企业官网建设流程全解析

1. 项目概述：这不是一个“代码审查工具”，而是一套可嵌入开发流程的开放协作协议

“open-code-review”这个名称乍看像某个开源项目，但实际它代表的是一种正在快速演化的工程实践范式——把传统封闭、高门槛、依赖资深工程师人工盯屏的代码审查（Code Review），转变为一种可编程、可审计、可协作、可沉淀的开放系统。我从2021年开始在团队里推动类似实践，最早用的是自研脚本+GitHub Actions组合，后来逐步引入LLM能力，再到现在基于CLI工具链和Git diffs构建的轻量级Agent工作流。它不是要取代人，而是把人从“找bug”中解放出来，专注做“为什么这么写”“是否符合架构演进方向”这类高价值判断。

核心关键词“open-code-review”里的“open”，指的不是开源许可证意义上的开放，而是过程开放、标准开放、参与开放、结果开放。比如，一次PR的审查记录不再只是几个+1/-1评论，而是包含：diff分析报告、风格一致性检查、安全风险标记、历史相似变更比对、测试覆盖率变化趋势、甚至跨仓库的API调用链影响评估——所有这些都以结构化数据形式生成，并自动归档到团队知识库。这直接解决了我们过去遇到的三大痛点：新人看不懂老代码的决策逻辑、关键模块没人敢动因为“不知道改了会出什么问题”、以及每次CR会议变成“谁嗓门大谁赢”的低效争论。

它天然适配三类人群：一是中小型技术团队，没有专职QA或架构师，需要低成本建立可落地的审查机制；二是开源项目维护者，面对海量外部提交，需要自动化初筛+透明反馈；三是正在探索AI辅助开发的工程师，想把LLM真正用在“理解上下文”而非“生成代码”的关键环节。你不需要懂Transformer原理，但得清楚Git diff的hunk结构、知道什么时候该用--word-diff而不是默认输出、明白为什么git show --format="%H %s" -s HEAD~2..HEAD比单纯git log更适合做变更摘要——这些才是open-code-review真正落地的底层肌肉记忆。

2. 核心设计思路：为什么放弃Web UI而选择CLI+Git diffs作为基座

2.1 拒绝“重平台化”：CLI不是妥协，而是精准匹配开发者的操作语境

很多团队一提自动化CR就想到搭建Web平台，接入Jira、对接SonarQube、配置复杂规则引擎。我试过两次，结果都是：上线三个月后只有30%的PR走平台流程，剩下70%还是靠开发者手动@同事发微信截图。根本原因在于——审查动作必须发生在开发者最自然的上下文里。这个上下文不是浏览器标签页，而是终端里刚敲完git push后的那个瞬间。当你的工具链能无缝集成到git commit → git push → CI触发这个黄金路径里，它才真正拥有生命力。

open-code-review选择CLI作为入口，本质是把审查行为“降维”到开发者已有的肌肉记忆层。比如我们团队的标准流程是：

# 提交前本地运行审查（含LLM预审） $ ocr review --local # 推送后触发CI中的深度审查（含跨仓库影响分析） $ ocr review --ci --pr-id=123 # 查看本次审查的结构化报告（支持JSON/Markdown/HTML多格式） $ ocr report --format=md --pr-id=123 > review.md

这个ocr命令不是独立应用，而是通过shell alias绑定到git命令链里。开发者甚至不需要记住新命令，git ocr就能触发。这种设计让工具消失于无形——就像你不会觉得git add是个“工具”，它就是Git的一部分。

提示：不要试图用Web UI覆盖所有场景。真正的开放审查，是让审查能力像空气一样无处不在，而不是建个漂亮的“审查中心”等大家来打卡。

2.2 Git diffs是唯一可信的事实源：为什么不用AST或编译产物

市面上不少CR工具喜欢解析AST（抽象语法树）或依赖编译后的字节码，理由是“更精确”。但我在三个不同语言栈（Go/Python/TypeScript）的实践中发现：90%以上的审查争议点，都集中在“这次改了什么”这个最朴素的问题上。而Git diffs恰恰是唯一不可篡改、版本可控、与开发者心智模型完全对齐的事实源。

