这个 Skill 能做什么，适合哪些场景？
Open Code Review 是首个开源的、专门针对 AI 生成代码的 CI/CD 质量门禁。它检测幻觉导入（npm/PyPI/Maven/Go 模块注册表校验）、幻影包、过时 API、过度工程模式和安全反模式。分析分三层：结构检测、语义嵌入分析、可选的 LLM 深度扫描（支持 Ollama 本地运行或任意 OpenAI 兼容接口，代码可全程不出本机）。提供 TypeScript/JavaScript、Python、Java、Go、Kotlin 六种语言的专用检测器，输出 SARIF、JSON、HTML 等格式，可直接接入 GitHub Actions 和 GitLab CI。需要注意的是：仓库许可证信息不一致——SKILL.md 标注 MIT，README 和 npm 徽章标注 BSL-1.1，GitHub 显示 NOASSERTION，采用前必须核实许可证条款。
扫描源码目录或 PR diff，读取 package. / requirements.txt / pom.xml 等清单来校验依赖是否真实存在（对照 npm、PyPI、Maven、Go 模块注册表）；检测过时/弃用的 API 调用、死代码路径、安全反模式（如硬编码密钥、eval()、裸 except、未处理错误等语言特定问题）；在 L3 深度模式下调用本地或远程 LLM 做跨文件一致性检查与置信度评分；可用 ocr heal 做 AI 自动修复（先 dry-run 预览），并通过 scan_directory / scan_diff / explain_issue / heal_code 等 MCP 工具暴露给 AI IDE。输出含评分（A+ 到 F）、严重度分级和修复建议的结构化报告。
- 使用 Copilot/Cursor/Claude Code 的团队，在合并 AI 生成的 PR 前检查幻觉导入和过时 API
- 开源维护者，希望自动审查大量 AI 参与的贡献，拦截不存在的依赖包
- DevOps/平台工程师，需要在 GitHub Actions 或 GitLab CI 中加一道不外发代码的质量门禁
- 安全敏感团队，要求 100% 本地运行（Ollama），代码不离开内网
- 使用 AI IDE 的个人开发者，想通过 MCP 服务器在 Claude Desktop/Cursor/Windsurf 内直接扫描和修复
- 独立开发者，零配置快速体验：npx @opencodereview/cli scan src/
如何安装这个 Skill？
- SKILL.md 声明的 MIT 许可证与仓库实际的 BUSL-1.1 冲突，商用将受限制，使用前请核实授权条款。
- SKILL.md 中的 MCP 工具名（scan_directory 等）与 README 列出的实际工具（ocr_scan 等）不一致，按文档调用可能失败。
- heal_code 会直接修改源码文件，务必先备份或在 dry-run 模式下使用并人工审查改动。
- 技能依赖未经 FollowSkills 验证的第三方 npm 包，存在供应链风险。
- 本评估为静态源码审查，未执行任何扫描，实际检测效果未经验证。
- Shell / 命令行
- 网络访问
- 本地文件系统
- MCP Server
Node.js / npmOptional: Ollama or any OpenAI-compatible LLM endpoint for L3 deep scan
1) CLI：npm install -g @opencodereview/cli；2) MCP 模式：在 Claude Desktop 的 claude_desktop_config. 或 Cursor/Windsurf 的 MCP 设置中加入 {"mcpServers":{"open-code-review":{"command":"npx","args":["-y","@opencodereview/mcp-server"]}}}；3) CI 模式：在 GitHub Actions 工作流中添加 uses: raye-deng/open-code-review@v1。Skill 本体位于仓库的 skill/SKILL.md，标准 Agent Skills 目录放置即可（文档未说明专门的安装脚本）。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/raye-deng/open-code-review.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skill" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 扫描这段代码的质量
- 检查是否有 AI 生成的 bug
- 审计导入依赖
快速扫描（无需 AI）：ocr scan src/；深度扫描（本地 LLM）：ocr scan src/ --sla L3 --provider ollama --model qwen3-coder，或接任意 OpenAI 兼容端点（--api-base / --model / --api-key）；PR diff 审查用 scan_diff；AI 修复用 ocr heal src/ --dry-run 先预览；生成 IDE 规则用 ocr setup src/；输出格式可选 terminal//sarif/html。配置文件为 .ocrrc.yml（可设 SLA 级别和 AI provider）。作为 Skill 使用时，触发语如「扫描这段代码的质量」「检查是否有 AI 生成的 bug」「审计导入依赖」。
