open-code-review:面向工程落地的CLI代码审查闭环 1. 这不是又一个“AI写代码”工具——open-code-review 是一套可落地的工程化代码审查闭环open-code-review 这个名字乍看平平无奇但拆开来看就很有意思“open”不是指开源虽然它确实开源而是强调开放输入、开放上下文、开放反馈路径“code review”也不是简单地让大模型扫两行代码就给个“建议重构”而是把传统 Code Review 的工程逻辑——人脑判断、上下文对齐、风险分级、责任归属——用 CLI 工具链重新锚定在开发者本地工作流里。我从去年开始在三个中型团队里推动这套实践不是把它当玩具而是当 CI/CD 流水线里一个可审计、可回溯、可配置的正式环节。它解决的不是“能不能用 LLM 看代码”而是“怎么让 LLM 的判断能被工程师信任、能被 PM 理解、能被 QA 验证、能被法务追溯”。核心关键词 open-code-review、CLI、LLM、code review、git 全部落在实操链条上git commit 触发 → CLI 提取 diff 关联 PR 描述 注入项目规范 → 调用本地或可控 API 的 LLM → 输出结构化 JSON 报告 → 自动注入 git commit message 或生成 Markdown Review Summary → 存档到内部知识库。整个过程不碰生产密钥、不上传源码、不依赖 SaaS 服务——所有敏感信息比如公司内部的命名规范、安全白名单、业务术语表都以本地 YAML 文件形式加载LLM 只是“执行器”不是“决策者”。这和市面上那些点几下就弹窗说“这段代码有 bug”的玩具级工具本质不同前者是把 LLM 当成一个可编程的、带记忆的、受约束的资深同事后者只是把 LLM 当成一个会说人话的语法检查器。如果你每天要 review 20 个 MR或者团队刚从外包接手遗留系统、急需建立统一的代码质量基线又或者你在做金融/医疗类强合规项目那 open-code-review 不是锦上添花而是绕不开的基建。2. 为什么必须用 CLI 而不是 Web UI 或 IDE 插件——工程落地的四个硬约束2.1 约束一Git 工作流不可侵入必须“零感知”嵌入很多团队试过用 IDE 插件做 AI code review结果发现根本推不动。为什么因为插件依赖特定 IDEVS Code / JetBrains、特定版本、特定用户登录态而真实开发环境是碎片化的前端用 VS Code后端用 GoLand运维写 Ansible 用 Vim实习生刚装好 Git Bash 还没配好 Node.js。open-code-review 的 CLI 设计第一原则就是“只依赖 git 和 shell”。它不改你的 .git/config不劫持 git commit -m而是提供 git hook 模板pre-commit/pre-push你只需 cp 到 .git/hooks/ 下并 chmod x它就自动生效。更关键的是它不拦截你的操作——如果 LLM 调用超时或失败CLI 默认 fallback 到纯文本 diff 输出保证你 commit 不卡住。我见过太多“智能工具”因为一次网络抖动导致全组 commit 失败最后被运维一刀砍掉。open-code-review 的 fallback 机制是写死在 main.go 里的# pre-commit hook 示例 #!/bin/sh if command -v open-code-review /dev/null 21; then open-code-review --diff --formatshort || echo [open-code-review] fallback: skipping AI review fi这个设计背后是血泪教训2023 年我们曾上线一个 Web UI 版本要求 PR 创建时手动粘贴 diff结果三个月内使用率不到 12%原因不是功能不好而是打断了“写完代码 → git add → git commit → git push”这个肌肉记忆。CLI 把审查动作压缩到 0.8 秒内实测 MacBook M2 Pro比你敲完 git commit -m fix login bug 的时间还短。2.2 约束二LLM 输入必须可控杜绝密钥/凭证/内部 API 地址泄露热搜词里反复出现“使用 LLM 时如何防止密钥等鉴权信息泄露”这不是焦虑是真实踩过的坑。去年某电商团队用某知名 LLM 工具扫描代码结果模型把硬编码的 AWS_SECRET_KEY 当作普通字符串传给了云端 API三天后监控告警显示该密钥被用于异常地域的 EC2 启动。open-code-review 的解决方案非常朴素所有敏感字段在 diff 解析阶段就被正则剥离。它内置 47 条规则可扩展覆盖常见模式AWS_ACCESS_KEY_ID.*password\s*[:]\s*[]([^])[]http[s]?://[a-zA-Z0-9.-]\.internal\.company\.com// TODO: remove before prod后面的注释块这些规则不是靠 LLM 识别而是用 Go 的 regexp 包在 CLI 启动时预处理 diff 输出。更进一步它支持 --redact-file 参数让你指定一个 YAML 文件定义哪些文件路径、哪些函数名、哪些变量名必须脱敏# .ocrrc.redact.yaml paths: - config/** - **/secrets.go patterns: - dbPassword - jwtSecret - internalApiUrl这样即使你忘了删掉测试用的 config.jsonCLI 也会在提交前把它变成- dbPassword: super-secret-123 dbPassword: [REDACTED]这个机制比任何“提示词防护”都可靠——因为数据根本没进 LLM 的 token 流。我把它叫做“漏斗前置过滤”就像核电站的物理屏蔽层比指望操作员不按错按钮靠谱得多。2.3 约束三审查结论必须可验证拒绝黑盒式“AI 说有问题”LLM 返回“这段代码有安全风险”毫无价值真正有用的是“这段代码调用了 exec.Command参数未校验可能触发命令注入参考 CWE-78修复建议改用 stdlib/exec.CommandContext 并添加参数白名单校验”。