Know the blast radius before you edit the fuse. A zero-dependency CLI that tells you who calls a function and how battle-scarred its file is — before you change a single line.
callquake（改动余震仪）回答一个改码前的问题：我要动的这个函数，波及面有多大？
输入一个函数/方法名，它做两件事：
- AST 调用链：解析仓库里所有
.py文件，建立"谁调用谁"的反向索引， 列出每个调用点的文件:行号； - git 历史热度：统计该函数所在文件近 180 天的改动次数、
提交信息含
fix/bug的占比。
两者合成一个 0-100 风险分，并给出一句话建议： 低分 → "低风险，放心改"；高分 → "有 X 个调用方 + Y 次 fix 历史，建议补测试再动"。
纯 Python 标准库实现，零第三方依赖，Python ≥ 3.10 即可运行。
# 无需安装：把本仓库 clone 下来后，在仓库根目录直接用模块方式运行
python -m callquake --help
python -m callquake --version三条核心命令（以下输出均在真实演示仓库上实测）：
python -m callquake impact apply_discount --path path/to/repo函数 'apply_discount' 的波及面（扫描 3 个 .py 文件）
定义 1 处:
shop/cart.py:4 apply_discount
调用方 2 处:
shop/cart.py:12 apply_discount(...)
shop/cart.py:13 apply_discount(...)
注: 动态调用（getattr/exec/字符串反射）对 AST 不可见，不计入。
python -m callquake risk apply_discount --path path/to/repo函数 'apply_discount' 风险分: 37/100
调用广度: 10/50（2 个调用点）
历史热度: 27/50（近 180 天改动 5 次；fix/bug 提交 3 次，占 60%）
建议: 有 2 个调用方 + 3 次 fix 历史，建议补测试再动
python -m callquake report --path path/to/repo# 高风险函数 Top 10
共评估 6 个函数名；风险分 = 调用广度(0-50) + 历史热度(0-50)。
| 排名 | 函数 | 风险分 | 调用点 | 近180天改动 | fix占比 | 建议 |
|---:|---|---:|---:|---:|---:|---|
| 1 | `apply_discount` | 37 | 2 | 5 | 60% | 有 2 个调用方 + 3 次 fix 历史，建议补测试再动 |
| 2 | `checkout` | 32 | 1 | 5 | 60% | 有 1 个调用方 + 3 次 fix 历史，建议补测试再动 |
| 3 | `add` | 27 | 0 | 5 | 60% | 低风险，放心改 |
| 4 | `handle_request` | 5 | 1 | 0 | 0% | 低风险，放心改 |
| 5 | `entry` | 0 | 0 | 0 | 0% | 低风险，放心改 |
| 6 | `healthcheck` | 0 | 0 | 0 | 0% | 低风险，放心改 |jdeps / pydeps 这类工具画的是依赖图；callquake 回答的是**"这一刀下去会震到谁"**。
以 pydeps 为例——其 README 自述为 "Python module dependency visualization"，
通过命令行 pydeps 使用，基于 Python 字节码里的 import 操作码找依赖关系
（因此只会统计被 import 到的文件），配合 Graphviz 渲染 svg/png 依赖图，
并提供 import 环检测、聚类与 bacon 跳数过滤等能力。
jdeps 则是 JDK 自带的 Java 类/包级依赖分析工具。
| 维度 | jdeps / pydeps 等依赖图工具 | callquake |
|---|---|---|
| 分析粒度 | 模块 / 包级 import 关系 | 函数/方法级调用点（文件:行号） |
| 回答的问题 | "这个模块依赖谁？" | "谁在调用这个函数？改它会波及多大范围？" |
| 数据来源 | 静态 import 关系（pydeps 只看被 import 的文件） | 全量 AST 解析所有 .py + git log 历史 |
| 历史信号 | 无 | 近 180 天改动次数 + fix/bug 提交占比 → 0-100 风险分 |
| 输出形态 | 可视化依赖图（svg/png） | 纯文本列表 / Markdown 表格（可直接贴 PR 描述） |
| 外部依赖 | 需要 Graphviz（dot）等外部二进制 |
零依赖，Python ≥ 3.10 标准库即可 |
一句话总结：依赖图工具帮你看结构，callquake 帮你决策敢不敢改。
调用广度 = min(50, 5 × 该函数名的 AST 调用点数) # 0-50
改动频次 = min(30, 3 × 定义所在文件近180天提交数) # ─┐
fix 占比 = round_half_up(20 × fix类提交占比) # ─┴→ 历史热度 0-50
总 分 = min(100, 调用广度 + 改动频次 + fix占比)
- 总分 ≤ 29：
低风险，放心改 - 总分 ≥ 30：
有 X 个调用方 + Y 次 fix 历史，建议补测试再动 - 同一输出对同一仓库永远逐字节一致（全排序、无时间戳），便于 diff 与缓存。
- 动态调用不可见：
getattr(obj, "name")、exec/eval、registry[name]()等字符串反射调用无法被纯 AST 看到，不计入调用点（输出中已标注）。 - 按函数简单名聚合：不同类的同名方法会合并统计（v0.1 取可用性优先）。
- git 不可用时（非仓库/git 未安装）自动降级：历史热度按 0 计并明确提示，不崩溃。
- 语法错误的文件会被跳过并列出，不影响其余文件的分析。
| 退出码 | 含义 |
|---|---|
| 0 | 正常 |
| 1 | 数据错误（路径不存在 / 没有 .py 文件 / 函数未找到） |
| 2 | 用法错误（未知参数、缺少子命令或参数） |
Windows 控制台（GBK 等遗留代码页）下输出强制 UTF-8 并容错替换，不会因编码崩溃。
python -m unittest discover -s tests -q # 34 个测试全绿测试覆盖：AST 解析边界（嵌套类 / 装饰器 / 动态调用不可见）、git 维度计算 （窗口过滤 / fix 占比 / 边界日期）、风险分公式与封顶、同仓库双跑确定性、 GBK 子进程冒烟、空目录与非 Python 目录的友好降级。CI 在 ubuntu + windows × Python 3.10/3.12 四个组合上跑同一套测试。
MIT © 2025 ox-alpha
pip install -e .$ python -m callquake --help
usage: callquake [-h] [--version] {impact,risk,report} ...
改一行代码前先看波及面：AST 调用链 + git 历史 = 0-100 风险分。
positional arguments:
{impact,risk,report}
impact 列出调用某函数的所有位置（AST 反向索引）
risk 输出某函数的 0-100 风险分与分项建议
report 全仓 Top-10 高风险函数（Markdown 表格）
Issues and PRs welcome - run pytest locally before submitting.