open-code-review/README.ru-RU.md

OpenCodeReview

English | 简体中文 | 日本語 | 한국어 | Русский

---

Что такое Open Code Review?

Open Code Review — это CLI-инструмент для код-ревью на основе ИИ. Он появился как внутренний официальный ИИ-ассистент код-ревью Alibaba Group: за последние два года им воспользовались десятки тысяч разработчиков, и он выявил миллионы дефектов в коде. После тщательной проверки в огромных масштабах мы превратили его в open-source-проект для сообщества. Чтобы начать работу, достаточно настроить эндпоинт модели.

Инструмент читает git-диффы, отправляет изменённые файлы настраиваемой LLM через агента с поддержкой вызова инструментов (tool use) и генерирует структурированные ревью-комментарии с точностью до строки. Агент может читать полное содержимое файлов, искать по кодовой базе, заглядывать в другие изменённые файлы за контекстом и выполнять глубокое ревью — а не только давать поверхностные замечания по диффу. Помимо ревью диффов, ocr scan позволяет проверять файлы целиком — удобно для аудита незнакомой кодовой базы или каталогов без значимого диффа.

Подробнее на официальном сайте.

Бенчмарк

По сравнению с агентами общего назначения (Claude Code), Open Code Review при той же базовой модели достигает значительно более высоких показателей Precision и F1, потребляя лишь ~1/9 токенов и выполняя ревью быстрее. При этом показатель Recall ниже, чем у агентов общего назначения — это осознанный компромисс в пользу точности и минимального шума.

Бенчмарк собран на основе реальных код-ревью и включает 50 популярных open-source-репозиториев, 200 реальных пул-реквестов и 10 языков программирования. Разметку из 1 505 дефектов перекрёстно проверили более 80 ведущих инженеров.

Метрика	Что измеряет	Почему важна
F1	Гармоническое среднее precision и recall	Лучший единый показатель качества ревью
Precision	Доля найденных проблем, являющихся реальными дефектами	Выше = меньше ложных срабатываний
Recall	Доля реальных дефектов, которые были найдены	Выше = меньше пропущенных проблем
Avg Time	Время выполнения одного ревью	Влияет на задержки в CI-пайплайне
Avg Token	Суммарное потребление токенов за ревью	Прямо влияет на стоимость API

Почему Open Code Review?

Проблема агентов общего назначения

Если вы использовали для код-ревью агентов общего назначения, например Claude Code со Skills, вы наверняка сталкивались с такими проблемами:

• Неполное покрытие — на крупных ченджсетах агенты склонны «срезать углы»: выборочно проверяют часть файлов и пропускают остальные.
• Дрейф позиций — найденные проблемы часто не совпадают с реальным местом в коде: номера строк и ссылки на файлы «уезжают» от цели.
• Нестабильное качество — Skills, управляемые естественным языком, трудно отлаживать, и качество ревью заметно колеблется при небольших изменениях промпта.

Первопричина: чисто языковая архитектура не накладывает жёстких ограничений на процесс ревью.

Ключевая идея: детерминированная инженерия × агент

Ключевая философия Open Code Review — сочетать детерминированную инженерию и агента так, чтобы каждый занимался тем, что у него получается лучше всего.

Детерминированная инженерия — жёсткие гарантии

Для тех шагов ревью, где нельзя ошибаться, корректность гарантирует инженерная логика, а не языковая модель:

• Точный отбор файлов — точно определяет, какие файлы нуждаются в ревью, а какие следует отфильтровать, гарантируя, что ни одно важное изменение не будет упущено.
• Группировка связанных файлов — объединяет связанные файлы в одну единицу ревью (например, message_en.properties и message_zh.properties). Каждая группа обрабатывается отдельным субагентом в изолированном контексте. Подход «разделяй и властвуй» сохраняет стабильность при очень больших изменениях и позволяет выполнять ревью параллельно.
• Точное сопоставление правил — подбирает правила ревью с учётом особенностей каждого файла, удерживая внимание модели на задаче и устраняя лишний информационный шум. Сопоставление по шаблонам работает стабильнее и предсказуемее, чем управление правилами только на естественном языке.
• Внешние модули позиционирования и рефлексии — независимые модули позиционирования комментариев и рефлексии над комментариями системно повышают точность как расположения, так и содержания замечаний ИИ.

