Open Code Review: alcance, filtros y llamadas al modelo
Medir coste y defectos omitidos en Open Code Review
Diseña una comparación con tokens, latencia y aceptación humana sin convertir el benchmark upstream en una promesa de ahorro.
Qué aprenderás
- Lee también la pérdida de cobertura
- Distingue límites de contexto y gasto total
- Cuenta el trabajo humano
Antes de empezar
- Cambios Git y comparación desde merge-base
- Uso básico de CLI y credenciales de modelos
Elegir el alcance, explicar exclusiones y preparar una prueba controlada distinguiendo inspección y ejecución.
Conclusiones clave
- El benchmark upstream reconoce una pérdida de recall.
- El tamaño del prompt no es el gasto total.
- El tiempo humano forma parte del coste.
Lee también la pérdida de cobertura
El README informa de mayor precisión y F1 con un consumo de tokens mucho menor en su benchmark, pero reconoce menor recall que los agentes generales comparados. Son resultados publicados por el proyecto para una evaluación concreta. No los hemos reproducido en la revisión fijada.
Contar solamente menos comentarios puede premiar a un revisor por omitir errores. Prepara cambios pequeños con defectos etiquetados, conserva modelo y alcance y mide falsas alarmas y errores conocidos omitidos. Publica el tamaño de la muestra y sus limitaciones.
Distingue límites de contexto y gasto total
La arquitectura diferencia el límite del prompt del límite de salida del modelo y describe rondas de revisión y presupuesto agregado de tokens. Controlan partes distintas del proceso. Cambiar la ventana de contexto no equivale a establecer un límite monetario completo.
Agrupar, planificar, reintentar y revisar en varias rondas puede añadir trabajo del modelo. La delegación traslada el razonamiento a la cuenta anfitriona y conserva su coste. Recoge el uso que informan proveedor y anfitrión, señalando qué campos no expone la integración elegida.
Cuenta el trabajo humano
En cada ensayo, registra tiempo transcurrido, uso del modelo, hallazgos aceptados, defectos etiquetados omitidos y minutos dedicados a comprobar comentarios. Repite cuando importe la variabilidad y conserva la misma política para duplicados y hallazgos dudosos.
La decisión de despliegue debe expresar el equilibrio observado en esa muestra. Una factura menor no resuelve por sí sola un ensayo que omite un defecto grave. El ejemplo es un registro de experimento propuesto y no contiene mediciones inventadas.
Cómo elegir
| Criterio | Opción A | Opción B |
|---|---|---|
| Best when | You need predictable behavior and easy auditing | You need adaptive optimization and have reliable telemetry |
| Main risk | May leave performance on the table | Can become difficult to explain or debug |
Pasos de implementación
- 1
Prepara cambios fijos con defectos etiquetados independientemente.
- 2
Mantén modelo, alcance y política de aceptación durante la comparación.
- 3
Registra consumo, duración, omisiones y tiempo humano.
Ejemplo para copiar
{
"propuesta": true,
"muestra": "cambios fijos etiquetados",
"modelo": "registrar elección exacta",
"tokens": null,
"segundos": null,
"falsosPositivos": null,
"defectosOmitidos": null,
"minutosHumanos": null,
"benchmarkEjecutado": false
}Preguntas frecuentes
¿Puedo asumir el ahorro del README para mi repositorio?
No. Reproduce una comparación controlada con tus cambios, modelo y configuración.
¿La delegación es gratis?
Utiliza acceso y cuota del agente anfitrión. Sus condiciones y el consumo medido siguen importando.
Fuentes
- Open Code Review / README.mdFuente verificada 2026-09-18
- Open Code Review / pages/src/content/docs/en/architecture.mdFuente verificada 2026-09-18
- Open Code Review / pages/src/content/docs/en/integrations/delegate.mdFuente verificada 2026-09-18
- Open Code Review / pages/src/content/docs/en/configuration.mdFuente verificada 2026-09-18