open-code-review 强制要求所有 LLM 输出必须是严格 schema 的 JSON否则直接报错退出{ review_id: ocrr-20240521-abc123, commit_hash: d4e5f6a7b8c9d0e1f2a3b4c5, findings: [ { file: auth/handler.go, line_start: 42, line_end: 48, severity: high, category: security, message: Direct use of exec.Command with untrusted input, cwe_id: CWE-78, remediation: Use exec.CommandContext with timeout and validate input against regex ^[a-zA-Z0-9._-]$, code_snippet: cmd : exec.Command(\sh\, \-c\, userInput) } ] }这个 schema 不是摆设。CLI 在调用 LLM 前会把 prompt 拼成You are a senior security engineer reviewing Go code. Output ONLY valid JSON matching this schema: { ... } Do NOT add explanations, do NOT add markdown, do NOT add extra fields. If uncertain, set severity to info and leave remediation empty.同时CLI 内置 JSON Schema Validator收到响应后先校验再解析。我们曾用 127 个真实漏洞案例测试过 8 个主流开源 LLMLlama3-70B、DeepSeek-Coder-32B、Qwen2-72B 等发现只有 3 个模型在 temperature0.1 时能稳定输出合格 JSON其余要么加解释文字要么字段名拼错要么嵌套层级错乱。所以 open-code-review 默认只启用经过验证的模型 endpoint并提供 --model-override 参数供高级用户自定义——但前提是你要自己跑通 JSON 校验测试套件。2.4 约束四审查结果必须可审计所有决策留痕到 GitCode Review 的核心价值之一是“谁在什么时间基于什么理由否决了这次提交”。Web UI 工具把评论存在自己的数据库里时间一长就变成黑盒IDE 插件评论只存在本地换电脑就丢。open-code-review 把每次审查结果作为 git note 附加到 commit 上git notes --refopen-code-review add -m $(open-code-review --commit HEAD --formatjson)这样git log --notesopen-code-review就能看到完整的审查历史且 notes 会随 git push 自动同步到远端仓库。更重要的是它支持 --export-html 生成带时间戳、commit hash、reviewerCLI 运行者用户名、LLM 模型版本的静态 HTML 报告存档到公司 Confluence。我们团队规定所有 P0/P1 级别 MR 必须附带 open-code-review HTML 报告链接否则 QA 拒绝测试。这个设计让 LLM 从“辅助工具”升级为“合规证据链”的一环——当审计方问“你们怎么确保第三方 SDK 调用符合 PCI-DSS 要求”你可以直接打开 2023-11-05 的某次 commit notes展示 LLM 如何识别出stripe-go的旧版 token 传递方式并引用 PCI-DSS 4.1 条款。3. 实操全流程拆解从安装到嵌入 daily workflow 的七步落地法3.1 第一步极简安装——不碰包管理器不改系统 PATHopen-code-review 的安装哲学是“像安装 curl 一样简单”。它不依赖 Python virtualenv不强制 npm install不走 Homebrew因为企业内网常禁用。官方提供三种方式按优先级排序一键脚本安装推荐curl -sSL https://raw.githubusercontent.com/open-code-review/install/main/install.sh | sh # 自动检测系统macOS/Linux/WSL下载对应二进制校验 SHA256放入 ~/bin/ # 如果 ~/bin 不在 PATH脚本会提示你添加 export PATH$HOME/bin:$PATH 到 ~/.zshrc手动下载离线环境访问 GitHub Releases 页面下载open-code-review-v1.2.0-darwin-arm64.tar.gzMac M1/M2或...-linux-amd64.tar.gzCentOS 7/Ubuntu 20.04解压后chmod x open-code-review sudo mv open-code-review /usr/local/bin/。Docker 运行CI 环境docker run --rm -v $(pwd):/workspace -w /workspace \ -e OPEN_CODE_REVIEW_MODEL_URLhttps://your-llm-gateway.com/v1 \ ghcr.io/open-code-review/cli:latest --diff注意Windows 用户请用 WSL2原生 Windows 支持仅限 PowerShell Core 7.2且需手动安装 OpenSSH 客户端Git for Windows 自带。我们明确不支持 CMD 和旧版 PowerShell因为它们缺乏可靠的信号处理机制会导致 LLM 调用中断时进程残留。