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。
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) 为例：溯源目标是仓库 xlliu/test-trace-source-example，被溯源仓库是 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）。
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
- 怎么给仓库做代码查重：从建任务到看出重复函数
- Issue 怎么关联合并请求：写上 Closes #编号，合并后自动关闭
- 合并前怎么拦住不合规的开源许可证
