← Voltar ao blog
Aicerca de 7 min de leitura

O revisor de código da Alibaba roda regras determinísticas primeiro e consulta o modelo depois

Publicado 14 de nov. de 2026
O revisor de código da Alibaba roda regras determinísticas primeiro e consulta o modelo depois

Um agente de código de uso geral encarregado de revisar um changeset grande se comporta como alguém que precisa revisar um livro até sexta. Começa com dedicação, acha um ritmo e, em algum ponto do capítulo quatro, começa a passar os olhos. O resultado cobre bem o primeiro terço do diff, cita duas coisas no meio e declara o resto limpo.

O Open Code Review, que a Alibaba abriu este mês depois de dois anos como ferramenta interna e que beira 51,000 estrelas no GitHub, parte de uma observação: essa falha é de arquitetura, e mexer no prompt não resolve.

Três falhas que o time nomeia

O README é incomumente direto sobre o que dá errado na abordagem de agente genérico.

Cobertura incompleta vem primeiro. Em changesets grandes, agentes revisam alguns arquivos e deixam outros de lado, e num laço guiado por linguagem não existe mecanismo que garanta que todo arquivo seja olhado.

Deriva de posição vem em segundo. Os problemas reportados muitas vezes não batem com o local real do código, e números de linha e referências de arquivo escorregam. Quem já tentou aplicar comentários de um agente conhece isso: o comentário acerta o bug e erra o lugar.

Qualidade instável vem em terceiro. Habilidades em linguagem natural são difíceis de depurar, e a qualidade da revisão varia bastante com pequenas mudanças de prompt. Isso torna a ferramenta impossível de certificar e difícil de confiar num gate.

O diagnóstico em uma frase: uma arquitetura puramente guiada por linguagem não tem restrições duras sobre o processo.

O que ele tirou do modelo

O desenho divide o trabalho. Tudo que não pode dar errado fica com código comum. Tudo que exige julgamento vai para o agente.

A seleção de arquivos é determinística. O código decide quais arquivos entram no escopo e quais são filtrados, então nada importante é pulado por motivos que o modelo não sabe explicar.

O empacotamento é determinístico. Arquivos relacionados formam uma única unidade de revisão, e o exemplo do README é o útil: `message_en.properties` e `message_zh.properties` ficam juntos, porque uma chave adicionada num e esquecida no outro é exatamente o bug que um revisor arquivo por arquivo perde. Cada pacote roda como subagente com contexto isolado, e é por isso que a ferramenta fica estável em changesets gigantes e paraleliza sem coordenação.

O casamento de regras é determinístico. As regras são associadas às características de cada arquivo por um motor de templates, em vez de serem descritas em prosa e deixadas na esperança de que o modelo lembre. O benefício declarado: a atenção do modelo fica nas regras aplicáveis, sem varrer um manual inteiro.

Dois módulos ficam totalmente fora do agente: um posiciona os comentários, outro reflete sobre eles. Os dois existem porque um modelo que escreve um comentário não é confiável sobre onde esse comentário vai parar, e mandar que ele confira o próprio posicionamento funciona melhor como uma passada separada do que como instrução no prompt principal.

O agente fica com as partes que pedem decisão: qual contexto buscar, quais ferramentas chamar, como formular um achado. O conjunto de ferramentas foi destilado de traces de chamadas de produção na Alibaba, incluindo distribuições de frequência e com que frequência cada ferramenta se repetia, uma base mais empírica do que o palpite habitual sobre o que um revisor precisaria.

Os números e o trade-off embutido neles

O benchmark se chama AACR-Bench: 50 repositórios open source populares, 200 pull requests reais, 10 linguagens de programação, mais de 80 engenheiros sêniores e 1,505 problemas anotados como referência.

Contra um agente genérico com o mesmo modelo de base, a Alibaba reporta precisão e F1 bem maiores, cerca de um nono dos tokens e conclusão mais rápida. O recall é menor.

