Open Code Review

核心功能

Open Code Review 是一款针对 AI 生成代码的专项质量扫描工具，定位填补传统 linter（ESLint、SonarQube、Checkstyle）无法检测的 AI 特有缺陷。其核心能力包括：

• 幻觉包检测：识别不存在的 npm/依赖包（如 fast-json-utils 虚构包）
• 过期 API 扫描：检测已被移除或弃用的 API 调用
• 上下文断裂：发现跨文件同名函数签名不一致问题
• 安全反模式：硬编码密钥、废弃加密算法、不安全默认配置
• 过度工程识别：冗余抽象层、死代码、过度间接调用

三层扫描架构

| 层级 | 技术 | 耗时 | 是否需要 AI |

|:---|:---|:---|:---|

| L1 | AST 结构分析 | ~3 秒 | 否 |

| L2 | L1 + 向量嵌入召回 | 中等 | 部分 |

| L3 | L2 + LLM 深度语义理解 | 较长 | 是 |

显著优点

1. 精准定位 AI 代码缺陷：传统工具无法识别的"看起来对但实际错"的 AI 幻觉问题
2. CI/CD 原生集成：支持 diff 模式、SARIF 输出、GitHub Action 一键接入
3. MCP 协议支持：可作为 Cursor、Claude Desktop 等工具的 MCP server 调用
4. 多语言覆盖：TypeScript、JavaScript、Python、Java、Go、Kotlin

潜在局限

• BSL 1.1 商业许可：个人免费，团队需订阅，存在潜在成本
• L2/L3 依赖外部 AI：需要 Ollama 本地部署或 API 密钥，增加配置复杂度
• 新兴项目，生态待验证：GitHub 星标和社区成熟度不及 SonarQube 等老牌工具
• 误报风险：向量相似度检测可能出现边界误判

适合人群

• 频繁使用 Copilot/Cursor/Claude 辅助编程的开发者
• 需要为 AI 生成代码建立预合并质量门禁的 Tech Lead
• 审查第三方 AI 生成代码的安全/架构团队
• 希望将 AI 代码审计纳入 DevSecOps 流程的工程师

常规风险提示

• ⚠️ 该工具不替代传统 linter，而是补充其盲区
• ⚠️ L3 级扫描涉及代码外传至 LLM，敏感代码需谨慎评估数据出境/隐私合规
• ⚠️ MCP server URL 使用 Cloudflare Workers 托管，需评估网络可达性与服务稳定性
• ⚠️ 许可模式为 BSL（Business Source License），长期开源策略存在不确定性

核心用法

Open Code Review 是一款专门针对AI生成代码的质检工具，弥补了ESLint、SonarQube等传统静态分析工具在AI代码场景下的盲区。该Skill本身为纯文档型工具，引导用户通过npm CLI、GitHub Action或MCP服务器三种方式接入核心扫描能力。

扫描体系分为三级：L1纯本地AST结构分析（约3秒，无AI依赖）；L2增加向量化包名验证（可检测npm不存在的幻觉包）；L3引入LLM深度语义理解（识别上下文断裂、业务逻辑缺陷）。用户可通过npx @opencodereview/cli scan ./src --sla L2快速启动，或集成至CI/CD流水线实现PR自动扫描。

MCP接入提供两种模式：推荐的stdio本地模式（npx -y @opencodereview/mcp-server）和需审慎评估的远程端点模式（Cloudflare Workers动态域名）。输出支持SARIF标准格式，可直接对接GitHub Actions安全面板。

显著优点

精准覆盖AI特有缺陷：传统工具无法识别的"幻觉包名"（如import { parseJson } from 'fast-json-utils'中不存在的包）、AI虚构的过期API调用、跨文件上下文签名不一致等问题，均可被有效捕获。

分层扫描策略灵活：L1快速轻量适合本地预提交，L2/L3深度扫描适合关键路径保护，避免为简单场景支付AI调用成本。

生态集成成熟：原生支持TypeScript/JavaScript/Python/Java/Go/Kotlin，提供GitHub Action一键接入，MCP协议兼容Cursor等主流编辑器。

风险披露透明：文档明确标注L2/L3可能上传代码至远程AI服务，对私有代码建议本地Ollama部署，体现安全责任意识。

潜在缺点与局限性

第三方依赖信任链复杂：核心扫描能力依赖@opencodereview/cli和@opencodereview/mcp-server两个npm包，虽经组织命名空间保护，但仍需用户自行验证与GitHub源码的一致性，存在供应链攻击面。

远程MCP端点可信度存疑：推荐的远程MCP端点使用v2ray-seins.workers.dev动态域名，子域名含义不明且难以长期追踪信誉，安全报告建议优先使用本地stdio模式规避。

商业授权限制：采用BSL 1.1许可证，个人免费但团队需订阅，企业规模化部署需评估合规成本。

AI扫描的固有不确定性：L3级别的LLM深度扫描虽能发现语义级缺陷，但存在误报可能，且对复杂业务逻辑的理解受限于模型能力。

适合的目标群体

• AI辅助开发团队：重度使用Copilot/Cursor/Claude等工具的开发者，需在合并前拦截AI幻觉导致的生产事故
• 代码审查负责人：需要自动化PR质量门禁，补充人工审查的盲区
• 开源项目维护者：接收大量AI生成贡献代码，需批量预筛安全缺陷
• DevOps工程师：构建AI时代的CI/CD安全流水线，寻求SARIF标准合规方案

常规使用风险

供应链安全风险：npm包可能被劫持或发布恶意版本，建议固定版本并启用--ignore-scripts审查postinstall脚本。

代码外泄风险：L2/L3扫描默认可能将代码发送至远程服务，私有仓库务必配置本地Ollama或仅用L1级别。

动态域名服务可用性：远程MCP端点依赖Cloudflare Workers，存在服务中断或域名变更可能，生产环境建议本地部署。

GitHub Action版本漂移：使用@v1浮动标签可能在Action更新时引入未预期变更，建议固定至具体commit SHA。