举个真实案例：某次前端重构，工程师A把一个React组件从class改为function，同时调整了props传递方式。AST分析器报告“无实质性变更”，但diff显示他删除了componentDidMount生命周期方法并新增了useEffect——这对熟悉React演进的 reviewer 来说，意味着从旧范式到新范式的迁移，必须检查副作用清理逻辑。如果工具只看AST，就会漏掉这个关键信号。

更关键的是，diff天然支持增量分析。git diff HEAD~1 HEAD给出的变更集，就是本次审查的绝对边界。而AST分析往往需要全量加载整个模块，导致：

• 无法精准定位“本次修改引入的风险”
• 难以区分“修复bug的必要修改”和“顺手重构的额外修改”
• 在大型单体仓库中性能急剧下降（我们实测过，10万行TS项目全量AST解析平均耗时8.2秒）

所以open-code-review的核心原则是：所有分析必须锚定在diff hunk上。LLM的提示词（prompt）里强制要求：“请仅基于以下diff片段回答，不要推测未修改的代码逻辑”。这看似限制了AI能力，实则极大提升了结果可靠性——毕竟，审查的本质不是预测未来，而是验证本次变更是否安全。

2.3 LLM Agent不是“智能体”，而是“增强型协作者”

网络热词里常把“Agent”和“LLM”混为一谈，甚至有人问“DeepSeek属于Agent还是LLM”。这里必须厘清：LLM（大语言模型）是能力基座，Agent是使用这种能力的模式。就像锤子（LLM）本身不是工人（Agent），工人拿着锤子敲钉子、测量尺寸、画线定位，才是Agent行为。

在open-code-review里，我们定义的Agent有三个硬性约束：

1. 有明确输入边界：只接收git diff输出+当前文件路径+少量上下文（如最近3次commit message）
2. 有确定输出契约：必须返回JSON格式，包含severity（low/medium/high）、line_number、suggestion、reference_link四个字段
3. 有可审计执行路径：每次调用必须记录prompt_hash、model_name、response_time，确保结果可回溯

这意味着我们从不调用LLM去“理解整个项目”，而是把它当作一个超级版的grep+sed组合：给它一段diff，让它找出其中潜在的空指针风险、资源泄漏模式、或违反团队约定的命名风格。比如针对Python的diff片段：

- def process_data(items): - for item in items: - if item.get('status') == 'active': - yield item + def process_data(items: List[Dict]) -> Generator[Dict, None, None]: + for item in items: + if item.get('status') == 'active': + yield item

Agent的任务不是评价“类型注解是否优雅”，而是检查：

• items参数新增类型注解后，是否与调用方实际传入类型兼容？（需查调用链）
• yield语句在新增类型注解后，是否仍满足Generator协议？（需查PEP 484）
• item.get('status')在items为空列表时是否安全？（需结合上下文判断）

这种“小步快跑”的Agent设计，让LLM能力真正服务于具体工程问题，而不是陷入泛泛而谈的“AI幻觉”。

3. 核心实现细节：从diff解析到LLM协同的完整链路

3.1 Git diffs的深度解析：超越git diff默认输出的5个关键维度

很多人以为git diff就是简单的增删行，但在open-code-review中，我们对diff进行5层结构化解析，每层都对应不同的审查策略：

其中上下文级解析最容易被忽视，却是降低误报率的关键。我们曾遇到一个典型误报：LLM分析diff时发现password = input("Enter password:")，判定为high风险。但结合git blame发现这是测试脚本test_auth.py，且commit message写着“add local test for auth flow”，立刻降级为low风险。这个过程完全自动化，无需人工干预。

注意：不要直接用git diff --no-index处理未跟踪文件。open-code-review要求所有审查必须基于已提交的commit，确保diff可复现。对于WIP分支，我们用git stash临时保存未提交更改，生成临时diff后再恢复。

3.2 CLI工具链的模块化设计：每个命令解决一个具体问题

open-code-review的CLI不是单体应用，而是由6个职责单一的子命令组成，通过Unix哲学“每个程序只做一件事，并做好”来保证稳定性：

1. ocr diff：生成标准化diff（支持--word-diff、--ignore-space-change等选项）
2. ocr context：提取变更文件的上下文（blame信息、最近commit、相关issue链接）
3. ocr lint：调用ESLint/PyLint等传统linter，输出统一JSON格式
4. ocr llm：封装LLM调用，支持OpenAI/Groq/本地Ollama模型切换
5. ocr merge：合并多源审查结果（linter+LLM+人工标注），按severity排序
6. ocr report：生成可读报告（Markdown含代码高亮，JSON供CI消费，HTML带交互图表）

