Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизКод / SDK · В работуGitHub Trending AI→ оригинал

Alibaba открыла ИИ-ревьюер кода, которым два года пользовались десятки тысяч разработчиков

Alibaba открыла код Open Code Review — программы, которая проверяет чужие правки и пишет комментарии к конкретным строкам. Два года она работала внутри компании: ею пользовались десятки тысяч разработчиков, а нашла она миллионы дефектов. Выбор файлов и группировку правок делает обычный код, а не нейросеть, поэтому крупные изменения не проверяются выборочно. Если ваш ИИ-ревьюер пропускает файлы и путает строки, эту схему стоит перенять.

AI-обработка оригинала GitHub Trending AI; редакция Hamidun News
Alibaba открыла ИИ-ревьюер кода, которым два года пользовались десятки тысяч разработчиков
Источник: GitHub Trending AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникGitHub Trending AI ↗
Главный редактор
Установкаnpx skills add alibaba/open-code-review
Ключевой факт #2Точность выше, но полнота ниже, чем у Claude Code: меньше ложных тревог
Ключевой факт #3Работает с Claude Code, Codex, Cursor, Kimi Code и в CI

Ревью кода — это когда коллега смотрит ваши правки перед слиянием в основную ветку и пишет замечания к конкретным строкам. Alibaba открыла инструмент, который делает это с помощью нейросети: Open Code Review, консольную программу, выросшую из внутреннего ИИ-ассистента компании. По словам авторов, за два года им пользовались десятки тысяч разработчиков Alibaba, а инструмент нашёл миллионы дефектов в коде. После такой обкатки его превратили в открытый проект, и сейчас он в GitHub Trending: около 206 звёзд за день. Главное отличие от привычных ИИ-ревьюеров в том, что нейросеть здесь не управляет всем процессом сама.

Чем плохи универсальные агенты

Многие пробовали отдать diff (список изменений) агенту вроде Claude Code с навыком для ревью. На больших наборах правок он начинает «халтурить»: проверяет часть файлов и молча пропускает остальные. Замечание про «строку 42» может относиться к строке 57. А ревью, которое держится на тексте промпта, трудно отлаживать: качество заметно скачет от небольшой правки формулировок.

Диагноз авторов: если процесс целиком описан словами, у него нет жёстких гарантий. Представьте проверяющего, которому сказали «посмотри всё внимательно», но не дали списка файлов. Он посмотрит то, что покажется важным.

Что делает код, а что модель

В Open Code Review работу поделили. Всё, что должно быть надёжным, выполняет обычный детерминированный код:

  • определяет, какие файлы нужно проверить, а какие отфильтровать, чтобы важная правка не потерялась;
  • группирует связанные файлы в пакеты, и каждый пакет проверяет отдельный субагент с изолированным контекстом. Так ревью стабильно на огромных изменениях и легко идёт параллельно;
  • подбирает правила ревью под конкретный файл, чтобы модель не отвлекалась на лишнее;
  • отдельные модули привязывают комментарии к нужным строкам и перепроверяют собственные замечания.

Агенту остаётся то, что без модели не сделать: решать, какой контекст подтянуть, и анализировать код. Он может открыть файл целиком, поискать по репозиторию, заглянуть в другие изменённые файлы. Набор его инструментов авторы вывели из разбора реальных трасс вызовов в продакшене, а промпты оптимизировали под ревью и экономию токенов. Есть и режим без diff: команда ocr scan проверяет целые файлы или каталоги, например при аудите незнакомого репозитория.

Качество, ограничения и запуск

Авторы заявляют, что на той же самой модели их инструмент даёт более высокую точность, чем универсальные агенты, тратит меньше токенов и быстрее завершает ревью. Проверяли на собственном бенчмарке AACR-Bench: реальные задачи из популярных открытых репозиториев, разметку перепроверили более 80 старших инженеров. Бенчмарк выложен на Hugging Face, так что сравнение можно повторить на своём коде.

Есть честная оговорка: полнота, то есть доля найденных настоящих дефектов, у инструмента ниже, чем у универсальных агентов. Это осознанный выбор в пользу точности. Меньше ложных срабатываний значит меньше времени на разбор шума, но часть проблем может проскочить.

Поставить можно командой npx skills add alibaba/open-code-review или npm install -g @alibaba-group/open-code-review. Режимов два. В нативном нужен свой endpoint модели, и тогда работает весь конвейер. В режиме делегирования ревью выполняет ваш агент (Claude Code, Codex, Cursor, Kimi Code) на своей модели, а OCR отвечает за выбор файлов, правила и структуру отчёта. Отдельный ключ при этом не нужен, но подписка на агента не заменяет API-ключ для нативного режима. Есть интеграции с GitHub Actions, GitLab CI и Gerrit, а также OpenTelemetry для наблюдаемости.

Для команд, которые строят собственных ревью-агентов, вывод архитектурный: выбор файлов, группировку и проверку позиций комментариев стоит отдать обычному коду, а языковую модель оставить для анализа.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: чем плохи универсальные агенты?

Многие пробовали отдать diff (список изменений) агенту вроде Claude Code с навыком для ревью. На больших наборах правок он начинает «халтурить»: проверяет часть файлов и молча пропускает остальные. Замечание про «строку 42» может относиться к строке 57. А ревью, которое держится на тексте промпта, трудно отлаживать: качество заметно скачет от небольшой правки формулировок. Диагноз авторов: если процесс целиком описан словами, у него нет жёстких гарантий.

Что известно по теме: что делает код, а что модель?

В Open Code Review работу поделили. Всё, что должно быть надёжным, выполняет обычный детерминированный код: определяет, какие файлы нужно проверить, а какие отфильтровать, чтобы важная правка не потерялась; группирует связанные файлы в пакеты, и каждый пакет проверяет отдельный субагент с изолированным контекстом.

Что известно по теме: качество, ограничения и запуск?

Авторы заявляют, что на той же самой модели их инструмент даёт более высокую точность, чем универсальные агенты, тратит меньше токенов и быстрее завершает ревью. Проверяли на собственном бенчмарке AACR-Bench: реальные задачи из популярных открытых репозиториев, разметку перепроверили более 80 старших инженеров. Бенчмарк выложен на Hugging Face, так что сравнение можно повторить на своём коде. Есть честная оговорка: полнота, то есть доля найденных настоящих дефектов, у инструмента ниже, чем у универсальных агентов.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Практика · Hamidun Academy

Соберите рабочего ИИ-агента или сервис своими руками без ручного кода

В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.

Открыть 72ч бесплатный доступ →Интенсив по Вайб-кодингу
Что вы думаете?
Загружаем комментарии…