Essa última oração é a frase mais honesta do README, e muda para quem a ferramenta serve.

Precisão é a proporção de problemas reportados que são reais. Recall é a proporção de defeitos reais que são encontrados. Um revisor ajustado para precisão fala pouco e costuma acertar. Um ajustado para recall faz barulho e costuma achar mais.

Para um gate de CI num repositório movimentado, precisão é o alvo certo. Um bot que comenta quarenta vezes num pull request com onze problemas reais é silenciado em uma semana, e um bot silenciado tem recall zero, qualquer que seja sua nota no benchmark. O time fez a troca que mantém a ferramenta ligada.

Para uma auditoria de segurança em código desconhecido, a troca está errada. Você quer o revisor barulhento. É por isso que existe `ocr scan`, um modo separado que revisa arquivos inteiros em vez de um diff, e por isso a prioridade à precisão deve ser lida como uma afirmação sobre pull requests, não como um veredito sobre revisão de código em geral.

Instalando

A ferramenta é uma CLI chamada `ocr`.

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

A configuração passa por escolha de provedor, entrada da chave e teste de conectividade. Depois, de dentro de um repositório:

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

Revisões longas podem ser interrompidas e retomadas com `ocr session list` e `--resume`, o que importa quando você aponta isso para um monorepo. Há um visualizador de sessão no navegador para reexecutar uma revisão e marcar comentários como corrigidos ou ignorados.

A decisão de design que acho mais interessante é o modo delegation. No modo padrão, o OCR chama o modelo por conta própria, com a própria configuração de provedor, separada da sua assinatura do Claude Code. No modo delegation, o OCR continua fazendo seleção de arquivos e resolução de regras, e entrega a revisão de fato ao modelo e à autenticação do seu agente de código. Sem chave de API separada.

É uma leitura afiada de onde está o valor. O andaime é o produto. O modelo é mercadoria que talvez você já esteja pagando.

Por que isso importa além da revisão de código

Tire o específico e a arquitetura é uma resposta geral a um problema geral: modelos de linguagem são pouco confiáveis em trabalho exaustivo, que preserva ordem e posição exata, sobre entradas grandes, e confiáveis no julgamento dentro de um contexto delimitado.

Todo pipeline de conteúdo que vi falhar falhou do mesmo jeito. Pede-se a um agente que confira vinte imagens de produto quanto a conformidade de marca, ele confere onze e escreve um resumo confiante. Pede-se a um agente que localize quarenta strings, ele pula quatro e reporta sucesso. A falha está na cobertura, e cobertura é exatamente o que uma camada determinística oferece.

O padrão a copiar é a divisão: enumerar no código, julgar no modelo e verificar de novo no código a posição da saída. A Alibaba aplicou isso a diffs. Os mesmos três passos valem para uma pasta de assets gerados, um lote de páginas traduzidas ou uma planilha de declarações.

Existe um custo, e é o motivo pelo qual quase nenhum time faz isso. O andaime determinístico precisa ser escrito por domínio. Regras de empacotamento para arquivos properties Java não servem para nada numa pasta de imagens de produto, e o módulo de reflexão que corrige o posicionamento dos comentários não tem equivalente num pipeline de tradução. A engenharia não se transfere. O padrão, sim.

O que eu ficaria de olho

Duas coisas no próximo trimestre.

Se o conjunto de regras se mantém atual. Um motor de regras com templates é estável justamente porque é explícito, e regras explícitas apodrecem. A regra que pega um padrão de NPE em código Java 17 pode ser ruído em código Java 25. Estabilidade comprada com hardcoding vem com uma conta de manutenção.

E se a prioridade à precisão se sustenta fora da base de código da Alibaba. Um revisor ajustado em uma década de convenções internas vai parecer afiado nessas convenções. A pergunta aberta, e a que a comunidade vai responder rápido, é como ele se comporta em código escrito por gente que nunca leu o mesmo guia de estilo.

Artigos relacionados