa alterações de outros desenvolvedores e escreve comentários em linhas específicas. Durante dois anos ele funcionou dentro da empresa: dezenas de milhares de desenvolvedores o usaram e ele encontrou milhões de defeitos. A seleção de arquivos e o agrupamento das alterações são feitos por código comum, e não por uma rede neural, por isso grandes mudanças não são revisadas por amostragem. Se o seu revisor de IA pula arquivos e troca linhas, vale adotar esse esquema.
Processado por IA de GitHub Trending AI; editado por Hamidun News
Revisão de código é quando um colega analisa suas alterações antes da fusão com a branch principal e deixa observações em linhas específicas. A Alibaba abriu uma ferramenta que faz isso com ajuda de uma rede neural: o Open Code Review, um programa de linha de comando que surgiu de um assistente de IA interno da empresa. Segundo os autores, dezenas de milhares de desenvolvedores da Alibaba o usaram durante dois anos, e a ferramenta encontrou milhões de defeitos no código.
Depois desse período de uso interno, ela virou projeto aberto e está em alta no GitHub Trending, com cerca de 206 estrelas em um dia. A principal diferença em relação aos revisores de IA habituais é que, aqui, a rede neural não controla sozinha todo o processo.
O problema dos agentes universais
Muitos tentaram entregar o diff (lista de alterações) a um agente como o Claude Code com uma skill de revisão. Em conjuntos grandes de alterações, ele passa a fazer um trabalho descuidado: examina parte dos arquivos e ignora silenciosamente o restante. Uma observação sobre a "linha 42" pode se referir à linha 57. E uma revisão que depende do texto do prompt é difícil de depurar, já que a qualidade muda bastante com pequenas alterações na redação.
O diagnóstico dos autores: se o processo inteiro é descrito em palavras, ele não tem garantias rígidas. Imagine um revisor a quem se disse "olhe tudo com atenção", mas não foi dada a lista de arquivos. Ele vai olhar o que lhe parecer importante.
O que o código faz e o que o modelo faz
No Open Code Review, o trabalho foi dividido. Tudo o que precisa ser confiável é feito por código comum e determinístico:
- define quais arquivos devem ser verificados e quais devem ser filtrados, para que uma alteração importante não se perca;
- agrupa arquivos relacionados em pacotes, e cada pacote é verificado por um subagente separado com contexto isolado. Assim a revisão se mantém estável em alterações enormes e roda em paralelo com facilidade;
- escolhe as regras de revisão para cada arquivo específico, para que o modelo não se distraia com o que não importa;
- módulos separados vinculam os comentários às linhas corretas e revalidam as próprias observações.
Ao agente sobra o que não se faz sem modelo: decidir que contexto buscar e analisar o código. Ele pode abrir o arquivo inteiro, pesquisar no repositório e consultar outros arquivos alterados. Os autores definiram o conjunto de ferramentas do agente a partir da análise de traços reais de chamadas em produção, e otimizaram os prompts para a revisão e para a economia de tokens. Também há um modo sem diff: o comando ocr scan verifica arquivos ou diretórios inteiros, por exemplo ao auditar um repositório desconhecido.
Qualidade, limitações e execução
Os autores afirmam que, com o mesmo modelo, a ferramenta tem precisão maior do que os agentes universais, gasta menos tokens e conclui a revisão mais rápido. A avaliação foi feita no benchmark próprio AACR-Bench, com tarefas reais de repositórios abertos populares, e a rotulagem foi revisada por mais de 80 engenheiros seniores. O benchmark está publicado no Hugging Face, então a comparação pode ser repetida no seu próprio código.
Há uma ressalva honesta: a completude, ou seja, a fração de defeitos reais encontrados, é menor na ferramenta do que nos agentes universais. Essa é uma escolha consciente em favor da precisão. Menos falsos positivos significam menos tempo gasto com ruído, mas parte dos problemas pode passar despercebida.
A instalação pode ser feita com npx skills add alibaba/open-code-review ou npm install -g @alibaba-group/open-code-review. Há dois modos. No modo nativo é preciso ter um endpoint próprio do modelo, e aí todo o pipeline funciona. No modo de delegação, a revisão é executada pelo seu agente (Claude Code, Codex, Cursor, Kimi Code) com o modelo que você já usa, e o OCR cuida da seleção de arquivos, das regras e da estrutura do relatório. Nesse caso não é necessária uma chave separada, mas a assinatura do agente não substitui a chave de API exigida pelo modo nativo. Há integrações com GitHub Actions, GitLab CI e Gerrit, além de OpenTelemetry para observabilidade.
Para equipes que estão construindo seus próprios agentes de revisão, a conclusão é de arquitetura: a seleção de arquivos, o agrupamento e a verificação da posição dos comentários devem ficar com código comum, deixando o modelo de linguagem apenas para a análise.
- 21 de nov. de 2026As vagas de FDE cresceram 4,6 vezes em um ano: o que faz o engenheiro no cliente
- 21 de nov. de 2026Anthropic cortou em 20% o preço do Claude Fable 5.2, e no teste de código ele quase empata com o Opus 5.5
- 21 de nov. de 2026Dreamteam capta US$ 53 milhões para um CRM que se preenche sozinho a partir de e-mails e ligações
- 21 de nov. de 2026Claude Opus 5.5 completa o horror Dimension 9 a partir de 15 salas criadas pelo autor
Perguntas frequentes sobre a notícia
O que se sabe sobre O problema dos agentes universais?
Muitos tentaram entregar o diff (lista de alterações) a um agente como o Claude Code com uma skill de revisão. Em conjuntos grandes de alterações, ele passa a fazer um trabalho descuidado: examina parte dos arquivos e ignora silenciosamente o restante. Uma observação sobre a "linha 42" pode se referir à linha 57. E uma revisão que depende do texto do prompt é difícil de depurar, já que a qualidade muda bastante com pequenas alterações na redação.
O que o código faz e o que o modelo faz?
No Open Code Review, o trabalho foi dividido. Tudo o que precisa ser confiável é feito por código comum e determinístico: define quais arquivos devem ser verificados e quais devem ser filtrados, para que uma alteração importante não se perca; agrupa arquivos relacionados em pacotes, e cada pacote é verificado por um subagente separado com contexto isolado.
O que se sabe sobre Qualidade, limitações e execução?
Os autores afirmam que, com o mesmo modelo, a ferramenta tem precisão maior do que os agentes universais, gasta menos tokens e conclui a revisão mais rápido. A avaliação foi feita no benchmark próprio AACR-Bench, com tarefas reais de repositórios abertos populares, e a rotulagem foi revisada por mais de 80 engenheiros seniores. O benchmark está publicado no Hugging Face, então a comparação pode ser repetida no seu próprio código.
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.