3.2 第二步初始化配置——三文件定义你的审查 DNA安装后运行open-code-review init它会生成三个关键文件.ocrrc.yaml全局配置模型地址、超时、重试次数.ocrrules.yaml规则引擎什么问题算 high severity什么函数必须人工复核.ocrgitignorediff 过滤哪些文件类型/路径不参与审查.ocrrc.yaml示例# 模型配置支持 OpenAI 兼容 API、Ollama、本地 vLLM model: provider: ollama # 可选 ollama / openai / anthropic / custom name: deepseek-coder:32b # ollama 模型名或 openai 的 gpt-4-turbo base_url: http://localhost:11434/v1 # ollama 默认openai 用 https://api.openai.com/v1 api_key: sk-... # 仅当 provideropenai 时需要且会被 CLI 自动从环境变量读取 timeout: 30 # 单次 LLM 调用超时秒数 max_retries: 2 # 网络失败重试次数关键点api_key字段在配置文件里是占位符实际从OPEN_CODE_REVIEW_API_KEY环境变量读取避免明文泄露。.ocrrules.yaml是灵魂所在它把模糊的“代码质量”翻译成机器可执行的规则rules: - id: go-exec-command pattern: exec\\.Command\\( severity: high category: security message: Direct exec.Command usage detected remediation: Use exec.CommandContext with timeout and input validation files: [*.go] - id: python-pickle-load pattern: pickle\\.load\\(|pickle\\.loads\\( severity: critical category: security message: Unsafe pickle deserialization remediation: Use json.load() or msgpack instead files: [*.py]这些规则用 PCRE 正则匹配 AST 级别的 token 序列非简单字符串匹配准确率比 grep 高 3.2 倍实测 1000 个真实漏洞样本。.ocrgitignore类似 .gitignore但作用于 diff# 不审查构建产物 /dist/ /node_modules/ /__pycache__/ # 不审查文档和配置模板 /docs/ /templates/*.yaml3.3 第三步本地验证——用真实 diff 测试你的第一条 AI Review别急着上钩子先用git diff手动验证。假设你刚改了一个 buggit checkout -b feat/login-fix vim auth/login.go # 修改了密码校验逻辑 git add auth/login.go运行git diff HEAD --no-color | open-code-review --diff --formatmarkdown你会看到类似这样的输出## open-code-review Report (v1.2.0) **Commit**: 3a7b8c9d (HEAD) **Model**: deepseek-coder:32b (Ollama) **Time**: 2024-05-21 14:22:31 ### ⚠️ Security Finding **File**: auth/login.go **Lines**: 87-92 **Severity**: high **CWE**: CWE-259 **Message**: Hardcoded password in source code **Remediation**: Move password to environment variable or secret manager **Code**: if user.Password admin123 { // ← hardcoded password return true }注意这里--formatmarkdown是给开发者看的--formatjson是给 CI 用的。首次运行会慢LLM 加载权重后续请求走本地缓存。如果看到[ERROR] failed to call LLM: context deadline exceeded说明你的 Ollama 没启动或模型没拉取运行ollama pull deepseek-coder:32b即可。3.4 第四步嵌入 Git Hook——让审查成为呼吸般自然真正的落地在 pre-commit hook。创建.git/hooks/pre-commit#!/bin/sh # Exit on any error set -e # Only run on feature branches, skip main/release if git rev-parse --abbrev-ref HEAD | grep -qE ^(main|release/|hotfix/); then exit 0 fi # Check if open-code-review is available if ! command -v open-code-review /dev/null 21; then echo [WARN] open-code-review not found, skipping AI review exit 0 fi # Run review, timeout after 45s, ignore errors (dont block commit) timeout 45s open-code-review --diff --formatshort 2/dev/null || true # Optional: append review summary to commit message # open-code-review --diff --formatshort | sed s/^/[AI-REVIEW] / $1关键细节set -e确保脚本错误时退出避免静默失败grep -qE过滤主干分支避免污染 release committimeout 45s防止 LLM 卡死拖慢整个流程|| true是精髓审查失败不影响 commit符合“零感知”原则我们团队还加了一行echo [open-code-review] ✅ reviewed $(git diff --name-only | wc -l) files让开发者知道它在后台默默工作。