Open Code Review: guía práctica para tu primer AI Code Review
Guía práctica para empezar con Open Code Review: instalación, configuración del LLM, primer Review, análisis con ocr scan, revisión de Branches e integración con AI Coding Agents.
Herramientas relacionadas
Si es la primera vez que utilizas Alibaba Open Code Review, puedes entenderlo como una herramienta de línea de comandos especializada en AI Code Review. Lee los cambios de Git Diff, envía el código modificado a un LLM Agent configurado previamente y genera comentarios de revisión estructurados y vinculados a líneas concretas del código.
A diferencia de copiar código directamente en ChatGPT para pedirle una revisión, Open Code Review está diseñado específicamente alrededor de los cambios de Git, el contexto del código y el flujo de trabajo de Code Review. También incluye ocr scan, que permite analizar archivos o directorios completos incluso cuando no existe un Git Diff.
Esta Starter Guide no pretende determinar si Open Code Review es mejor o peor que otras herramientas de AI Coding. El objetivo es mucho más práctico: instalar Open Code Review, configurar un modelo y completar tu primer AI Code Review real.
Qué necesitas antes de empezar
Para utilizarlo por primera vez necesitas tres cosas:
Git 2.41 o superior
Open Code Review CLI
Un proveedor de LLM al que puedas acceder
Open Code Review utiliza Git para generar Diff, buscar código y trabajar con el repositorio, por lo que es importante utilizar una versión suficientemente reciente.
También necesitas un proyecto Git que tenga cambios de código. Para la primera prueba, no es necesario utilizar un proyecto enorme de cientos de miles de líneas. Lo más práctico es elegir un proyecto en el que estés trabajando y modificar primero una funcionalidad pequeña.
Paso 1: instalar Open Code Review
Actualmente, la forma oficial más sencilla de instalarlo es mediante npm:
npm install -g @alibaba-group/open-code-review
Una vez completada la instalación, comprueba que el comando ocr esté disponible en el PATH:
ocr --help
Si aparece la ayuda del CLI, la instalación básica está lista. El paquete oficial de npm requiere actualmente Node.js 14 o superior y proporciona el comando global ocr.
También existen scripts de instalación, binarios disponibles en GitHub Releases y métodos para instalarlo desde el código fuente. Para empezar, sin embargo, npm es la opción más sencilla y evita añadir complejidad innecesaria.
Paso 2: configurar el LLM
Open Code Review no incluye su propio modelo, así que antes de ejecutar el primer Review debes indicarle qué LLM utilizar.
La forma más sencilla es ejecutar:
ocr config provider
Después:
ocr config model
El asistente de configuración te permitirá seleccionar el Provider, introducir la API Key y elegir el modelo. También puede comprobar automáticamente la conexión.
Por defecto, la configuración se guarda en:
~/.opencodereview/config.json
Actualmente, Open Code Review incluye varios Providers integrados, entre ellos Anthropic, OpenAI, Gemini, DashScope, DeepSeek, Kimi, Z.AI y MiniMax, además de permitir configurar Providers personalizados.
Por ejemplo, si eliges Anthropic, la configuración te permitirá introducir el endpoint de la API, la API Key y el modelo. Si utilizas un servicio compatible con OpenAI, también puedes seleccionar el Provider correspondiente.
Una vez terminada la configuración, puedes comprobar manualmente la conexión:
ocr llm test
Si la conexión funciona correctamente, ya puedes pasar al primer Review.
Hay una diferencia importante que conviene tener clara:
Configurar un Provider no significa que Open Code Review proporcione el modelo.
Sigues necesitando una API Key, una cuenta u otro método de autenticación válido para el servicio de modelos que hayas elegido.
Paso 3: preparar tu primer Code Review
Entra en un proyecto Git real:
cd your-project
Comprueba primero el estado del repositorio:
git status
Después revisa los cambios:
git diff
Para la primera prueba puedes realizar una modificación pequeña, por ejemplo:
añadir un parámetro a una API;
modificar una consulta a la base de datos;
corregir un Bug;
añadir una funcionalidad sencilla;
modificar un componente de React.
La idea no es crear un ejemplo artificial para poner a prueba a la IA, sino dejar que Open Code Review revise código que realmente estés preparando para incorporar al proyecto.
Paso 4: ejecutar tu primer Review
Una vez confirmados los cambios, ejecuta directamente:
ocr review
Es el comando más apropiado para empezar.
El modo Workspace procesa los cambios staged, unstaged y untracked del proyecto actual y permite que el Agent analice las modificaciones junto con el contenido completo de los archivos y el contexto relevante del repositorio.
Cuando termine el Review, podrías recibir un resultado similar a:
[High] Potential SQL injection
File: src/user/query.ts
Line: 42
...