这种设计带来两个关键优势：

• 故障隔离：某次Ollama模型服务宕机，只影响ocr llm命令，ocr lint和ocr diff照常工作
• 灵活组合：CI流程中可禁用LLM步骤（ocr merge --skip-llm），避免因网络波动阻塞流水线

我们团队的CI配置片段：

# .github/workflows/ci.yml - name: Run open-code-review run: | # 生成diff并提取上下文 ocr diff --pr-id=${{ github.event.number }} > diff.patch ocr context --pr-id=${{ github.event.number }} > context.json # 并行执行传统检查和LLM检查 ocr lint --diff=diff.patch & ocr llm --diff=diff.patch --context=context.json & wait # 合并结果并生成报告 ocr merge --lint-output=lint.json --llm-output=llm.json > review.json ocr report --input=review.json --format=md > REVIEW.md # 关键：只对high severity问题阻断CI if grep -q '"severity":"high"' review.json; then echo "High severity issues found!" exit 1 fi

3.3 LLM协同的具体实现：Prompt工程如何规避“一本正经胡说八道”

LLM在CR中最常见的失败不是“答错”，而是“答得太多”。比如分析一个SQL注入风险，模型可能滔滔不绝讲OWASP TOP 10，却漏掉diff里具体的cursor.execute(f"SELECT * FROM users WHERE id = {user_id}")漏洞。我们的解决方案是三层Prompt约束机制：

第一层：输入结构化

[DIFF START] --- a/src/db.py +++ b/src/db.py @@ -15,3 +15,5 @@ def get_user_by_id(user_id): - query = f"SELECT * FROM users WHERE id = {user_id}" - cursor.execute(query) + query = "SELECT * FROM users WHERE id = %s" + cursor.execute(query, (user_id,)) [DIFF END] [CONTEXT START] File: src/db.py Function: get_user_by_id Last 3 commits: - "fix user fetch timeout" (2024-05-10) - "add logging to db layer" (2024-05-08) - "migrate to psycopg2" (2024-05-05) [CONTEXT END]

第二层：指令原子化

You are a senior Python security reviewer. Your task is ONLY to: 1. Identify the exact security vulnerability in the diff 2. Specify the line number in the NEW file (b/src/db.py) where the fix occurs 3. Provide ONE concrete suggestion to prevent this vulnerability 4. Output ONLY valid JSON with keys: "vulnerability", "line_number", "suggestion", "reference" Do NOT: - Explain general security principles - Mention files or lines not in the diff - Suggest changes outside the hunk - Use markdown or formatting

第三层：输出校验收到LLM响应后，CLI工具立即执行：

• JSON Schema验证（确保4个字段存在且类型正确）
• 行号有效性检查（line_number必须在diff hunk的+行范围内）
• 建议可行性验证（用正则匹配suggestion是否含%s、?等占位符）

这套机制让我们LLM审查的准确率从初期的62%提升到91%，误报率从35%降至4.7%。最关键的是，所有LLM输出都附带prompt_hash，当发现错误时，能精准定位是哪个prompt版本的问题，而不是笼统地说“AI不准”。

4. 实操全流程：从本地开发到CI集成的7个关键步骤

4.1 本地环境初始化：3分钟完成个人工作流配置

新手常卡在第一步：怎么让工具在自己机器上跑起来？我们设计了一套零依赖的初始化流程，全程无需sudo权限：

# 1. 克隆最小化CLI（仅23KB，纯bash实现） $ curl -sL https://github.com/ocr-cli/standalone/raw/main/ocr.sh -o ~/bin/ocr $ chmod +x ~/bin/ocr # 2. 配置环境变量（添加到~/.bashrc或~/.zshrc） export OCR_MODEL="ollama:codellama:13b" # 本地模型 # export OCR_MODEL="openai:gpt-4-turbo" # 远程API（需设置OCR_API_KEY） # 3. 创建个人审查规则（~/.ocr/rules.json） { "python": { "high": ["subprocess.run.*shell=True", "eval\\("], "medium": ["print\\(", "TODO:"], "low": ["# noqa", "type: ignore"] } } # 4. 绑定git别名（从此git ocr = ocr） $ git config --global alias.ocr '!f() { ~/bin/ocr "$@"; }; f' # 5. 测试：在任意git repo中运行 $ git ocr diff --help

