← Torna al blog
Aicirca 7 min di lettura

Il revisore di codice di Alibaba esegue prima regole deterministiche e interroga il modello dopo

Pubblicato 14 nov 2026
Il revisore di codice di Alibaba esegue prima regole deterministiche e interroga il modello dopo

Un agente di codice generico a cui si chiede di revisionare un changeset grande si comporta come una persona incaricata di correggere le bozze di un libro per venerdì. Comincia con diligenza, trova un ritmo e a un certo punto del capitolo quattro inizia a scorrere. Il risultato copre bene il primo terzo del diff, cita due cose a metà e dichiara pulito il resto.

Open Code Review, che Alibaba ha aperto questo mese dopo due anni come strumento interno e che sfiora le 51,000 stelle su GitHub, nasce da un'osservazione: quel fallimento è architetturale, e ritoccare il prompt non lo risolve.

Tre fallimenti che il team nomina

Il README è insolitamente diretto su cosa non funziona nell'approccio ad agente generico.

Primo, la copertura incompleta. Su changeset grandi gli agenti revisionano alcuni file e ne saltano altri, e in un ciclo guidato dal linguaggio non esiste un meccanismo che garantisca che ogni file venga guardato.

Secondo, la deriva di posizione. I problemi segnalati spesso non corrispondono alla posizione reale del codice, e numeri di riga e riferimenti ai file scivolano. Chi ha provato ad applicare i commenti di un agente lo sa: il commento ha ragione sul bug e torto su dove si trova.

Terzo, la qualità instabile. Le capacità in linguaggio naturale sono difficili da debuggare, e la qualità della revisione si muove parecchio con piccole variazioni del prompt. Così lo strumento non è certificabile e risulta difficile fidarsene dentro un gate.

La diagnosi in una frase: un'architettura puramente guidata dal linguaggio non ha vincoli duri sul processo.

Cosa ha tolto al modello

Il design divide il lavoro. Tutto ciò che non deve sbagliare lo gestisce codice ordinario. Tutto ciò che richiede giudizio va all'agente.

La selezione dei file è deterministica. È il codice a decidere quali file sono in ambito e quali vengono filtrati, così niente di importante viene saltato per ragioni che il modello non sa spiegare.

Il raggruppamento è deterministico. I file correlati formano un'unica unità di revisione, e l'esempio nel README è quello utile: `message_en.properties` e `message_zh.properties` stanno insieme, perché una chiave aggiunta in uno e dimenticata nell'altro è esattamente il bug che un revisore file per file si perde. Ogni gruppo gira come sub-agente con contesto isolato, ed è così che lo strumento resta stabile su changeset enormi e perché parallelizza senza coordinamento.

La corrispondenza delle regole è deterministica. Le regole vengono abbinate alle caratteristiche di ogni file tramite un motore di template, invece di descriverle in prosa e sperare che il modello le ricordi. Il vantaggio dichiarato: l'attenzione del modello resta sulle regole applicabili senza scorrere un manuale.

Due moduli stanno interamente fuori dall'agente: uno posiziona i commenti, uno ci torna sopra. Entrambi esistono perché un modello che scrive un commento non è affidabile su dove quel commento finisce, e fargli verificare la posizione funziona meglio come passata separata che come istruzione nel prompt principale.

L'agente tiene le parti che richiedono una decisione: quale contesto recuperare, quali strumenti chiamare, come formulare un rilievo. Il suo set di strumenti è stato distillato dalle tracce delle chiamate in produzione da Alibaba, comprese le distribuzioni di frequenza e quanto spesso ogni strumento veniva ripetuto, una base più empirica della solita ipotesi su cosa serva a un revisore.

I numeri e il compromesso che ci sta dentro

Il benchmark si chiama AACR-Bench: 50 repository open source popolari, 200 pull request reali, 10 linguaggi di programmazione, oltre 80 ingegneri senior e 1,505 problemi annotati come riferimento.

Rispetto a un agente generico con lo stesso modello di base, Alibaba riporta precisione e F1 nettamente più alti, circa un nono dei token e completamento più rapido. Il recall è più basso.

Quell'ultima proposizione è la frase più onesta del README, e cambia chi dovrebbe usare lo strumento.

