卷了一段时间的覆盖率，尝试用 LLM 对单个 PR 做完整的覆盖，结果越来越烧 token 。合规要求不能接 coderabbit 。现在在用 ocr： github.com/alibaba/open-code-review 这个工具用 go 写主要是做处理并发，核心是在 Prompt 模板（ MAIN_TASK / PLAN_TASK / RE_LOCATION_TASK / REVIEW_FILTER_TASK ），针对不同语言的 规则文档 ，和 review 用的 agent 工具集定义。 放到 CI 里，跑了一个项目历史累积的 1400 个 PR ，连续跑了十多个小时，只改了 1 ～ 2 个文件几行代码的 PR 有时候都要跑几分钟。 参考 Meta 这套 RADAR (Risk Aware Diff Auto Review) 系统 arxiv.org/pdf/2605.30208v1 让 AI 评估风险，低风险不处理，高风险采用工具跑 Review 转人工审核。 git diff 扔给大模型的方式消耗太大，先做特征工程，把开发者元数据（这个人的...