spencermarx/open-code-review

何を解決するか

Open Code Review (OCR) は、単一の視点によるAIコードレビューの限界に対処します。単一のAIによるレビューではなく、複数の独立したレビュアー（それぞれ異なる役割と優先順位を持つ）がコードを検査するマルチエージェントシステムを実装しています。この冗長性により、より多くの問題を発見でき、エージェント間の構造的な議論（ディスコース）によって誤検出を低減し、一般的なベストプラクティスだけでなく、特定のプロジェクト要件に基づいてコードが評価されることを保証します。

動作方法

OCRは「テックリード」エージェントによって調整される8段階のワークフローを使用しています：

1. コンテキストの発見：CLAUDE.md や .cursorrules などのファイルからプロジェクトの基準を読み込みます。
2. 変更分析：git diff を分析して変更内容を理解します。
3. テックリードの評価：リスクを要約し、適切なレビューチームを選択します。
4. 並列レビュー：複数のレビューエージェント（さまざまなLLMを使用）が独立してコードを検査します。
5. 集約：冗長なレビュアーからの発見を統合します。
6. ディスコース：レビュアーが発見を議論し、懸念点を検証し、仮定を検討します。
7. 統合：優先順位付けされ、重複が除去された最終レビューを生成します。
8. 表示：ダッシュボードに結果を表示するか、GitHubに投稿します。

対象ユーザー

AIコーディングアシスタント（例：Claude Code、Cursor、Windsurf）を使用している開発者やチームで、人間のレビュアーの負担を軽減するためにコードレビューの最初の段階を自動化したい方。

特徴

• マルチエージェントの冗長性：複数の独立したレビューエージェントを用いて、より多くのバグを検出します。
• カスタマイズ可能な役割：28種類の事前構築された役割（例：マーティン・ファウラー、ケント・ベックなど有名なエンジニア）を含み、カスタムまたは一時的なレビュアーを作成可能です。
• 要件対応型：特定の仕様ファイル、提案、またはインライン要件に基づいてコードをレビューできます。
• マルチモデルチーム：異なるレビュアーに異なるLLMを割り当て可能（例：一般向けには高速モデル、専門分野には深層モデル）。
• コードレビュー地図：大規模な変更セット（20ファイル以上）に対して、構造化されたナビゲーションドキュメントとMermaid依存関係図を生成します。
• GitHub統合：チームの統合レビューとして投稿するか、Googleのレビューガイドラインに従った自然な「人間の声」に翻訳できます。
• インタラクティブダッシュボード：ブラウザベースのUIで、発見のトリアージ、チーム管理、リアルタイムの進捗追跡が可能。