Агент — динамические решения

Сильные стороны агента сосредоточены там, где они важнее всего, — в динамических решениях и динамическом доборе контекста:

• Промпты, заточенные под сценарий — шаблоны промптов, глубоко оптимизированные под код-ревью: выше качество при меньшем расходе токенов.
• Специализированный набор инструментов — создан на основе анализа вызовов инструментов в реальных проектах: частоты вызовов, доли повторных обращений к каждому инструменту и влияния новых инструментов на всю цепочку. Такой набор работает при код-ревью стабильнее и предсказуемее, чем универсальные инструменты агента.

Как использовать

Предварительные требования

• Git >= 2.41 — Open Code Review использует Git для генерации diff, поиска по коду и операций с репозиторием.

CLI

Установка

npm install -g @alibaba-group/open-code-review

После установки команда ocr доступна глобально.

Другие способы установки (скрипт установки, бинарный файл из GitHub Release, сборка из исходников) описаны в руководстве по установке.

Быстрый старт

1. Настройте LLM

Перед запуском ревью необходимо настроить LLM, если только вы не используете режим делегирования.

ocr config provider          # Выбрать встроенного провайдера или добавить пользовательский
ocr config model             # Выбрать модель для активного провайдера

Интерактивный UI проведёт вас через выбор провайдера, ввод API-ключа и настройку модели, после чего автоматически проверит подключение.

Настройка через CLI, переменные окружения, пользовательские провайдеры и другие расширенные параметры описаны в руководстве по конфигурации.

2. Запустите ревью

cd your-project

# Режим рабочей копии — ревью всех staged, unstaged и untracked изменений
ocr review

# Диапазон веток — сравнение двух ref'ов
ocr review --from main --to feature-branch

# Один коммит
ocr review --commit abc123

# Возобновить прерванное ревью диапазона или одного коммита
ocr session list
ocr review --from main --to feature-branch --resume <session-id>

# Полнофайловое сканирование — ревью целых файлов вместо диффа (история git не нужна)
ocr scan                          # сканировать весь репозиторий
ocr scan --path internal/agent    # сканировать каталог или конкретные файлы

# Режим делегирования — ИИ-агент сам выполняет ревью
# OCR отвечает за выбор файлов и разрешение правил; настройка LLM не требуется
ocr delegate preview
ocr delegate rule src/main.go src/handler.go

Документация

Полная документация доступна на open-codereview.ai/docs:

• Быстрый старт — установка и запуск первого ревью
• Установка — все платформы и менеджеры пакетов
• Справочник CLI — все команды и флаги
• Правила ревью — кастомизация правил ревью, фильтрация и таргетинг по путям
• Конфигурация — ключи конфигурации и переменные окружения
• MCP-сервер — расширение агента ревью внешними инструментами
• Интеграции с кодинг-агентами — выберите используемую платформу
  • Claude Code — установка плагина со slash-командами для ревью
  • Codex — установка плагина с вызываемыми навыками ревью
  • Cursor — установка плагина с переносимыми навыками ревью
  • OpenCode — установка нативных инструментов ревью и slash-команд
  • Агенты с поддержкой Skill — установка переносимого навыка агента
• Режимы выполнения ревью — после интеграции выберите, какая LLM выполняет ревью
  • По умолчанию (под управлением OCR) — OCR выполняет ревью с помощью настроенной LLM
  • Режим делегирования — кодинг-агент выполняет ревью с помощью собственной LLM; API-ключ для OCR не требуется
• Интеграция с CI/CD — GitHub Actions, GitLab CI, GitFlic CI и Gerrit
• Просмотр сессий — просмотр и воспроизведение сессий ревью в браузере
• Телеметрия — интеграция с OpenTelemetry для наблюдаемости
• FAQ — частые вопросы и устранение неполадок

Участие в разработке

Этот проект существует благодаря всем, кто вносит свой вклад. В CONTRIBUTING.ru-RU.md описаны настройка окружения разработки, рекомендации по коду и порядок отправки пул-реквестов.

Лицензия

Apache-2.0 — Copyright 2026 Alibaba