这篇讲怎么查一个仓库里的代码和其他项目重复了多少。看完你可以建一个代码溯源任务，选好要检查的仓库和拿来比对的仓库，设好相似度阈值，从重复率、相似度分档看到具体重复的文件和函数。
两个说法会贯穿全文：溯源目标 是你要检查的代码，这里用的是一个仓库；被溯源仓库是拿来跟它比对的仓库，一次最多选 50 个。
代码溯源在团队版和企业版中提供；社区版没有 溯源 菜单。
对照时以已经跑完的任务 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。溯源列表页上另外三条任务用的是同一套示例数据，分别是以文件 InvoicePriceCalculator 为目标、以函数 calculateInvoiceTotal 为目标，以及和 xlliu/test-trace-unique-example 做的对照。
1. 创建任务
打开代码溯源
在侧栏点 高级 → 溯源，进入标题为 代码溯源 的页面，再点右上角的 创建溯源，打开一个分四步的创建向导。
第 1 步：基本信息
溯源名称 必填，写清这次查的是什么，例如「source vs dup 查重」；溯源描述 可以不填。
第 2 步：选择目标
溯源目标 有 仓库、文件、代码块、函数 四种。要查整个仓库就选 仓库，本例选的是
test-trace-source-example，分支可以不选。下方的 去重重复文件 开关会自动识别并排除重复的文件，一般保持默认即可。第 3 步：设置检查语言和相似度阈值
这一步在界面上的标题是 配置参数。检查语言 保持不勾选，界面说明是「不选将自动检查对比所有语言」。相似度阈值有两个：文件相似度阈值 默认 80%，代码块相似度阈值 默认 90%。第一次运行先用默认值。
第 4 步：选择被溯源仓库
这一步在界面上的标题是 选择仓库。在搜索框里找到
test-trace-dup-example，点 添加，右上角会显示已选数量，例如1 / 50。注意不要误选名字带-Fork的同名仓库。下方的 配置摘要 汇总了前面所有的选择，核对一遍再继续。创建并执行
点 创建并执行，任务创建后马上开始运行。如果只点 创建，任务会停在 等待中，之后要在列表里点 开始溯源 才会运行。
2. 几个参数怎么选
第 3 步和高级配置里的参数，大多数情况下保持默认就行。下表列出每个参数的默认值，以及什么时候需要改：
| 参数 | 默认 | 什么时候改 |
|---|---|---|
| 检查语言 | 不勾选，检查所有语言 | 一般不用改，只想看某一种语言时再勾选 |
| 文件相似度阈值 | 80% | 想看更多「有点像」的文件就调低；只想看几乎一样的就调高 |
| 代码块相似度阈值 | 90% | 同上，作用在代码片段上 |
| 文件编码 | UTF-8 | 老项目源码是 GBK 编码时，改成 GBK |
| 忽略标识符差异 | 关闭 | 怀疑有人复制代码后改了变量名、函数名时打开 |
| 忽略字面量差异 | 关闭 | 想找出字符串、数字不同但逻辑一样的代码时打开 |
| 启用仓库缓存 | 启用 | 同一批仓库要反复查时保持打开 |
其中两项需要多说一句。文件编码 要和源码的实际编码一致：如果 GBK 编码的源码仍按 UTF-8 读取，中文注释会变成乱码，影响比对结果。启用仓库缓存 打开时，下次检查同一批仓库不用重新克隆代码；关掉之后，任务结束时会删除这次克隆下来的代码。
阈值滑块每次调整 5%。建议先用默认值跑一次，看过结果再决定调高还是调低。如果一开始就把阈值调得很低，结果会非常多，反而不好找重点。
另外，以 . 开头的目录、node_modules 和 target 不参与比对，目前也没有设置其他排除目录的选项。
3. 等任务跑完
在任务列表里，任务的状态会依次经过 等待中、运行中、已完成；执行出错会变成 失败，被手动停止则显示 已取消。运行中的任务可以点 停止溯源 中止。
耗时取决于仓库大小和被溯源仓库的数量：仓库越大、选的仓库越多，跑得越久。任务运行期间可以离开页面，稍后回来再看。
4. 看结果：从整体到具体的函数
任务变成 已完成 后，点 查看详情 进入详情页。详情页有 溯源结果 和 执行日志 两个页签，下面按从整体到具体的顺序看 溯源结果。
先看整体数字。 顶部依次是 溯源仓库数、溯源文件数、代码行数、重复率 和 唯一率。重复率只是一个整体提示：同一个团队的项目常用相同的框架和模板，本来就会有一部分相似代码，所以重复率不为零很正常。
