# 代码审查

Plannotator 是一个本地、基于浏览器的评审界面，面向 Claude Code、Codex、Copilot CLI、Gemini CLI 等 AI 编码智能体。智能体提出决策、计划或 HTML 产物时，界面在浏览器中打开，用户批注、评论并把反馈发回智能体执行；新增的 Plannotator Inbox 把多个智能体的消息、问题和文件汇到一个本地窗口，用户回复时不必让会话保持打开。

Plannotator 是一个本地、基于浏览器的评审界面，面向 Claude Code、Codex、Copilot CLI、Gemini CLI 等 AI 编码智能体。智能体提出决策、计划或 HTML 产物时，界面在浏览器中打开，用户批注、评论并把反馈发回智能体执行；新增的 Plannotator Inbox 把多个智能体的消息、问题和文件汇到一个本地窗口，用户回复时不必让会话保持打开。

阿里巴巴把内部使用两年的AI代码审查助手开源为Open Code Review，用户只需配置一个模型端点即可启用。它读取Git差异，由具备工具调用能力的智能体读取完整文件、检索代码库并参考其他改动文件，生成带行级定位的结构化审查意见。在由50个开源仓库、200个真实拉取请求和10种编程语言构成的基准上，同一底层模型下它的精度与F1明显高于通用智能体，token消耗约为后者的九分之一，但召回率更低，这是为减少噪声而做的取舍。

阿里巴巴把内部使用两年的AI代码审查助手开源为Open Code Review，用户只需配置一个模型端点即可启用。它读取Git差异，由具备工具调用能力的智能体读取完整文件、检索代码库并参考其他改动文件，生成带行级定位的结构化审查意见。在由50个开源仓库、200个真实拉取请求和10种编程语言构成的基准上，同一底层模型下它的精度与F1明显高于通用智能体，token消耗约为后者的九分之一，但召回率更低，这是为减少噪声而做的取舍。

Anthropic的Claude Code团队把大部分代码阅读交给自动评审，人类只保留高风险决策。6月至9月，该代码库合并的拉取请求数量翻倍以上，需要回滚的比例下降超过40%。做法是让Claude在提交前用可运行的测试或构建验证改动，每个拉取请求先经多智能体查错并投票过滤，再按改动风险分级决定需要几位人类批准。

Anthropic的Claude Code团队把大部分代码阅读交给自动评审，人类只保留高风险决策。6月至9月，该代码库合并的拉取请求数量翻倍以上，需要回滚的比例下降超过40%。做法是让Claude在提交前用可运行的测试或构建验证改动，每个拉取请求先经多智能体查错并投票过滤，再按改动风险分级决定需要几位人类批准。

CRBugBench用1800个由人工修复确认的缺陷考代码审查智能体：最强配置在top-5评论里抓到79.6%合并前缺陷，但换到企业私有仓库上性能明显下降。

CRBugBench用1800个由人工修复确认的缺陷考代码审查智能体：最强配置在top-5评论里抓到79.6%合并前缺陷，但换到企业私有仓库上性能明显下降。

Tessl工程团队在单一仓库上运行软件工厂，每周产生超过1200个由智能体编写的拉取请求，审查一度成为最大变量成本。团队把自家编码规范、设计系统和AI代码审查策略编码进Tessl Code Review，并自行设定审查策略，使约75%的PR在无人纠正智能体或讨论工程细节的情况下合并。在为期一周、超过600个PR的并排对比中，该审查器提出的问题有91%是真实缺陷，此前使用的AI审查器为68%，每PR修复的真实缺陷数为1.56对0.75，单PR审查成本低约35%。

Tessl工程团队在单一仓库上运行软件工厂，每周产生超过1200个由智能体编写的拉取请求，审查一度成为最大变量成本。团队把自家编码规范、设计系统和AI代码审查策略编码进Tessl Code Review，并自行设定审查策略，使约75%的PR在无人纠正智能体或讨论工程细节的情况下合并。在为期一周、超过600个PR的并排对比中，该审查器提出的问题有91%是真实缺陷，此前使用的AI审查器为68%，每PR修复的真实缺陷数为1.56对0.75，单PR审查成本低约35%。

Anthropic 把代码审查功能从研究预览转为面向 Team 与 Enterprise 组织的正式可用版本。此前编码智能体加快写码速度，审查环节却仍是瓶颈；预览期用户反馈它能先于人工发现真实问题，但希望审查更安静、更贴合改动规模、更快。正式版把多数审查从约20分钟缩短到6至10分钟，并允许管理员按仓库选择 Quick、Standard 或 Deep 三档深度。

Anthropic 把代码审查功能从研究预览转为面向 Team 与 Enterprise 组织的正式可用版本。此前编码智能体加快写码速度，审查环节却仍是瓶颈；预览期用户反馈它能先于人工发现真实问题，但希望审查更安静、更贴合改动规模、更快。正式版把多数审查从约20分钟缩短到6至10分钟，并允许管理员按仓库选择 Quick、Standard 或 Deep 三档深度。