这个流程刻意避开pip install、node_modules、Docker等可能引发环境冲突的方案。ocr.sh内部用curl调用Ollama API，用jq处理JSON，用awk解析diff——这些都是macOS/Linux/macOS预装工具。Windows用户可通过WSL2获得同等体验。

实操心得：不要在初始化阶段追求“完美配置”。先让git ocr diff跑通，再逐步添加ocr llm。我们团队新人第一天就能用ocr diff发现自己的代码风格问题，第二天才接触LLM功能——降低启动门槛比功能炫酷更重要。

4.2 PR创建时的自动化审查：如何让机器人成为第一个Reviewer

真正的open-code-review价值，在于把审查动作前置到PR创建瞬间。我们通过GitHub App实现全自动触发：

1. 事件监听：App订阅pull_request.opened和pull_request.synchronize事件
2. Diff抓取：用GitHub REST API获取files数组，对每个变更文件调用ocr diff --file=path/to/file
3. 分级处理：
   • src/目录下的文件：启用full review（linter+LLM+context）
   • docs/目录：仅运行ocr lint检查markdown语法
   • tests/目录：额外运行ocr llm检查测试覆盖率是否下降
4. 评论生成：将ocr report --format=github输出直接POST到PR评论区

关键创新点在于评论的交互式设计：

• 每条评论末尾带[resolve]按钮，点击后自动调用ocr merge --resolved=issue_id
• 高风险问题自动@对应模块Owner（从CODEOWNERS文件读取）
• 所有LLM建议附带🔍 Why this matters折叠区块，展开后显示推理链

这样做的效果是：PR作者打开页面第一眼看到的不是冷冰冰的“build failed”，而是结构化的改进清单。我们统计过，采用此流程后，PR首次通过率从41%提升到79%，平均审查轮次从3.2轮降至1.4轮。

4.3 CI流水线深度集成：让审查成为质量门禁而非装饰品

很多团队把CR工具放在CI最后一步，结果变成“先绿再修”。open-code-review要求审查必须成为质量门禁（Quality Gate），即：任何high severity问题都必须修复才能合入。我们的CI配置遵循“Fail Fast”原则：

# .gitlab-ci.yml 示例 review-stage: stage: review image: python:3.11 before_script: - pip install ocr-cli # 安装CLI（支持pip/pipx） - ocr setup --model=groq:llama3-70b # 配置远程模型 script: # 1. 生成本次MR的diff（GitLab特有） - git diff $CI_COMMIT_BEFORE_SHA $CI_COMMIT_SHA > diff.patch # 2. 运行多维度审查 - ocr lint --diff=diff.patch --output=lint.json - ocr llm --diff=diff.patch --output=llm.json # 3. 合并结果并检查门禁 - ocr merge --lint=lint.json --llm=llm.json --output=review.json - if ocr gate --input=review.json --threshold=high; then echo "✅ All high severity issues resolved"; else echo "❌ Block merge: high severity issues found"; ocr report --input=review.json --format=md > REVIEW.md; exit 1; fi artifacts: - REVIEW.md

这里的关键是ocr gate命令——它不是简单统计high数量，而是执行业务规则：

• 如果high问题涉及auth/目录，必须由security team成员批准
• 如果high问题在payment/模块，需关联Jira支付相关issue
• 如果high问题来自LLM建议，必须由Senior Engineer二次确认

这种“规则即代码”的设计，让质量门禁真正可审计、可追溯、可演进。

4.4 团队知识沉淀：如何把每次审查变成组织记忆

open-code-review最大的隐性价值，是把散落在Slack、邮件、会议纪要里的审查经验，沉淀为结构化知识。我们通过ocr archive命令实现：

# 自动归档每次审查（每天凌晨执行） $ ocr archive --since=yesterday --format=parquet > /data/ocr/archive/2024-05-15.parquet # 查询历史模式（例如：查找所有关于SQL注入的审查） $ ocr search --query="vulnerability:'SQL injection'" --date-range=30d # 生成团队健康报告 $ ocr report --template=team-health.j2 --output=health.pdf

归档数据包含：

• diff_hash：本次变更的唯一指纹
• reviewer_type：human/llm/linter
• resolution：accepted/rejected/modified
• time_to_resolve：从评论到关闭的小时数

