Fingerprint 命令

codeknit fingerprint 命令使用 上下文触发分段哈希（CTPH） 在代码库中检测重复和近似重复代码。它通过在计算结构指纹前规范化变量名、字符串字面量和类型注解，实现跨文件甚至跨编程语言的检测。

功能概述

codeknit fingerprint 分析代码库中的每个函数、方法、变量和类型，并基于以下内容计算 规范化结构指纹：

这种规范化意味着 重命名的复制粘贴、简单重构 以及 不同语言中的等效逻辑 仍然可以被检测为重复。

该算法使用 CTPH（一种滚动哈希变体）高效查找近似重复。相似的代码会产生相似的指纹，即使代码经过轻微修改也能实现模糊匹配。

codeknit fingerprint ./src

该命令将：

参数	默认值	描述
`-o`, `--output`	`./skeleton/fingerprints.skt`	输出 `.skt` 文件路径
`--min-similarity`	`65`	报告的最低相似度百分比（0–100）
`--max-similarity`	`95`	报告的最高相似度百分比（0–100）
`--show-all`	`false`	包含 `[fingerprints]` 部分，其中包含原始标记数据
`--rerank`	`false`	使用 Ollama 的语义嵌入重新排序 CTPH 候选项，以消除误报（要求：`ollama serve` 和 `ollama pull qwen3-embedding:0.6b`）
`--model`	`qwen3-embedding:0.6b`	与 `--rerank` 配合使用的 Ollama 嵌入模型
`--collect-test`	`false`	分析中包含测试文件
`--workers`	`NumCPU`	最大并发解析 goroutine 数量（0 = 使用所有 CPU 核心）
`--verbose`	`false`	处理过程中打印进度信息

输出为 .skt 文件，包含以下部分：

列出相似度超过阈值的符号对：

[duplicates]
similarity:96%  pkg/user.go::GetUser <-> pkg/admin.go::GetAdmin
similarity:88%  utils/str.go::TrimSpaces <-> lib/text.go::CleanString

每行显示：

包含每个符号的原始指纹数据：

[fingerprints]
validateToken  FP:3:a1b2c3...:d4e5f6...  tokens:8e0f1a2b...

字段：

该部分适用于调试或构建下游工具。

# 默认扫描
codeknit fingerprint ./codeknit/de/src

# 查找完全重复
codeknit fingerprint ./src --min-similarity 100

# 查找中等相似度的代码（例如相同算法，不同名称）
codeknit fingerprint ./src --min-similarity 50 --max-similarity 80

# 使用语义重新排序减少误报
# 要求：ollama serve && ollama pull qwen3-embedding:0.6b
codeknit fingerprint ./src --rerank

# 使用不同的嵌入模型进行重新排序
codeknit fingerprint ./src --rerank --model qwen3-embedding:4b

# 输出完整指纹列表（用于分析工具）
codeknit fingerprint ./src --show-all

# 自定义输出文件
codeknit fingerprint ./src -o duplicates.skt

范围	指导建议
96–100%	完全或近乎完全的结构重复。几乎可以确定是复制粘贴。
85–95%	近似重复。通常是复制粘贴后经过微小编辑（例如重命名变量、添加日志）。
65–84%	默认范围。结构高度相似。适合重构的候选项。
50–64%	中等相似度。算法结构相同但细节不同。需手动审查。
< 50%	通常为噪声。无意义的重复。