3.5 第五步集成 CI/CD——在流水线里设置质量红线Git Hook 是 developer-facingCI 是 gatekeeping。我们在 GitLab CI 的.gitlab-ci.yml中添加stages: - test - review - deploy ai-review: stage: review image: registry.gitlab.com/open-code-review/ci:latest script: - open-code-review --commit $CI_COMMIT_SHA --formatjson review-report.json - | # 提取 high/critical 问题数 CRITICAL$(jq -r .findings | map(select(.severitycritical)) | length review-report.json) HIGH$(jq -r .findings | map(select(.severityhigh)) | length review-report.json) if [ $CRITICAL -gt 0 ] || [ $HIGH -gt 3 ]; then echo ❌ CRITICAL/HIGH findings exceed threshold: $CRITICAL critical, $HIGH high exit 1 else echo ✅ AI review passed: $CRITICAL critical, $HIGH high fi artifacts: - review-report.json这里的关键是阈值策略critical 问题零容忍直接 failhigh 问题允许最多 3 个避免过度敏感。registry.gitlab.com/open-code-review/ci:latest是官方 CI 镜像预装了 ollama 和常用模型体积 2.1GB但启动快warm cache。我们不用 public LLM API因为 CI job 可能并发上百个rate limit 会炸。3.6 第六步定制 Prompt 模板——让 LLM 说人话更说“你们团队的话”open-code-review 的 prompt 不是固定字符串而是 Jinja2 模板支持变量注入。默认模板~/.ocrrc/prompt.j2You are {{ reviewer_role }} reviewing {{ language }} code. Project context: {{ project_context }} Review rules: {{ review_rules }} Diff to review: {{ diff_content }} Output ONLY valid JSON matching the schema. No explanations.reviewer_role从.ocrrc.yaml读取如 Senior Backend Engineer at FinTech Incproject_context是你项目根目录下的PROJECT_CONTEXT.md描述业务领域、技术栈、合规要求review_rules是.ocrrules.yaml的摘要。我们团队的PROJECT_CONTEXT.md包含## Business Domain Payment processing for EU merchants, GDPR and PSD2 compliant. ## Tech Stack Go 1.21, PostgreSQL 14, Redis 7, Kubernetes 1.26 ## Compliance Requirements - All PII must be encrypted at rest and in transit - No hardcoded credentials (use Vault or KMS) - All external API calls require circuit breaker这样LLM 就不会建议“用 JWT 替代 session”而是说“PSD2 要求 SCA必须用 OAuth2.0 授权码模式参考 ETSI TS 119 4xx”。Prompt 定制是效果差异最大的环节——同样的模型用通用 prompt 和业务定制 promptP0 漏洞检出率相差 41%A/B 测试数据。3.7 第七步建立反馈闭环——让 LLM 越用越懂你团队open-code-review 最反常识的设计是它鼓励你手动修正 LLM 的错误结论。CLI 提供--feedback命令open-code-review --diff --feedback --correctThis is false positive, auth middleware handles CSRF这条命令会将原始 diff、LLM 输出、你的修正文本存入~/.ocrrc/feedback/自动生成训练数据样本input → correct_output每周汇总生成 fine-tuning 数据集供团队微调专属模型我们用这个机制半年把 false positive 率从 22% 降到 6.3%。更妙的是它倒逼团队沉淀知识每次反馈都在回答“为什么这个不是问题”答案就成了.ocrrules.yaml的新规则。比如有次 LLM 误报 “log.Printf without structured logging”团队反馈后我们加了规则- id: go-log-printf-ok pattern: log\.Printf\(.*%[sdvT].*,.*\) severity: info message: Printf is acceptable for debug logs condition: file matches test_.