El contenido y el número de problemas dependen de tu código y del modelo seleccionado. No hay que asumir de antemano que el Review encontrará vulnerabilidades o Bugs.
También puedes recibir simplemente:
No comments generated
Esto tampoco significa que el código esté «libre de problemas». Solo indica que en ese Review no se generaron comentarios.
Cómo interpretar tu primer Review
Cuando recibas el primer AI Review, lo más importante no es modificar inmediatamente el código, sino verificar primero las conclusiones de la IA.
Un flujo sencillo es:
¿Cuál es el problema?
↓
¿A qué línea corresponde?
↓
¿Por qué podría ser un problema?
↓
¿El problema existe realmente en este proyecto?
↓
¿Se puede verificar mediante código, pruebas o reproducción?
↓
Solo entonces modificar el código
Por ejemplo, si la IA señala:
SQL Injection
no conviene modificar inmediatamente la consulta.
Primero revisa el código correspondiente:
Consulta SQL
↓
¿De dónde proceden los parámetros?
↓
¿Proceden de la entrada del usuario?
↓
¿Se utiliza parametrización?
↓
¿Existe realmente una vía de inyección?
La forma correcta de utilizar un AI Code Review no es «modificar todo lo que diga la IA», sino utilizarla para reducir el área que necesita una revisión humana.
Open Code Review puede generar comentarios vinculados a líneas concretas, pero el desarrollador sigue teniendo que determinar si el problema es real. Algo que parece una vulnerabilidad grave puede ser un falso positivo debido al contexto, a una validación existente o a determinadas restricciones de negocio.
Paso 5: ¿qué ocurre si no tienes Git Diff?
Si el proyecto no tiene un Git Diff relevante, puedes utilizar:
ocr scan
La diferencia principal entre scan y review es sencilla:
| Comando | Uso principal |
|---|---|
ocr review | Revisar cambios de código de Git |
ocr scan | Revisar archivos completos sin depender de un Diff |
Por ejemplo, para revisar únicamente un directorio:
ocr scan --path internal/agent
También puedes especificar varios archivos:
ocr scan --path internal/agent/agent.go,internal/diff/scan.go
El comando scan está diseñado para revisar archivos completos, por lo que resulta especialmente útil cuando trabajas con un proyecto desconocido, quieres comprobar un módulo que lleva tiempo sin modificarse o necesitas revisar un directorio sin cambios recientes en Git.
Para la primera prueba puedes ejecutar:
ocr scan --preview
Esto permite comprobar qué archivos se van a analizar antes de realizar llamadas al LLM.
Paso 6: revisar una Feature completa
Una vez que domines el Workspace Review, puedes utilizar Open Code Review para revisar una Feature Branch completa.
Por ejemplo:
ocr review --from main --to feature-login
El comando analizará los cambios de feature-login respecto a main.
Si quieres revisar únicamente un Commit:
ocr review --commit abc123
De esta forma, Open Code Review puede adaptarse a diferentes flujos habituales de Git:
Cambios actuales → ocr review
Feature Branch → --from / --to
Commit concreto → --commit
Archivos completos → ocr scan
Si el Review se interrumpe, el CLI también permite recuperar sesiones:
ocr session list
Después puedes utilizar el identificador de la sesión correspondiente para continuar el Review. Session Resume forma parte actualmente de las capacidades estándar incluidas en el Quick Start oficial.
Paso 7: guardar los resultados del Review
Además de mostrar los resultados en formato legible para humanos, Open Code Review también admite salida JSON.
Por ejemplo:
ocr review --format json --output result.json
Esto permite guardar el resultado del Review en un archivo.
La salida JSON resulta especialmente útil para:
CI/CD;
scripts de automatización;
AI Coding Agents;
análisis posterior de datos;
conservar un historial de Reviews.
El CLI también admite salida SARIF, lo que facilita su integración con herramientas de análisis de código.
Si quieres incorporar Open Code Review a un flujo automatizado, un formato legible por máquinas resulta mucho más adecuado que intentar analizar directamente el texto mostrado en el terminal.
Paso 8: integrar Open Code Review con un AI Coding Agent
Cuando el flujo básico del CLI ya funciona, puedes integrar Open Code Review en un workflow de AI Coding.
Actualmente, el proyecto ofrece integraciones relacionadas con Claude Code, Codex, Cursor, Kimi Code y OpenCode, entre otros.
Un flujo típico podría ser:
AI Agent escribe código
↓
Open Code Review
↓
Detecta problemas
↓
El desarrollador verifica
↓
AI Agent modifica el código
↓
Nuevo Review
↓
Pruebas
↓
Merge
Por ejemplo, para Claude Code existe un plugin específico, mientras que Codex, Cursor y otras herramientas disponen de sus propias formas de integración.
OpenCode también proporciona una herramienta nativa ocr_review y el comando /ocr-review, lo que permite que el Agent invoque directamente Open Code Review desde el propio entorno.
