摘要只是筛选
BLAKE3 找出候选，逐字节比较确认相同。不是“哈希一样，所以一样”。
LOCAL FIRST · EXACT BYTES · v0.6.5
相同的文件，
不必靠猜。
先快速筛选，再逐字节确认。
把重复找出来，把决定留给你。
C++23 / Windows · Linux · macOS / GPL-3.0
YOUR FILES. YOUR MACHINE.
# 只检查当前目录
$ same
[SAME] Group 1
"original.pdf"
"copy.pdf"
# 想看子目录？显式开启。
$ same scan -r --summary扫描不会删除或改写待扫描文件。
范围由你定义
默认不进入子目录。Gitignore 语法的忽略规则、显式递归，让扫描范围清晰可见。
让硬件做合适的事
并行元数据与内容处理，复用缓存；CPU SIMD 默认可用，线程私有模型根据真实任务成本选择 CPU、CUDA 或 iGPU，并在启动设备前检查开销是否值得。
DOWNLOAD · VERIFY · RUN
下载即用，能力说清楚。
选择发布包
- Windows x64 / Linux x64：standard 包含 CPU 与可选 iGPU；cuda 包额外包含 CUDA 后端。
- macOS Apple Silicon：standard 包，CPU 与可选 iGPU；不支持 CUDA。
- CUDA 包需要兼容的 NVIDIA 驱动，不需要自行安装编译器。设备不可用时保留 CPU 路径。
每个包均由 Actions 构建、测试并验证解包后的程序，附 SHA-256 校验、来源证明与准确构建信息。Linux 基线为 Ubuntu 24.04；macOS 为 14+ ARM64，尚未公证。
阅读 v0.6.5 发布说明 ↗ · 发布与平台要求 ↗也可以从源码构建
git clone https://github.com/kleedaisuki/same.git
cd same
cmake --preset release
cmake --build --preset release需要 CMake 3.25+、C++23 编译器；Windows 使用 VS x64 开发者终端。
完整构建指南 ↗日常命令
same new- 生成默认配置与 ignore，不覆盖已有文件。
same scan -r --summary- 递归扫描并查看结果、设备决策及学习统计；省略 -r 不进入子目录。
same train ../photos ../archive --summary- 在多个目录选择训练文件，分别测量 CPU、CUDA 与 iGPU；结果写入当前工作区的在线模型。需要三个设备后端均可用。
same merge ../other --summary- 将其他工作区的模型贡献、缓存和遥测合并到当前工作区，保留本地配置。
same scan --no-telemetry- 关闭遥测日志，仍保留在线学习；--no-pgo 才关闭学习及模型读写。
same clean [-r]- 删除 .same 状态，包括配置、ignore、摘要缓存、模型和遥测；请先备份。
RELEASE NOTES / 0.6.5
每个线程，都能选择合适的设备。
CPU SIMD、CUDA 与核显现在由各内容线程独立选择；在线模型学习任务实际重叠，保留小任务的谨慎冷启动策略。
- 核显不再池级串行：每个工作线程拥有自己的 OpenCL 队列、内核和设备缓冲；共享编译程序与统一内存预算，不再用单一忙碌标志限制整文件任务。
- 模型跟上并发事实：训练使用运行期间观测到的重叠；预测误差仍对应决策时的估计。摘要可查看核显任务并发峰值，但它不保证硬件内核同时执行或扫描提速。
- 旧模型安全隔离：v0.6.0 的模型数据保留在原数据库中，新语义使用 v2 身份重新积累先验；第一次升级扫描可能重新学习，也可用
same train显式校准。 - 原有工作流不变：
same train、same merge、默认非递归扫描与逐字节重复验证继续可用；短任务仍可优先选择 CPU。 - 验证范围说清楚：实机三线程核显任务并发峰值为 3，CPU / CUDA / iGPU 摘要一致；发行包仍由跨平台 Actions 构建、测试并验证解包后的程序。