这个 Skill 有哪些优点和局限？
- 免费且开源可自托管，与按席位收费的商业 PR 审查服务形成差异
- 通过 npm/PyPI/Maven/Go 注册表真实校验幻觉导入，这是 ESLint/SonarQube 不具备的能力
- 支持 Ollama 100% 本地运行，代码不出机器，并支持任意 OpenAI 兼容端点
- 六种语言专用检测器，输出 SARIF 可直接进 GitHub Code Scanning，同时支持 GitHub 和 GitLab
- 同时提供 CLI、MCP 服务器和 GitHub Action 三种接入方式
- 许可证存在矛盾信号：SKILL.md 写 MIT，README 徽章和许可章节写 BSL-1.1（商用需付费许可，2030-03-11 才转 Apache 2.0），GitHub 显示 NOASSERTION——商用前必须核实
- L3 深度扫描依赖 LLM 端点（本地 Ollama 或远程），无 AI 时功能降级到结构检测
- README 的对比表为项目自述，缺少独立基准测试佐证；Product Hunt 徽章中的 post_id 为占位符 XXXXX
- heal_code 自动修复存在引入新问题的风险，文档自身也建议修复后必须人工审查
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Open Code Review — AI 代码质量门禁 本页 | 46 · 谨慎使用 | ★ 40 | 6 个月前 | NOASSERTION |
| OpenCodeReview 代码审查技能 | 待评估 | ★ 47k | 11 天前 | Apache-2.0 |
| REA：万物逆向工程技能 | 59 · 推荐 | ★ 238k | 11 天前 | MIT |
| Move 代码质量检查器 | 54 · 谨慎使用 | ★ 23 | 1 年前 | MIT |
| CodeRabbit 代码审查技能 | 53 · 谨慎使用 | ★ 35 | 2 个月前 | Unlicense |
README 将其与 Claude Code Review、CodeRabbit、GitHub Copilot 对比：主打差异是免费、开源可自托管、支持 AI 幻觉/过时 API 检测和本地 LLM 分析，而竞品为云端按席位收费且不做幻觉检测。这些对比来自项目自述，未经独立验证。
FollowSkills 如何评估这个 Skill？
技能本身不请求危险权限，扫描为只读操作，heal_code 会修改用户文件，SKILL.md 仅提示'谨慎使用、提交前审查'，缺少明确的用户确认门与回滚机制；依赖外部 npm 包 @opencodereview/mcp-server 且发布者未经验证，供应链不可审计；扣分项：heal_code 写文件无确认/回滚、外部依赖安全未披露。
关键自相矛盾：SKILL.md 指示调用 scan_directory / scan_diff / explain_issue / heal_code，而 README 明确列出 MCP 工具为 ocr_scan / ocr_heal / ocr_explain，按 SKILL.md 操作可能直接失败且未提供失败反馈路径；仓库有 vitest 测试与 CI，但 CI 排除 tree-sitter WASM 测试且未执行验证；扣分项：工具名不一致、关键路径未复现。
触发条件、支持语言、使用场景（扫描、diff 审查、PR 质量门）描述清晰，语义触发较精确；但对不适用边界（如不支持的语言、误报率、依赖 L3 时需 Ollama/LLM 的前提）披露不足；核心功能依赖 npm 注册表可达，国内网络基本可用；扣分项：非适用范围与环境前提披露薄。
文档可读、结构清晰，但存在硬伤：SKILL.md front-matter 标注 license: MIT，而仓库实际 LICENSE 与 package. 均为 BUSL-1.1（非商用限制，2030 才转 Apache），许可证声明自相矛盾；元数据版本 1.0 与仓库 1.9.0 不一致；无 changelog 与明确维护路径；扣分项：许可证矛盾、版本漂移。
声称的幻觉依赖/陈旧 API 检测确有对应实现与测试证据，核心任务可信；但静态审查无法验证输出可直接使用，演示报告与竞品对比均为作者自述；扣分项：输出质量与相对收益缺乏可独立验证的证据（静态上限 7）。
仓库含真实测试文件（ai-provider.test.ts、ai-healer.test.ts 等）与 CI 工作流，属可审计的一手材料；但仅覆盖 AI 层与修复引擎，技能文档所指的扫描主路径（scan 工具族）无对应测试证据，且工具命名矛盾削弱可追溯性；扣分项：覆盖面窄、第三方执行证据不足（静态上限 5）。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →