这篇讲 AngusGit 里的「代码溯源」到底在查什么。看完你可以把它和需求追踪、开源许可证合规分开：这里只做代码相似度查重，告诉你哪段代码和同一个实例里的哪个文件相同或高度相似，不会到互联网上找，也不会自动运行。

「代码溯源」常见还有需求追踪、许可证合规这两种含义，和这里的查重不是一回事；分清之后，才知道手上的问题该去哪个入口。AngusGit 的代码溯源在团队版和企业版中提供，入口是侧栏 **高级 → 溯源**。

![「代码溯源」的三种含义：需求追踪和许可证合规不在溯源页面，代码相似度检查才是](https://developer.qcloudimg.com/http-save/yehe-1099973/10e700388d63a46319658ad12a709b21.svg)

## 1. 三种「代码溯源」，分别是什么

同样说「代码溯源」，不同的人想问的问题并不一样，常见的有下面三种：

| 说法 | 想回答的问题 | 用什么解决 |
| --- | --- | --- |
| 需求追踪 | 这段代码是为哪个需求写的，哪次发布上线的 | 提交信息、拉取请求里关联 Issue，加上发布记录 |
| 许可证合规 | 项目依赖的开源组件是什么许可证，能不能用 | 依赖扫描（SCA）和许可证检查 |
| 代码相似度 | 这段代码和别的项目里哪段一样，一样到什么程度 | AngusGit 的 **代码溯源** |

前两种在 AngusGit 里各有做法。需求追踪靠拉取请求关联 Issue：在拉取请求的标题或描述里写上 `Closes #编号`，合并后这个 Issue 会自动关闭，代码和需求就对应上了。许可证合规靠仓库的安全扫描，其中 SCA（软件成分分析）是指扫描项目依赖了哪些开源组件。这两件事都不在代码溯源页面里做，所以下面说的「代码溯源」，只指第三种：代码相似度检查。

## 2. AngusGit 的代码溯源做什么

打开 **高级 → 溯源**，页面标题是 **代码溯源**，说明是「比对代码相似度，并追踪重复片段的来源。」在这个页面里，每做一次检查就是一个 **溯源任务**。创建溯源任务时要定下两件事：查什么，以及跟谁比。

- **溯源目标**：要检查的代码，也就是「查什么」。可以是一个 **仓库**（可以选分支）、仓库里的一个 **文件**、手工粘贴的一段 **代码块**，或者一个 **函数**。
- 被溯源仓库：拿来比对的仓库，也就是「跟谁比」。从同一个 AngusGit 实例里选 1 到 50 个仓库，比对的是它们默认分支上的代码。

创建任务时还可以调整相似度阈值（文件默认 80%，代码块默认 90%）：调低能看到更多「有点像」的结果，调高则只留下几乎一样的代码，具体怎么调见下一篇。

任务跑完后，结果页会先给出整体的 **重复率** 和 **唯一率**，再把每一处匹配按相似度分档：**完全相同**（95–100%）、**高度相似**（80–95%）、**中等相似**（60–80%）、**低度相似**（40–60%）和 **唯一代码**（0–40%）。每一条匹配都可以点 **对比代码**，把两边的代码左右并排显示出来。

以已经跑完的任务 [fixture: source vs dup (repo)](https://git.anguskit.com/traceability) 为例：溯源目标是仓库 [xlliu/test-trace-source-example](https://git.anguskit.com/xlliu/test-trace-source-example)，被溯源仓库是 [xlliu/test-trace-dup-example](https://git.anguskit.com/xlliu/test-trace-dup-example)。结果页显示溯源仓库数 1/1、溯源文件数 2/2、代码行数 164/164，重复率 84.52%，唯一率 15.48%。其中有两处落在高度相似（80–95%）这一档：`src/main/java/cloud/xcan/example/trace/InvoicePriceCalculator.java` 的相似度是 86.86%（73/94 行），`src/billing.py` 的相似度是 82.18%（62/70 行）。

![source vs dup 的溯源详情：重复率 84.52%，高度相似 2 条](https://developer.qcloudimg.com/http-save/yehe-1099973/73edb58e895ca48b0e7d899028242930.png)

## 3. 它是怎么判断「相似」的

不必先搞懂算法，只要知道它大概怎么比，读结果时就不容易误判。

代码溯源不逐个字符地比较文本。它先按编程语言把代码拆成一个个「词」，比如关键字、变量名、运算符和括号，再在两边寻找连续相同的「词」：连续 50 个以上相同，才算作一处重复片段。找到重复片段之后，再综合几种相似度算法算出一个分数。

这样做有两个好处。第一，只改了缩进、空行或注释的代码，判断结果不受影响。第二，可以有意忽略一部分改动：打开 **忽略标识符差异** 后，改过变量名、函数名的代码也能被识别为相似；打开 **忽略字面量差异** 后，只是字符串和数字不同的代码也能被识别为相似。这两个开关都在创建任务时的高级配置里。

