随机抽取工具内置三档可切换的抽样模式，满足不同场景下的抽取需求。
| 说明 | 使用 Python 内置的 random.sample 进行简单随机抽取 |
| 特点 | 每个样本被抽中的概率均等，无记忆性 |
| 适用场景 | 一次性抽选、无需考虑历史记录的场景 |
基本抽样是最简单直接的方式，每次抽取都是独立事件，不会受到之前抽取结果的影响。适合做一次性随机抽选。
| 说明 | 追踪近期抽取历史，自动降低刚被选中项的权重 |
| 特点 | 具有记忆性，公平性更高，避免同一个人被连续抽中 |
| 适用场景 | 多次连续抽取、课堂提问、轮值分配等需要公平的场景 |
智能抽样通过维护一个"记忆窗口"来记录最近被抽中的样本。当样本近期被抽中时，其在下一次抽取中的权重会自动降低，从而让其他未被选中的样本有更高的概率被抽中。
您可以在配置中调整智能抽样的记忆窗口大小，以控制"近期"的范围。
如果需要重新开始公平性计算，可以按 Ctrl+Shift+R 重置抽样历史。
| 说明 | 可为每个样本单独设置权重，权重越高被抽中的概率越大 |
| 特点 | 高度可定制，权重由用户自由分配 |
| 适用场景 | 需要差异化概率的场景，如按贡献度抽取、优先级抽选等 |
加权抽样允许您为名单中的每个样本赋予不同的权重值。权重越大的样本，在每次抽取中被选中的概率就越高。例如，可以将核心成员的权重设为 3，普通成员的权重设为 1，这样核心成员被抽中的概率是普通成员的三倍。
| 特性 | 基本抽样 | 智能抽样 | 加权抽样 |
|---|---|---|---|
| 记忆性 | 无 | 有 | 无 |
| 公平性 | 均等 | 动态公平 | 按权重 |
| 可定制性 | 低 | 中 | 高 |
| 适用场景 | 一次性抽取 | 多次抽取 | 差异化概率 |
© 2025~2026 ElofHew. All rights reserved.