AI 编程01
jma49/Open-CR-Agent · ocra: open-source multi-agent code review for local changes and GitHub pull requests. Deterministic engineering selects, bundles and anchors; specialised LLM reviewers find issues, then Verify and a judge filter them. CLI and GitHub Action.
ocra 是一个开源代码审查引擎，采用「确定性工程 + 隔离 LLM 智能体」的流水线：先由代码决定审查范围、风险分级、分捆、规则匹配与评论锚点，再由隔离的 LLM 审查员（correctness、security、performance、docs、agents-md）发现问题，随后经验证器与评审模型事实核查、去重和定级后再发布。支持本地改动、GitHub PR 与 GitLab MR，可运行在自有 CI 中使用自己的模型密钥，输出带版本的 JSON 报告与 SARIF 2.1.0，并提供成本上限、失败回退链、增量复审、记忆、指标与评估工具（ocra-eval、AACR-Bench）。项目以不可信 PR 为设计前提，智能体仅具只读工具、无 shell 与网络。
工具与应用02
安全公司 Harness 做了一次基准测试，比较两类查代码漏洞的 AI 工具：直接让大模型扫描代码的“LLM 扫描器”，以及传统扫描器加 AI 复核结果的方式。测试发现，LLM 扫描器误报少（准确率高），但漏报严重，很多真漏洞没找到；同一份没改过的代码重复扫描，结果、耗时和花费都不一样。它还比传统方案慢 1.6 到 37 倍、贵 6 到 39 倍。因此 Harness 建议：LLM 扫描可用于渗透测试和关键应用的定期深度扫描，日常代码提交的持续扫描还是用传统扫描器加 AI 复核更稳、更省。
文中可用工具
- GPT-5.5参与测试的 OpenAI 大模型，用于扫描代码漏洞
- Claude Opus 4.8参与测试的 Anthropic 大模型，用于扫描代码漏洞
- Harness AI SASTHarness 自家的 AI 静态代码扫描工具，作为对比基线
- OpenAI Codex Security提供统一的安全提示词（harness），用于所有被测模型
- OWASP WebGoat用于测试的故意含漏洞的 Java 训练应用
- OWASP Juice Shop用于测试的故意含漏洞的 Web 应用
- OWASP Benchmark for Java用于测试的 Java 漏洞基准测试项目
AI 编程03
AgentsKit-io/code-review · Deep, low-noise AI code review — CLI + GitHub Action over the AgentsKit code-review agent
AgentsKit Code Review 是一个基于 AgentsKit code-review agent 的 AI 代码评审工具，提供命令行和 GitHub Action 两种使用方式。它通过七个评审视角提出潜在问题，并以对抗式验证投票过滤较弱发现，以降低噪音；支持自带模型（Claude、Codex、OpenAI、Gemini、Ollama、OpenRouter 等适配器），可本地审 diff、读取 stdin 或在 GitHub PR 上发布内联评论，并提供文件预算、并发、阈值、截止时间和计划（--plan --json）等成本与策略控制。
AI 编程04
unyieldingclaw-dev/ai-code-review-agent · Local multi-agent AI code reviewer powered by Ollama — 15 specialist agents review your git diff with zero API calls or cost. Outputs markdown, JSON, SARIF, or GitHub PR annotations; also ships an MCP server and a VS Code/Cursor extension.
AI Code Review Agent 是一个由本地 Ollama 驱动的 15 智能体代码审查工具，针对 git diff 从安全、正确性、性能、设计、依赖、破坏性变更、许可证合规、对抗性输入、集成风险、测试覆盖、测试生成、错误处理、可观测性、数据库迁移安全、密钥检测和代码复杂度等维度产出结构化审查结果，无需调用云端 API。每个专家智能体仅接触经过净化的 diff 和自身系统提示，由编排智能体去重、交叉引用并按置信度分级阈值筛选最终发现。支持 markdown、JSON、SARIF 和 GitHub PR 注解输出，同时提供 MCP 服务器以及 VS Code/Cursor 扩展。
AI 编程05
OpticDiff/code-reviewer · Fast, local-first AI code review CLI & pre-push hook for GitHub PRs and GitLab MRs. Multi-model consensus, Tree-sitter context, SARIF, and zero lock-in.
code-reviewer 是一个用 Go 编写的本地优先 AI 代码审查命令行工具，可作为 Git pre-push 钩子，也能在 GitHub PR 与 GitLab MR 的 CI 流程中运行。它通过 Tree-sitter 提取仓库感知的 AST 上下文，支持多模型共识过滤以减少噪音、内容寻址 diff 缓存加速重复审查、增量审查与提交触发全量重审，并可输出 ANSI 终端结果、GitHub 内联评论、GitLab 讨论与草稿笔记以及 SARIF 2.1.0 / GitLab SAST 安全报告。模型侧可对接 Ollama、vLLM 等本地端点，也可使用 Vertex AI（Gemini、Claude）、AWS Bedrock（经 LiteLLM）和 OpenAI 兼容端点，支持自定义提示词、平台治理配置、审计日志与 SHA 固定的安全自动批准。