再看分档。 每处匹配按相似度分进五档：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%）。最值得看的是 完全相同 和 高度相似 这两档。
然后看具体的匹配。 结果列表可以 按相似度排序，让最像的排在最前面；在「搜索仓库或文件...」框里输入目录或文件名，可以只看相关的匹配。每条匹配会显示两边的文件和 相似度分数，点 对比代码 就能展开两边的代码，有两种视图：
- 并排对比：左边是 源文件，右边是 溯源文件，适合看两段代码的整体结构。
- 统一视图：上下排列，适合看细小的差别。
以 source vs dup 为例，结果里没有 完全相同 的匹配，两条都落在 高度相似。点开 InvoicePriceCalculator.java 的 对比代码，在 并排对比 里可以看到左右两边都是 public class InvoicePriceCalculator，相似度分数 是 86.86%。
最后逐条判断。 看到重复代码后，先弄清楚它为什么重复，再决定怎么处理。常见的有三种情况：
| 看到的情况 | 重复原因 | 建议处理方式 |
|---|---|---|
| 框架生成的代码、配置模板 | 脚手架或统一模板生成 | 正常重复，不用处理 |
| 几个项目里各复制了一份的工具函数 | 历史复制粘贴 | 考虑抽成公共模块，通过拉取请求重构 |
| 不该出现在这里的业务代码 | 跨项目误拷或违规复用 | 找相关负责人确认来源和是否需要删除 |
5. 导出和重新运行
导出报告。 在任务上点 导出报告，选好 导出格式 和 导出范围（全部结果，或当前已加载的结果）。格式有 PDF (HTML)、Excel、JSON 和 Markdown 四种，想先看效果可以点 预览报告。其中有两点要注意：PDF (HTML) 导出的是一个 HTML 文件，用浏览器打开后再打印成 PDF；Excel 目前导出的内容是 CSV 格式，用 Excel 打开时可能提示格式与扩展名不一致，所以需要表格时，建议先导出 Markdown 或 JSON 再转换。
重新运行。 代码有了新提交、想再查一次时，点 重新溯源。只有 等待中 的任务可以修改参数；已经跑过的任务如果想换参数，新建一个任务会更清楚。
6. 跑不出结果时怎么排查
任务失败或结果不对劲时，可以按下表对照排查：
| 你看到的 | 原因 | 怎么处理 |
|---|---|---|
| 侧栏没有 溯源 菜单 | 社区版不包含代码溯源，或当前账号没有代码溯源权限 | 确认版本；或请管理员开通权限（见表后） |
| 第 4 步不能继续，提示「请至少选择一个被溯源仓库」 | 没有添加被溯源仓库 | 至少添加一个 |
| 状态变成 失败 | 执行中出错，例如拉取某个仓库的代码失败 | 打开 执行日志 看具体原因 |
| 已完成，但几乎没有匹配 | 阈值太高，或者两边确实不像 | 两个阈值各调低 10%，新建任务再跑一次 |
| 勾选了某种语言后结果为空 | 语言筛选和仓库里的实际文件对不上 | 检查语言 不勾选，检查所有语言 |
| 中文注释附近的比对结果很奇怪 | 源码不是 UTF-8 编码 | 文件编码 改成 GBK 后重新创建任务 |
如果是权限问题，请管理员在成员权限里打开 代码溯源 这一项，它的说明是「允许使用代码溯源进行代码查重」。
常见问题
能不能推送代码后自动查重？
不能。代码溯源每次都需要手动创建并开始任务，推送代码和拉取请求都不会触发它。
想查一段代码在哪些仓库里出现过，怎么做？
在第 2 步把 溯源目标 设为 代码块 或 函数，填写名称并把代码粘进去：代码块建议至少 10 行，函数要包含完整的定义和实现。然后在第 4 步选上要查的被溯源仓库即可。
比对的是被溯源仓库的哪个分支？
被溯源仓库比对的是各自的默认分支；目标仓库的分支则在第 2 步里选择。
小结
给仓库做代码查重，就是在 高级 → 溯源 点 创建溯源，按四步建一个溯源任务：填写名称；选择目标仓库和分支；检查语言不勾选，相似度阈值先用默认的 80% 和 90%；添加 1 到 50 个被溯源仓库。点 创建并执行 后等任务完成，在 查看详情 里先看 重复率，再看完全相同和高度相似两档，对排在前面的匹配点 对比代码 逐条判断要不要处理。需要留档时用 导出报告，其中 PDF (HTML) 和 Markdown 最省事。代码溯源在团队版和企业版中提供，社区版没有 溯源 菜单。
结论： 在 高级 → 溯源 → 创建溯源 选定目标仓库和 1–50 个被溯源仓库（相似度阈值先用默认的 80%/90%），任务完成后在详情页按相似度排序，点 对比代码 核对具体的重复片段。