*\.go or line contains TODO:这就是真正的“人在环路中”Human-in-the-loopLLM 不是替代人而是放大人的经验。4. 常见问题与实战排障手册——来自 17 个生产环境的真实记录4.1 问题LLM 返回格式错乱JSON 解析失败现象open-code-review --diff报错failed to parse JSON: invalid character F looking for beginning of value查看 raw response 发现 LLM 返回了Failed to process request. Please try again.根因分析这不是模型能力问题而是 token 限制突破。open-code-review 默认单次 diff 限制 8000 tokens但某些巨型文件如生成的 protobuf stub或超长 commit message 会超限。LLM 无法截断只能返回错误。解决方案前端截断在 CLI 中加--max-diff-lines 500参数强制只传前 500 行 diff智能分片用--chunk-size 200让 CLI 把 diff 拆成 200 行/片逐片调用 LLM再合并结果降级策略配置fallback_to_grep: true当 LLM 失败时用内置规则引擎regex AST做基础扫描我们线上集群采用方案 2 方案 3 组合实测 99.7% 的 diff 能在 3 秒内完成剩余 0.3% 触发 grep fallback虽无语义理解但至少能捕获硬编码密钥。提示永远不要相信 LLM 的错误提示。我们抓包发现某次context deadline exceeded实际是 Ollama 的 GPU 显存不足OOM Killer 杀了进程但 LLM 返回了通用超时消息。真因要查journalctl -u ollama。4.2 问题Git Hook 在 Windows WSL2 下不生效现象pre-commit hook 在 WSL2 里写了#!/bin/sh但git commit时提示/bin/sh^M: bad interpreter根因分析Windows 编辑器Notepad/VS Code默认用 CRLF 换行而 Linux shell 要求 LF。Git 会把 CRLF 当作文件内容的一部分导致解释器路径错误。解决方案全局配置 Git 自动转换git config --global core.autocrlf inputLinux/macOS或trueWindowsHook 文件强制 LFsed -i s/\r$// .git/hooks/pre-commit用 Git 自带的 hook 模板cp /usr/share/git-core/templates/hooks/pre-commit.sample .git/hooks/pre-commit再编辑我们推荐方案 1 方案 2因为方案 1 影响所有文件方案 2 立竿见影。顺带一提WSL2 的git命令其实是 Windows Git for Windows 的 symlink所以必须用git config --system而非--global。4.3 问题Ollama 模型加载慢首次 review 耗时超 2 分钟现象open-code-review --diff卡在Loading model...超过 100 秒根因分析Ollama 默认从远程 registry 拉取模型而国内网络访问 HuggingFace 慢。更糟的是deepseek-coder:32b模型文件 24GB内存映射耗时。解决方案预拉取模型ollama pull deepseek-coder:32b提前下班前运行本地 registry 镜像搭建 Harbor 私有 registryollama push harbor.company.com/llm/deepseek-coder:32b量化模型用ollama create ds32b-q4 -f Modelfile其中 Modelfile 指向FROM ./deepseek-coder.Q4_K_M.gguf4-bit 量化版体积 12GB速度提升 2.3 倍我们生产环境用方案 3Q4_K_M 在 M2 Ultra 上推理速度 18 tokens/s足够应付 95% 的 diff。量化损失在代码审查场景几乎为零——LLM 不需要生成诗只需要识别模式。4.4 问题审查报告里出现大量 false positive 的 “TODO” 注释警告现象LLM 把// TODO: refactor this later识别为 high severity technical debt根因分析默认 prompt 没区分 “TODO” 的语境。在auth/目录下是待办在test/目录下是测试桩LLM 一概视为风险。解决方案规则引擎过滤在.ocrrules.yaml加- id: todo-in-test pattern: // TODO: severity: info files: [*_test.go, test_*.py] condition: line contains test or mockPrompt 注入上下文在PROJECT_CONTEXT.md加## TODO Policy - In *_test.go: TODO means test coverage gap, severityinfo - In production code: TODO means tech debt, severitymedium - In comments with author: TODO means assigned task, severitylowAST 级别识别用--ast-mode参数需语言插件让 CLI 解析 Go AST只标记func内的 TODO忽略comment节点。我们用方案 1 方案 2false positive 从 17% 降到 2.1%。关键是方案 2 让 LLM 学会了“读空气”。4.5 问题CI 环境里 open-code-review 找不到 ollama 服务现象GitLab CI job 报错connection refused to http://localhost:11434根因分析CI runner 是 Docker 容器localhost指向容器自身不是宿主机。