Open Code Review Codex 插件使用指南：在本地 Codex 中接入 `ocr` 代码审查 CLI

Open Code Review Codex 插件使用指南在本地 Codex 中接入ocr代码审查 CLI【免费下载链接】open-code-reviewFast, efficient, battle-tested at Alibabas scale. Hybrid architecture code review tool: deterministic pipelines LLM Agent, precise line-level comments, built-in multi-language ruleset (NPE, thread-safety, XSS, SQL injection), OpenAI Anthropic compatible.项目地址: https://gitcode.com/GitHub_Trending/op/open-code-reviewOpen Code ReviewOCR是阿里开源的一款混合架构代码审查工具将确定性流水线与 LLM Agent 结合产出逐行级别的审查评论。本指南讲解其 Codex 官方插件仓库内位于 plugins/open-code-review/的安装、使用与内部机制插件并不会把 OCR 变成 Codex 的 LLM backend而是以 skill 的形式让 Codex 直接调用本地ocrCLI。读完本文你将掌握从前置准备、marketplace 安装、常用对话式调用到--audience agent等底层命令参数与源码级原理的完整链路。架构定位Skill 集成而非 LLM backend 替换这是理解整个插件的前提。根据 CODEX.ko-KR.md 的明确说明该插件不会将 Open Code Review 替换为 Codex 内部的 LLM 后端而是为 Codex 提供可调用的 review skill由 skill 背后的 Agent 在本地执行ocrCLICodex └─ Open Code Review plugin └─ ocr review --audience agent也就是说Codex 负责理解用户意图review my changesOCR 负责真正读取 Git diff、调用已配置的 LLM 并生成结构化逐行评论两者职责分离。这一点在 plugins/open-code-review/README.md 中也有对应说明——所有 coding agent 集成Claude Code、Codex、Cursor、QCA Forward都要求先安装ocrCLI 并完成 OCR 自身的 LLM 配置。从源码结构看该插件的 skill 定义刻意与仓库根级规范 skillskills/open-code-review/SKILL.md保持同步参见 SKILL.md 中mirrors the canonical skill的注释因为插件安装时可能只会物化插件子树所以两份文件需手工保持同步而非使用符号链接。前置准备安装并验证ocrCLI任何插件用法都依赖本地ocr命令Codex 插件本身不负责安装它。按文档要求依次完成全局安装 CLInpm install -g alibaba-group/open-code-review确认安装结果command -v ocr ocr version验证 OCR 自身的 LLM 连通性ocr llm test注意ocr llm test失败意味着 OCR 的 LLM 尚未配置好这与 Codex 插件的安装相互独立必须先把 OCR 的 LLM 配置完成否则后续 review 会因无法连接 LLM 而失败。配置方式为交互式向导ocr config provider、ocr config model或手工设置ocr config set llm.url https://api.anthropic.com/v1/messages ocr config set llm.auth_token api-key ocr config set llm.model claude-opus-4-6 ocr config set llm.use_anthropic true这与 SKILL.md 故障排查章节的建议一致ocr review在没有可达 LLM 时会loudly失败必须先配置再使用。所有集成包括 Codex还要求 Git 2.41 及以上版本。在 Codex 中安装插件将该仓库作为 Codex marketplace 添加然后启动 Codexcodex plugin marketplace add alibaba/open-code-review codex进入 Codex 后打开/plugins找到Open Code Review并安装、启用。之后新建一个 task 即可使用。如果是本地 checkout 或 fork 做测试可用本地路径替代远程 marketplacecodex plugin marketplace add . codex安装启用后插件对外暴露的是可调用的 review skill本地ocrCLI 的封装而不是新的 slash command 或 OpenAI Responses API endpoint。使用示例通过对话触发代码审查在新建的 Codex thread 中直接以自然语言发起请求插件 skill 会把意图映射为ocr命令。文档给出的典型用法审查当前工作区改动Open Code Review review my current changes分支对比Open Code Review review this branch against main审查后只修复高置信度问题Open Code Review review and fix high-confidence issues关于review and fix需要特别说明文档明确要求文件修改与 commit 生成只在用户显式请求时执行。这与底层 skill 的 Step 4SKILL.md一致——若用户只要求 review 而无修复意图Agent 必须先征得许可再改动任何文件即便执行修复也应聚焦 critical/high/medium 级别的评论并在提交前与用户确认。插件内部实际执行的命令无论用户在对话中如何措辞落到终端上最终都是ocr review系列命令且统一带有--audience agent以保证输出干净、无进度 UI 干扰。审查当前工作区改动ocr review --audience agent这是默认模式。从 review_cmd.go 的命令示例与 SKILL.md 的说明可以确认不带参数时OCR 审查的是暂存、未暂存以及未跟踪untracked的全部改动如果只想收窄范围应选择性git add或使用--exclude排除。审查特定 commitocr review --audience agent --commit sha--commit短选项-c将单个 commit 与其父提交对比审查。参数校验逻辑位于 shared_flags.go 与validateDiffMode--from/--to与--commit两种模式互斥同一命令只能选一种。分支对比审查ocr review --audience agent --from base-ref --to head-ref--from指定 diff 起点 ref如main--to指定终点 ref如特性分支。校验要求两者必须成对出现只给其一会直接报错shared_flags.go。