另外，有几类目录不参与比对：以 `.` 开头的目录（例如 `.git`、`.idea`），以及 `node_modules` 和 `target`。这些目录里大多是依赖包和构建产物，比对它们没有意义。

## 4. 适合用在哪些场景

**交付验收时查重复。** 外包或合作方交付了一个新仓库，你想知道里面有多少代码和公司已有的项目重复。做法是把交付的仓库设为溯源目标，把已有的相关仓库选为被溯源仓库，然后看重复率和具体是哪些文件重复。

**重构前找复制粘贴的代码。** 几个服务各自复制了一份相同的工具类，结果改一处就得改好几处。可以先用代码溯源把这些重复找出来，再决定要不要抽成公共模块。

**查一段代码还出现在哪里。** 发现一段有问题的代码，想知道其他项目里有没有同样的写法。可以把溯源目标设为 **代码块** 或 **函数**，粘贴这段代码，在相关仓库里查一遍。

它也有做不到的事，用之前先确认：

- **不会去互联网上找。** 比对范围只限于你选的、同一个实例里的仓库。想知道代码是否来自某个开源项目，要先把那个开源项目导入到实例里，再把它选为被溯源仓库。
- **不会自动运行。** 推送代码不会触发溯源，每次都要手动创建并开始任务。
- **不判断许可证。** 找到相似代码之后，能不能用、要不要声明出处，需要人来判断。

## 常见问题

**社区版为什么没有溯源菜单？**

代码溯源只在团队版和企业版中提供，社区版不包含，所以看不到这个菜单。这是版本差异，不是故障。

**重复率高就说明有问题吗？**

不一定。同一个团队的项目常用相同的框架和模板，本来就会有不少相似代码。重复率只是一个提示，还要点开 **对比代码**，看具体是哪些文件重复、是不是本不应该重复的业务代码。

**溯源和代码评审有什么关系？**

没有直接关系。代码评审看的是一次改动对不对，在拉取请求里进行；代码溯源看的是整份代码和其他仓库像不像，是一次单独的检查任务。两者可以配合使用：溯源发现重复代码后，通过拉取请求做重构，再由评审人把关。

## 小结

「代码溯源」常被用来指三件事：需求追踪、许可证合规和代码相似度，AngusGit 的 **代码溯源** 做的是第三件。每个溯源任务把溯源目标（仓库、文件、代码块或函数）和同一实例里选定的 1 到 50 个被溯源仓库逐段比对，给出重复率、从完全相同到唯一代码的相似度分档，以及每处匹配的具体位置。它适合交付验收查重、重构前找复制粘贴的代码、查一段代码还在哪些项目里出现，但它不会去互联网上找、不会自动运行，也不判断许可证。代码溯源在团队版和企业版中提供，社区版没有 **溯源** 菜单；具体怎么建任务、怎么看结果，见下一篇。

> **结论：** AngusGit 的 **代码溯源**（**高级 → 溯源**）是在同一实例内跨仓库查相似代码的查重工具；需求追踪靠拉取请求关联 Issue（`Closes #编号`），开源许可证合规靠仓库安全扫描。

## 参考文章

- [AngusGit 手册：代码溯源](https://www.anguskit.com/zh/docs/git/manual/15-traceability)
- [怎么给仓库做代码查重：从建任务到看出重复函数](https://www.anguskit.com/zh/blog/run-code-duplicate-check-in-repository)
- [Issue 怎么关联合并请求：写上 Closes #编号，合并后自动关闭](https://www.anguskit.com/zh/blog/link-issue-to-pull-request-auto-close)
- [合并前怎么拦住不合规的开源许可证](https://www.anguskit.com/zh/blog/block-noncompliant-open-source-license-before-merge)

这篇讲 AngusGit 里的「代码溯源」到底在查什么。看完你可以把它和需求追踪、开源许可证合规分开：这里只做代码相似度查重，告诉你哪段代码和同一个实例里的哪个文件相同或高度相似，不会到互联网上找，也不会自动运行。

代码溯源是什么：在仓库里查相似代码，不是需求从哪来

AngusGit 的「代码溯源」就是代码相似度查重：把一个仓库、文件或一段代码，和同一实例里的其他仓库逐段比对，找出完全相同和高度相似的代码分别在哪里。它和需求追踪、许可证合规不是一回事，适合交付验收查重、重构前找重复，但不会去互联网上找，也不会自动运行。

编程语言

AngusGit代码溯源是同一实例内跨仓库的代码相似度查重工具，与需求追踪和许可证合规不同。它比对仓库、文件或代码块的重复片段，提供相似度分档（完全相同至唯一代码），适用于交付验收查重、重构前定位复制粘贴代码。仅限团队版和企业版，不联网搜索、不自动运行、不判断许可证。

Java

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

代码溯源是什么：在仓库里查相似代码，不是需求从哪来-腾讯云开发者社区-腾讯云

代码溯源是什么：在仓库里查相似代码，不是需求从哪来

代码溯源是什么：在仓库里查相似代码，不是需求从哪来

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