La función de Open Code Review dentro de un workflow de AI Coding queda así bastante clara:
El Coding Agent genera y modifica el código; Open Code Review se encarga de revisarlo de forma independiente.
Errores y problemas habituales al empezar
En las primeras pruebas, los problemas más frecuentes suelen estar relacionados con la configuración del entorno y no con el proceso de Review en sí.
No has configurado un LLM
Ejecuta primero:
ocr config provider
ocr config model
ocr llm test
La versión de Git es demasiado antigua
Actualmente, el requisito oficial es Git ≥ 2.41.
No existe un Diff válido
Comprueba primero:
git status
git diff
Si no hay cambios relevantes, utiliza:
ocr scan
Intentar revisar un Changeset enorme desde el principio
No es una buena forma de empezar. Cuanto mayor sea el Changeset, mayor suele ser la complejidad del contexto y el coste del Review. Para la primera prueba, es mejor comenzar con una Feature pequeña o una corrección de Bug.
Modificar inmediatamente el código después de recibir un comentario
Primero abre el código correspondiente y comprueba si el problema realmente existe. Después puedes utilizar pruebas o la lógica del negocio para verificarlo.
Tratar una recomendación de baja severidad como si fuera un Bug
Los comentarios generados por un AI Review pueden tener diferentes niveles de importancia. Una vulnerabilidad de seguridad, un posible Bug y una sugerencia de estilo no deberían tratarse con el mismo criterio.
Preguntas frecuentes
¿Qué es Open Code Review?
Open Code Review es un CLI de AI-powered Code Review desarrollado como proyecto open source por Alibaba. Puede analizar Git Diff o archivos completos, enviar el código a un LLM Agent configurado y generar comentarios de código estructurados.
¿Cómo instalar Open Code Review?
Actualmente, la forma más sencilla es:
npm install -g @alibaba-group/open-code-review
Después:
ocr --help
para confirmar que el CLI está instalado correctamente.
¿Qué modelos admite Open Code Review?
Actualmente admite varios Providers integrados, entre ellos Anthropic, OpenAI, Gemini, DashScope, DeepSeek, Kimi, Z.AI y MiniMax, además de Providers personalizados. Los modelos disponibles dependen del Provider correspondiente y de los permisos de tu cuenta.
¿Qué comando debería ejecutar la primera vez?
El flujo recomendado es:
ocr config provider
ocr config model
ocr llm test
ocr review
¿Cuál es la diferencia entre ocr review y ocr scan?
ocr review está pensado principalmente para revisar cambios de código gestionados mediante Git, mientras que ocr scan analiza archivos o directorios completos sin necesitar un Git Diff.
¿Puede Open Code Review revisar un proyecto completo?
Sí. Puedes utilizar:
ocr scan
para realizar un análisis de archivos completos sobre el repositorio, o utilizar --path para limitar el alcance. En proyectos grandes, suele ser más práctico empezar por un directorio concreto.
¿Se puede utilizar Open Code Review con Claude Code, Codex y Cursor?
Sí. El proyecto ofrece integraciones con diferentes Coding Agents, incluyendo plugins o Skills específicos.
¿Hay que verificar manualmente los problemas detectados por la IA?
Sí. Los comentarios de Open Code Review son resultados generados mediante IA y no deberían considerarse automáticamente como conclusiones definitivas. El desarrollador debe comprobarlos teniendo en cuenta el código real, el contexto del proyecto y las pruebas disponibles.
Qué hacer después de tu primer Review
Para empezar no necesitas aprender todas las funciones de Open Code Review.
Un buen recorrido inicial es:
Primera prueba
Instalar
↓
Configurar Provider / Model
↓
ocr llm test
↓
ocr review
Después:
Segunda prueba
Modificar una funcionalidad real
↓
Review
↓
Verificar cada comentario de la IA
A continuación:
Tercera prueba
ocr scan
↓
Revisar un módulo existente
Después:
Cuarta prueba
ocr review --from main --to feature-branch
↓
Revisar una Feature completa
Y finalmente:
Quinta prueba
Integrar Claude Code / Codex / Cursor / OpenCode
↓
AI escribe código
↓
Open Code Review
↓
Correcciones
↓
Pruebas
↓
Nuevo Review
Si solo quieres recordar una idea, que sea esta:
Un AI Code Review no está pensado para que la IA decida por ti si el código tiene problemas, sino para ayudarte a encontrar primero las partes que merecen una revisión humana.
Empieza con un cambio real y pequeño utilizando ocr review. Después prueba ocr scan y la revisión de Branches, y finalmente intégralo con Claude Code, Codex, Cursor u OpenCode. Ese recorrido permite entender de forma práctica qué papel ocupa Open Code Review dentro de un workflow moderno de AI Coding.