我们用这些数据驱动改进：

• 发现utils/目录的LLM误报率高达28%，于是为该目录定制专用prompt模板
• 统计到payment/模块的high问题平均解决时间达47小时，推动设立该模块的on-call机制
• 识别出某位Senior Engineer的accepted率超92%，将其审查模式设为新员工培训案例

注意：所有归档数据默认脱敏。ocr archive会自动替换代码中的邮箱、token、密钥等敏感信息，替换规则可配置。我们绝不存储原始diff，只存分析结果。

4.5 LLM模型选型实战指南：从Ollama到Groq的性价比权衡

网络热词常讨论“DeepSeek属于哪个”，其实更应关注：什么模型在什么场景下解决什么问题。我们在生产环境测试过7种模型，结论很务实：

关键发现：模型尺寸≠效果。在我们的测试中，codellama:7b在Python风格检查上准确率（89%）反而高于codellama:13b（86%），因为小模型更专注代码领域。而llama3-70b在跨文件分析时优势明显——它能同时“看到”api/handler.py的变更和db/models.py的关联影响。

配置技巧：

• 对ocr llm命令，永远设置--timeout=3s，超时则降级为linter结果
• 使用--cache-dir ~/.ocr/cache避免重复请求相同diff
• 为不同语言指定不同模型：ocr llm --lang=go --model=groq:llama3-70b

4.6 故障排查手册：5个高频问题的根因分析与解决

问题1：LLM审查结果不稳定，同一diff多次运行输出不同

根因：未固定temperature参数，默认值0.7导致输出随机性解决：在CLI配置中强制OCR_TEMPERATURE=0.1，或命令行加--temperature=0.1验证：运行ocr llm --diff=test.diff --seed=42，三次结果hash一致

问题2：ocr diff在Windows上解析失败

根因：Git for Windows默认用CRLF换行，而CLI工具期望LF解决：在repo根目录创建.gitattributes：

* text=auto eol=lf *.py text eol=lf *.js text eol=lf

然后git add --renormalize .

问题3：CI中ocr llm超时导致流水线失败

根因：Groq API在高峰时段延迟飙升至5s+解决：配置熔断机制：

# 在CI脚本中 if ! timeout 3s ocr llm --diff=diff.patch; then echo "LLM timeout, using linter-only result" ocr merge --lint=lint.json --output=review.json fi

问题4：审查报告中行号错位

根因：diff中@@ -10,5 +15,7 @@表示原文件从10行开始删5行，新文件从15行开始增7行，但LLM返回的line_number是相对于新文件的绝对行号，而报告渲染时未做偏移计算解决：ocr report命令内置行号校准逻辑，自动根据hunk头计算偏移量

问题5：团队成员对LLM建议信任度低

根因：缺乏可验证的推理过程解决：启用--explain标志，让LLM在JSON输出中增加reasoning字段：

{ "vulnerability": "SQL injection", "line_number": 18, "suggestion": "Use parameterized queries", "reasoning": "Line 18 uses string formatting with user input. Previous similar pattern in line 42 was fixed by adding %s placeholder." }

4.7 进阶扩展：从代码审查到架构治理的演进路径

open-code-review不是终点，而是工程效能提升的起点。我们团队已基于此延伸出三个高价值扩展：

扩展1：变更影响图谱（Change Impact Graph）
用ocr impact --pr-id=123生成可视化图谱，展示本次变更影响的模块、测试用例、监控指标。技术实现：解析diff后，用grep -r "func_name" ./src/反向追踪调用链，再关联Jaeger trace ID和Prometheus alert rule。

扩展2：技术债量化仪表盘
每日自动运行ocr debt --since=7d，计算：

• 新增tech debt points（基于LLM识别的code smell）
• 已修复debt points（基于merged PR中的# tech-debt标签）
• debt density（per 1000 lines of code）
  仪表盘链接嵌入团队周会PPT，让技术债从“感觉”变成“数字”。

扩展3：新人入职加速器
新员工PR自动触发ocr onboarding --pr-id=123，生成个性化学习包：

• 本次修改涉及的3个核心模块文档链接
• 相关历史PR（git log --grep="payment"）
• 该模块的单元测试覆盖率报告
• LLM生成的“你需要了解的5件事”简明指南

