OpenRouter 近日发布一份技术教程，围绕如何借助 Responses API 搭建一套能够实际验证缺陷的 AI 代码审查脚本展开。教程给出的实现名为 review.py，全文仅 233 行，且只依赖标准库，不引入额外第三方包。

该脚本的核心思路是把多个 API 能力串联起来：通过 Responses API 调用 Files API 完成变更文件上传，再结合 Shell 沙箱工具与 Apply Patch 工具，将代码送入托管的 Linux 沙箱环境中执行。

与仅依赖模型静态阅读代码的方式不同，这一流程让模型在沙箱内实际运行检查，从而确认 bug 是否真实存在，并在确认后返回 V4A 格式的补丁。

对 AI 行业从业者而言，该教程展示了一种把模型审查结论落到可执行验证环节的工程路径，代码审查的准确性由此获得沙箱运行结果作为支撑。