深度技术指南与知识库
密码学公平随机抽取器：硬件熵池、无偏抽样与洗牌算法
随机抽奖与名单抽取器是专为团队抽奖、团建名单挑选、免试答辩抽签及决策摇号打造的完全中立、不可预测的随机选择工具。在传统的线上抽奖工具中，伪随机数算法（如 PRNG）往往因伪随机种子的周期性或前端代码的逻辑偏差，导致抽取结果出现概率倾斜或人为偏见。
本工具采用底层 Web Crypto API 驱动，采集系统底层熵源生成真伪混淆的加密级随机数，并配合业界标准的 Fisher-Yates（Knuth）现代洗牌算法。保证名单中每一个元素被抽中的概率严格相等，杜绝偏袒、无重复遗漏，同时支持单次抽取与无放回连抽。
计算公式与底层原理推导
单项入选概率 P = 1 / N ；任意排列全概率 P(Permutation) = 1 / N!
其中 N 为候选名单总体规模。在无放回多轮抽取中，第 k 轮被抽中的条件概率为 1 / (N - k + 1)，累积联合概率始终保持整体完全无偏，数学期望严格均等。
最佳实践与工程实战指南
- 开启不放回模式确保多轮抽奖公平唯一：进行多等奖连抽时，务必使用不放回抽取，系统自动将已中奖人员剔除出候选中奖池，杜绝同一人员重复斩获多个大奖的尴尬局面。
- 抽奖前导入名单建议统一清洗去重：录入包含员工工号或姓名的花名册前，先执行去重与多余空白符清除，防止因同名同姓或名单粘贴重复导致特定个体中奖概率被动翻倍。
- 对大规模团队决策推荐公开屏幕全程操作：由于本工具纯前端运行且无网络通信，非常适合投影投屏公开操作，其直观透明的代码与运行机制能消除所有内幕质疑。
- 备份原始名单备查以便复核抽奖序列：抽奖前一键复制留存原始候选人列表，以便在抽签结束后对照中奖快照与审计日志进行公示，确保组织公信力。
常见问题解答 (FAQ)
该工具的随机性真的可以做到百分之百无可挑剔的公平吗？
是的。工具摒弃了易被预测的 Math.random()，全面采用 Web Crypto API 的 CSPRNG 引擎，并使用严格消除模偏差（Modulo Bias）的拒绝采样洗牌逻辑，算法上杜绝概率倾斜。
如果一次性输入数千人的名单，系统运行会产生卡顿吗？
不会。Fisher-Yates 算法的时间复杂度为极度优异的 O(N)，原地（In-Place）数组置换内存消耗极低，处理上万名员工名单的瞬间抽取耗时不到5毫秒，极速流畅。
抽奖名单会被上传至服务器或被外部抓包窃取吗？
绝不可能。GoToolstack 严格秉持纯前端离线架构，所有名单输入仅留存于您当前标签页的运行时内存中，关闭网页数据即刻销毁，没有任何云端备份或监控接口。
支持按权重进行抽奖吗？比如老员工有两倍中奖概率？
目前版本专注于绝对公平的等概率抽取。若需实现双倍权重，可在名单录入阶段将该人员姓名重复粘贴两行即可达到数学上的加权效果。