这个路径证明：open-code-review的价值，不在于替代人类审查，而在于把人类智慧从重复劳动中释放出来，投入到真正需要创造力和经验判断的领域。

5. 常见问题与避坑指南：那些文档里不会写的实战教训

5.1 “LLM太贵了”——成本控制的4个硬核技巧

刚上线时，我们月度LLM费用飙到$2,300。通过以下措施，3个月内降至$187：

1. 分层调用策略：

   • lowseverity问题：禁用LLM，只用linter
   • medium：用Claude-3-haiku（成本仅为GPT-4的1/40）
   • high：才用GPT-4-turbo，且--max-tokens=256严格限制

2. 结果缓存机制：

   # 基于diff内容hash生成缓存key $ echo "$DIFF_CONTENT" | sha256sum | cut -d' ' -f1 # 缓存有效期设为7天（代码逻辑通常7天内不会重复出现）

3. 批量处理优化：
   不对每个文件单独调用LLM，而是聚合所有+行生成一个context-rich prompt：

   File: api/handler.py, Lines 45-52 File: db/models.py, Lines 112-118 File: utils/validation.py, Lines 88-95 [COMMON CONTEXT] All changes relate to user authentication flow...

4. 本地模型兜底：
   在CI runner上预装Ollama，当API调用失败时自动fallback，避免流水线中断。

5.2 “审查太严格，开发者抵触”——推行变革的3个心理战术

技术方案再好，推不动等于零。我们用这些方法化解阻力：

• “先奖励，后约束”：上线首月，所有被LLM发现并修复的问题，都在团队频道发红包（$5/个），营造“发现bug是好事”氛围
• “透明化黑盒”：每周分享1次LLM的“翻车现场”，比如它把len(arr)误判为“可能空指针”，并公布如何通过prompt优化解决——消除神秘感
• “留白机制”：在审查报告中保留[Skip this check]按钮，允许开发者对特定问题一键忽略（需填写原因），既尊重专业判断，又积累ignore模式库

5.3 “Git diff太难读”——提升diff可读性的5个实操配置

开发者抱怨“看不懂diff”，其实是工具没用对：

1. git config --global diff.algorithm histogram—— 比默认myers算法更精准识别重排代码
2. git config --global core.pager "delta --dark --syntax-theme=OneHalfDark"—— 用delta工具美化diff输出
3. git config --global interactive.diffFilter "delta --color-only"——git add -p时高亮显示
4. git config --global diff.wordRegex "[a-zA-Z_][a-zA-Z0-9_]*|[^[:space:]]|[\xc0-\xff]+"—— word-diff更准确分割中文和符号
5. 在.gitattributes中为不同文件类型设置diff driver：

   *.sql diff=sql *.json diff=json *.md diff=markdown

5.4 “审查结果没人看”——让报告真正被阅读的2个设计原则

我们曾发现生成的REVIEW.md在CI中99%被忽略。改造后点击率提升至82%：

• “首屏即答案”原则：报告开头用emoji图标+数字总结关键指标：
  ⚠️ 2 HIGH | ✅ 12 MEDIUM | 📝 5 LOW | ⏱️ Avg. review time: 3.2min
  然后才是详细列表，避免信息过载

• “行动导向”设计：每条建议末尾带[Copy Fix]按钮，点击复制可直接粘贴的修复代码：

  # Before cursor.execute(f"SELECT * FROM users WHERE id = {user_id}") # After [Copy Fix] cursor.execute("SELECT * FROM users WHERE id = %s", (user_id,))

5.5 “如何评估open-code-review是否成功”——5个反直觉的衡量指标

别只看“发现多少bug”，这些指标更能反映真实价值：

1. PR平均打开时长：从创建到首次评论的时间。下降说明审查及时性提升
2. Review comments per PR：单个PR的评论数。稳定在3-5条说明质量而非数量
3. Human override rate：开发者手动覆盖LLM建议的比例。低于15%说明LLM可信
4. First-time pass rate：PR首次提交即通过的比例。上升说明前期质量提升
5. Onboarding time for new hires：新人首次独立提交PR到合入的平均天数。缩短证明知识沉淀有效

最后分享个小技巧：我们每月导出ocr archive数据，用ocr stats --metric=human-llm-agreement计算人类reviewer与LLM结论的一致率。当这个数字持续高于85%，就知道工具真正融入了团队血液——它不再是“AI审查”，而是“我们团队的审查”。