Ollama 运行在宿主机需要网络打通。解决方案Host 网络模式services: - ollama:2.0network_mode: host简单但不安全Docker 网络桥接在.gitlab-ci.yml中services: - name: ollama:2.0 alias: ollama-host variables: OPEN_CODE_REVIEW_MODEL_URL: http://ollama-host:11434/v1Sidecar 模式用docker-compose up -d ollama启动 sidecarCI job 通过host.docker.internal访问Docker Desktop 默认支持我们选方案 2因为 GitLab Runner 支持 service alias且隔离性好。注意ollama:2.0镜像是官方镜像需提前docker pull ollama/ollama:2.0。4.6 问题审查结果里中文乱码日志显示 符号现象open-code-review --diff输出的中文 message 是方块或问号根因分析CLI 用 Go 的os.Stdout输出而某些终端如 Git Bash默认编码是 GBK不是 UTF-8。Go 程序不自动转码。解决方案终端设置 UTF-8Git Bash 运行export LANGen_US.UTF-8CLI 强制 UTF-8open-code-review --diff --encodingutf-8环境变量全局生效在~/.bashrc加export PYTHONIOENCODINGutf-8影响 Python subprocess我们用方案 1 方案 2因为方案 1 一劳永逸方案 2 兜底。顺带一提Windows Terminal 默认 UTF-8不存在此问题。4.7 问题团队想用 Claude 但 Anthropic API 返回 403现象open-code-review --model-provider anthropic --model-name claude-3-opus-20240229报错HTTP 403 Forbidden根因分析Anthropic 对免费 tier 有严格限制每分钟 5 次请求每天 1000 次总调用不支持 streaming需要x-api-keyheader且 key 必须是sk-ant-api03-...格式而 open-code-review 默认用Authorization: Bearer key不兼容。解决方案API Gateway 代理用 Nginx 做反向代理把Authorizationheader 转成x-api-keyCLI 补丁修改cmd/root.go加 Anthropic 专用 headerif provider anthropic { req.Header.Set(x-api-key, apiKey) req.Header.Del(Authorization) }商业版支持联系 open-code-review 商业支持他们提供 Anthropic 企业版 connector含 rate limit 透传、token 计费分摊我们用方案 1因为 Nginx 配置简单location /v1/messages { proxy_pass https://api.anthropic.com/v1/messages; proxy_set_header x-api-key $http_authorization; proxy_set_header Authorization ; }这样 CLI 还用原生--api-keyNginx 负责转换。5. 进阶玩法从代码审查到工程效能度量的跃迁5.1 用审查数据构建团队技术健康度仪表盘open-code-review 的 JSON 输出不只是结论更是结构化数据金矿。我们用jqgrafana构建了实时仪表盘# 每小时抓取最近 24 小时的 review reports find .git/refs/notes/open-code-review -type f | head -100 | \ xargs -I{} sh -c cat {} | jq -r .findings[] | select(.severity\high\) | .category | \ sort | uniq -c | sort -nr这个命令统计各 category 的 high severity 问题分布。结果导入 Grafana 后我们发现security类问题集中在auth/和payment/目录触发专项加固performance类问题 83% 出现在reporting/模块指向 N1 查询瓶颈maintainability类问题在legacy/目录爆发促成技术债偿还 sprint仪表盘不是炫技而是把模糊的“代码质量差”变成可行动的“支付模块 SQL 查询未加索引”。每个高亮区块都链接到具体 commitPM 点击就能看到修复 PR。5.2 将审查规则转化为 SonarQube 插件SonarQube 是很多企业的静态扫描标准但它规则引擎复杂。open-code-review 的.ocrrules.yaml可以一键转成 SonarQube Java 插件open-code-review rules-to-sonar --input .ocrrules.yaml --output sonar-plugin/这个命令生成src/main/java/com/company/rules/GoExecCommandRule.javaJava 规则类sonar-project.properties配置文件pom.xmlMaven 依赖编译后mvn clean package得到sonar-go-custom-rules-plugin-1.0.jar上传到 SonarQube Marketplace。这样open-code-review 的业务规则就和 SonarQube 的基础设施扫描形成互补前者查语义“这个 exec.Command 是否危险”后者查语法“这个函数圈复杂度是否 10”。我们上线后SonarQube 的 high severity 问题下降 37%因为很多问题在 commit