调研对比：PR-Agent（Qodo）vs opencode-actions

[Svtter]

背景

调研 PR-Agent（原 Qodo / CodiumAI）作为 multi-review 的对比对象，评估是否有值得借鉴的设计、以及是否构成替代关系。结论先行：不构成替代，但有若干交互值得借鉴。

PR-Agent 现状（2026-06，已据官方 README + Qodo Merge 文档核对）

• 许可 / 治理：Qodo 已将 PR-Agent 交还社区，转为开放治理，恢复 Apache-2.0，现位于独立 org The-PR-Agent/pr-agent，与 Qodo 商业产品（带免费档）明确分家。README 现定调其为「community-maintained legacy project」，正在捐给开源基金会，已有首位外部 maintainer（@naorpeled）。
• 费用：
  • 自托管（GitHub Action / Docker / CLI）：免费，只花自己的 LLM API 费。
  • 托管 SaaS（Qodo Merge Pro）：freemium；商业免费档为每组织每月 75 次 PR review，Teams 付费。
  • @CodiumAI-Agent 是 promotional bot（非"已废弃"）：无 edit 权限（不能改 PR 描述、加标签），也不能用于私有仓库，仅适合公开仓库体验试用（见 CodiumAI-Agent doesn't appear to be a user on GitHub. The-PR-Agent/pr-agent#2200）。
• 架构：单 agent + 命令驱动。**每个命令 ≈ 一次 LLM 调用（~30s、低成本）**是其卖点。
  • 开源命令：/review、/improve（可一键 apply 的 patch）、/describe（自动生成 PR 描述）、/ask（可针对特定代码行）、/help_docs、/update_changelog。
  • 💎 付费档另含 /implement、/test、/add_docs、/analyze、/compliance、/checks ci_job、/similar_code、/create_ticket、/scan_repo_discussions 等。
• 核心能力（引擎层，这才是"特色"，区别于普通 review 工具）：
  • Adaptive + token-aware patch fitting / PR compression：处理任意大小 PR（小到几千行）。
  • Self-reflection：出结论后自检，降低假阳性。
  • Chat on code suggestions、Incremental update（增量审查）、Fetching ticket context、Dynamic context + RAG enrichment。
• 模型：以 OpenAI / Anthropic 等西方模型为主（已支持 GPT-5），国产模型需自行配置 OpenAI-compatible 接口。
• 成熟度：~11k★、200+ contributors，久经考验。

对比

维度	opencode-actions（multi-review）	PR-Agent（社区版）
架构	多 agent 并行：N persona + coordinator 去重合成一条评论；共享一个 opencode serve（一次 MCP 冷启动）	单 agent + 命令驱动，各命令出一轮；单次 LLM 调用
费用	Apache-2.0，免费 + API 费	Apache-2.0，免费 + API 费（打平）
模型生态	国产模型一等公民：DeepSeek / GLM / MiniMax / 小米 MiMo + LiteLLM	西方模型为主（已支持 GPT-5）
默认语言	中文优先（zh）	英文为主
装 App	不需要	不需要（打平）
成熟度	本项目，较新	~11k★，久经考验
可 apply 的改动	README 未强调	/improve 一键应用建议、/describe 自动生成描述
review 可信度机制	coordinator 去重	Self-reflection 自检 + 去重
增量审查	README 未强调	有（追加 commit 后只 review 新增部分）

结论

1. 不构成替代关系。两者费用、是否需 App 完全打平；在「国产模型 + 中文输出」上 opencode-actions 占优（国内直连、便宜、无梯子）；在架构上，multi-review 的「多 persona 并行 + coordinator 去重」比 PR-Agent 的单 agent 命令式更接近 2025+ 多 agent 范式。
2. PR-Agent 真正值得借鉴的是交互打磨与引擎层能力（详见下节「可借鉴的功能方向」）。
3. PR-Agent 在成熟度 / 生态信任度上占优（~11k★ vs 本项目），但对自用场景影响不大；若要推广给第三方仓库，陌生 action 的信任成本是 adoption 壁垒。

可借鉴的功能方向（按性价比排序）

结合 PR-Agent 的核心能力，对 multi-review 的可借鉴项排序：

1. 可 apply 的 patch（最高价值） —— multi-review 现在把多 persona 结论合成一条评论；若能把其中可执行的项转成一条条可直接 commit 的 diff（对应 PR-Agent 的 /improve），就闭环了「review → 落地」，降低人工搬运成本。
2. Self-reflection / 去重强化 —— multi-review 已有 coordinator 去重；可借鉴 PR-Agent 的「先出结论再自检」，进一步压低多 persona 并行带来的重复和噪音、提升可信度。
3. /describe 自动生成 PR 描述 + 标签 —— 一个低门槛、高使用率的功能，容易补上。
4. Incremental update（增量审查） —— PR 追加提交后只 review 新增部分，省 token、更快。
5. Fetching ticket context —— 把关联 issue / PR 上下文拉进来作为「是否贴合需求」的审查依据。