La precisione è la quota di problemi segnalati che sono reali. Il recall è la quota di difetti reali che vengono trovati. Un revisore tarato sulla precisione parla poco e di solito ci prende. Uno tarato sul recall fa rumore e di solito trova di più.

Per un gate CI su un repository trafficato, la precisione è l'obiettivo giusto. Un bot che commenta quaranta volte su una pull request con undici problemi veri viene silenziato in una settimana, e un bot silenziato ha recall zero, qualunque sia il punteggio nel benchmark. Il team ha fatto il compromesso che tiene lo strumento acceso.

Per un audit di sicurezza su codice sconosciuto il compromesso è sbagliato. Lì vuoi il revisore rumoroso. Per questo esiste `ocr scan`, una modalità separata che revisiona file interi anziché un diff, e per questo la priorità alla precisione va letta come un'affermazione sulle pull request, non come un verdetto sulla revisione di codice in generale.

Installarlo

Lo strumento è una CLI chiamata `ocr`.

npm install -g @alibaba-group/open-code-review
ocr config provider
ocr config model

La configurazione accompagna nella scelta del provider, nell'inserimento della chiave e in un test di connettività. Poi, da un repository:

ocr review                                    # staged, unstaged, untracked
ocr review --from main --to feature-branch    # merge-base range
ocr review --commit abc123
ocr scan --path internal/agent                # whole files, no git history needed
ocr review --format json --output result.json

Le revisioni lunghe si possono interrompere e riprendere con `ocr session list` e `--resume`, cosa che conta quando punti tutto questo su un monorepo. C'è un visualizzatore di sessione nel browser per riprodurre una revisione e segnare i commenti come corretti o ignorati.

La decisione di design che trovo più interessante è la modalità delegation. Nella modalità predefinita OCR chiama il modello da sé, con la propria configurazione del provider, separata dal tuo abbonamento a Claude Code. In delegation OCR fa ancora selezione dei file e risoluzione delle regole, e affida la revisione vera al modello e all'autenticazione del tuo agente di codice. Nessuna chiave API separata.

È una lettura netta di dove sta il valore. L'impalcatura è il prodotto. Il modello è una merce che forse stai già pagando.

Perché conta oltre la revisione di codice

Tolto lo specifico, l'architettura è una risposta generale a un problema generale: i modelli linguistici non sono affidabili su lavoro esaustivo, che preserva l'ordine e la posizione esatta, su input grandi, e sono affidabili nel giudizio dentro un contesto delimitato.

Ogni pipeline di contenuti che ho visto fallire è fallita allo stesso modo. A un agente si chiede di controllare venti immagini di prodotto per conformità al marchio, ne controlla undici e scrive un riassunto sicuro di sé. A un agente si chiede di localizzare quaranta stringhe, ne salta quattro e riporta successo. Il guasto è nella copertura, e la copertura è esattamente ciò che offre uno strato deterministico.

Il pattern da copiare è la divisione: enumerare nel codice, giudicare nel modello, poi verificare di nuovo nel codice la posizione dell'output. Alibaba l'ha applicato ai diff. Gli stessi tre passi valgono per una cartella di asset generati, un lotto di pagine tradotte o un foglio di calcolo di dichiarazioni.

C'è un costo, ed è il motivo per cui quasi nessun team lo fa. L'impalcatura deterministica va scritta per dominio. Le regole di raggruppamento per i file properties Java sono inutili su una cartella di immagini di prodotto, e il modulo di riflessione che corregge la posizione dei commenti non ha equivalente in una pipeline di traduzione. L'ingegneria non si trasferisce. Il pattern sì.

Cosa guarderei

Due cose nel prossimo trimestre.

Se il set di regole resta aggiornato. Un motore di regole con template è stabile proprio perché è esplicito, e le regole esplicite marciscono. La regola che intercetta un pattern di NPE in codice Java 17 può essere rumore in codice Java 25. La stabilità comprata con l'hardcoding ha una fattura di manutenzione.

E se la priorità alla precisione tiene fuori dal codice di Alibaba. Un revisore tarato su dieci anni di convenzioni interne sembrerà tagliente su quelle convenzioni. La domanda aperta, e quella a cui la community risponderà presto, è come si comporta su codice scritto da persone che non hanno mai letto la stessa guida di stile.

Articoli correlati