同时 review_cmd.go 中的validateReviewRefs还会对--from/--to/--commit做安全校验拒绝以-开头或无法通过git rev-parse --verify的非法 ref防止选项注入。预演模式ocr review --preview--preview短选项-p只列出将被审查的文件不调用任何 LLM是确认审查范围、估算成本的高性价比手段标志定义见 shared_flags.go执行路径见runPreviewContextreview_cmd.go。注意--preview与--resume互斥shared_flags.go。关键参数与底层机制--audience agent是整套集成的核心标志。其定义位于 shared_flags.gocmd.Flags().StringVar(audience, audience, human, output audience: human (show progress; on stderr for json/sarif) or agent (summary only))agent模式只输出最终摘要不输出进度行human模式会流式展示进度json/sarif 格式下进度走 stderr。对 Codex 这类 Agent 调用方必须用--audience agent避免污染输出流。取值仅限human与agent两种非法值会在validateAudience中被拒绝。以下是 skill 文档与源码中提到的其他关键参数完整标志注册见registerReviewFlagsshared_flags.go参数默认值说明--audience agenthuman仅输出最终摘要Agent 调用必选--format text/json/sariftext输出格式JSON 便于程序化消费评论结构--commit/-c sha—审查单个 commit与父提交对比--from/--to ref—分支/范围对比须成对出现--background/-b context—传入需求/业务上下文提升审查质量--background-file/-B md—从 Markdown 文件加载上下文清洗后限 8000 字符优先级高于--background--exclude patterns—逗号分隔的 gitignore 风格排除模式--concurrency n8最大并发文件分组审查数遇到限流可调低--timeout min15单组并发任务超时分钟配合 effort 轮数决定整体耗时--effort low/medium/highmedium审查努力级别medium 默认 2 轮low/high 对应 1/3 轮--preview/-pfalse只列文件、不调用 LLM--resume session-id—从之前的 session 恢复需--from/--to或--commit工作区模式不支持恢复--max-tools n模板默认每个子任务最大工具调用轮数下限 50--max-git-procs n16最大并发 Git 子进程数--max-tokens-budget n不限本次审查总 token 上限超限即停止分发--provider/--model配置值本次运行临时覆盖 LLM 提供方/模型Agent 侧的完整工作流参照 SKILL.mdCodex 中的 skill 在调用ocr前后还有标准流程收集业务上下文分析审查目标commit/分支/改动用--background传入精简的业务上下文运行审查按上表参数组装命令总是携带--audience agent输出重定向到临时文件后整体读取避免tail/head截断丢失前面的评论报告OCR 输出中每条评论带结构化severitycritical/high/medium/low与categorybug/security/performance/maintainability/test/style/documentation/other按严重级别分组呈现丢弃 low 级别的疑似误报定位失败时start_line/end_line均为 0此时需读取评论内容并结合目标文件人工定位修复仅当用户明确要求时才自动修改未明确要求时先请求许可。大型 diff 与超时行为skill 文档还提示了几个易踩的坑超时按单组超时 × 审查轮数计算默认--timeout 15配合 medium 两轮约 30 分钟默认并发 8 个文件 worker单请求 token 上限默认 58888超大 diff 可能被截断diff 超过 50 行时会先进入额外的风险分析plan阶段再进入主审查——这对应 review_cmd.go 中agent.New构造的 Agent 管线plan 工具定义与 main 工具定义合并了 MCP 工具。此外审查失败如 LLM 连接错误时不要盲目重试应回到ocr llm test检查 LLM 配置。注意事项汇总本插件不设置OpenAI Responses API endpoint本插件不要求OPENAI_API_KEY或gpt-5.1-codex-max配置OCR 自身需要独立的 LLM 配置Anthropic 或任意 OpenAI 兼容 endpoint通过ocr config provider等完成文件修改仅在用户显式请求时执行commit 生成仅在用户显式请求时执行工作目录即 Git 仓库根目录ocr review以当前目录为审查对象需要时可使用--repo指定其他仓库目录。与其他平台集成的对照Codex 插件只是 plugins/open-code-review/README.md 中列出的集成之一。同类集成还包括Claude Code/plugin marketplace add alibaba/open-code-review/plugin install open-code-reviewopen-code-review安装/open-code-review:review与/open-code-review:delegate-review两个 slash 命令对应命令定义见 review.md 与 delegate-review.md、Cursor将plugins/open-code-review/目录复制到~/.cursor/plugins/local/open-code-review/、以及 QCA Forward通过 OCR 委托模式复用宿主模型。它们共享同一套ocrCLI 与 skill 工作流只是接入入口不同。需要说明的是Codex 集成场景中--audience agent同时意味着摘要输出面向 Agent 消费配合--format jsonopen-code-review.ts 中的 OpenCode 插件实现会为 review 附加--format json可让评论结果以结构化数据回流给 Agent 做分级汇报与修复决策。【免费下载链接】open-code-reviewFast, efficient, battle-tested at Alibabas scale. Hybrid architecture code review tool: deterministic pipelines LLM Agent, precise line-level comments, built-in multi-language ruleset (NPE, thread-safety, XSS, SQL injection), OpenAI Anthropic compatible.项目地址: https://gitcode.com/GitHub_Trending/op/open-code-review创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考