与 pi-agent 方案（#191）的关系

#191 调研的是 pi-agent 生态（pi-parallel-agents 的 DAG 团队模式），与本 issue 的 PR-Agent 是两个独立工具：

• pi-agent：面向「能否复用 Pi 生态实现 multi-review」（实现层）。
• PR-Agent：面向「现成单 agent review 工具，有哪些交互值得借鉴」（产品层）。
  两者互补，不重叠。

来源

• The-PR-Agent/pr-agent（社区开源版，Apache-2.0，已确认存在）
• qodo-ai/pr-agent（README + 命令总表）
• Qodo Merge / PR-Agent 工具总表（官方文档）
• Qodo 把 PR-Agent 交给社区 + 恢复 Apache-2.0（官方博客）
• Qodo Plans & Pricing
• qodo-ai/pr-agent#2200（@CodiumAI-Agent promotional bot 相关讨论）

[Svitter]

调研质量很高，对比维度选得准。逐点回应：

关于 /improve（可 apply 的 patch）

multi-review 当前架构的一个硬约束：agent 运行在 read-only 模式（multi-review/src/index.ts:52 — permission: { edit: "deny", bash: "deny" }）。这是刻意设计——review 场景下 agent 不应修改代码。要支持 /improve 类功能，需要两条路之一：

1. 独立 action（推荐）：在 monorepo 中新增一个 action（如 apply-suggestions），接收 multi-review 的输出 + PR diff，由一个有写权限的 agent 生成 patch 并提交。与 review 解耦，职责清晰。
2. 模式开关：在 multi-review 中加一个 mode input（review / improve），切换 agent 权限。但会让 action 职责变重，且 improve 模式需要额外处理 git commit + push 的权限链路。

PR-Agent 的 /improve 是独立命令，不是 /review 的附属——这个分离是对的。

关于 /describe（自动生成 PR 描述）

这个更可行，且与现有架构冲突更小：

• diff-fetching 基础设施已有（fetchPRDiff、resolvePRNumber）
• 不需要写权限——输出是文本，不是 patch
• 可以作为 multi-review 的一个 模式（mode: describe），也可以是独立 action

一个设计考虑：/describe 的 prompt 与 /review 完全不同——review 是批判性的，describe 是概括性的。如果做成模式，需要切换 coordinator prompt 和 reviewer persona。

开放问题（需要 maintainer 决策）

1. 优先级：/describe vs /improve 哪个先做？前者工程量小、风险低；后者价值高但需要新的权限模型。
2. 架构位置：独立 action 还是模式开关？独立 action 更干净但增加维护面；模式开关复用基础设施但耦合度高。
3. 输出格式：/improve 的 patch 是作为 PR comment 发出（用户手动 apply），还是直接 commit 到 PR branch？前者安全但增加人工步骤；后者自动化程度高但需要 write token + 分支策略。

#191 的 pi-agent 调研和本 issue 的 PR-Agent 调研确实互补——一个看实现层，一个看产品层。两者都指向同一个方向：multi-review 的核心架构（多 agent 并行 + coordinator）是扎实的，下一步是交互打磨。

[naorpeled]

Hey,
Regarding "@CodiumAI-Agent", it's no longer available at the moment.

If you want to try our pr-agent you would need to run it using your own LLM keys 🙏
Let me know if you have any questions/thoughts and I'll gladly help with anything I can help.

BTW, Qodo also offers a free for open source plan (here), which is based off of their commercial AI code review agent, which is not based on pr-agent.

[Svitter]

Thanks for the clarification, @naorpeled. Useful to confirm that the hosted bot path is fully closed — aligns with The-PR-Agent/pr-agent#2200.

One note for completeness: the free-for-open-source plan you linked is a separate product from the community pr-agent, which is worth distinguishing in the research. The issue body already scopes to the self-hosted Apache-2.0 pr-agent, so the comparison holds regardless — but the open-source plan is a good fallback for repos that prefer managed SaaS over self-hosted Actions.

[naorpeled]

Thanks for the clarification, @naorpeled. Useful to confirm that the hosted bot path is fully closed — aligns with The-PR-Agent/pr-agent#2200.

One note for completeness: the free-for-open-source plan you linked is a separate product from the community pr-agent, which is worth distinguishing in the research. The issue body already scopes to the self-hosted Apache-2.0 pr-agent, so the comparison holds regardless — but the open-source plan is a good fallback for repos that prefer managed SaaS over self-hosted Actions.

You're right.

[Svtter]

Hey, Regarding "@CodiumAI-Agent", it's no longer available at the moment.

If you want to try our pr-agent you would need to run it using your own LLM keys 🙏 Let me know if you have any questions/thoughts and I'll gladly help with anything I can help.

BTW, Qodo also offers a free for open source plan (here), which is based off of their commercial AI code review agent, which is not based on pr-agent.

Thanks. We'll try it.