This project cf-simulator is licensed under the GNU General Public License v3.0 (GPL-3.0).
Copyright (C) 2026 CHNragdoll
See the LICENSE file for details.
这是一套纯本地运行的抽奖活动模拟器。你可以把它当成一个“可改概率、可改奖池、可看统计、可做成本模拟”的活动沙盘。
如果你完全不懂代码，按本文的“第 1 步、第 2 步”做，也能跑起来并正常操作。
它支持：
-
买钥匙（
10元1抽、100元11抽）
-
单抽 / 十连
-
道具进暂存箱或直发仓库
-
暂存箱道具可“发送仓库”或“分解换积分/钥匙”
-
积分兑换（保底兑换）
-
概率公布弹窗
-
抽奖历史 / 兑换历史
-
数据分析（分布、理论值偏差、置信区间、Z 值、卡方、趋势拟合）
-
Monte Carlo 模拟（不同策略下达成目标道具的成本分布）
项目根目录：/Users/apple/Documents/PyCharm/浩劫艾丽莎
关键目录和文件：
/Users/apple/Documents/PyCharm/浩劫艾丽莎/lottery_simulator/server.py- 后端主程序（HTTP 服务 + 抽奖逻辑 + 统计 + 模拟）
/Users/apple/Documents/PyCharm/浩劫艾丽莎/lottery_simulator/static/index.html- 前端页面结构
/Users/apple/Documents/PyCharm/浩劫艾丽莎/lottery_simulator/static/app.js- 前端交互逻辑（按钮事件、图表渲染、调用 API）
/Users/apple/Documents/PyCharm/浩劫艾丽莎/lottery_simulator/static/style.css- 前端样式
/Users/apple/Documents/PyCharm/浩劫艾丽莎/lottery_simulator/data/lottery.db- 奖池配置数据库（SQLite）
/Users/apple/Documents/PyCharm/浩劫艾丽莎/lottery_simulator/data/state.json- 你的模拟过程状态（消费、钥匙、抽奖历史等）
/Users/apple/Documents/PyCharm/浩劫艾丽莎/cf_images/- 活动图片资源（本地图片）
/Users/apple/Documents/PyCharm/浩劫艾丽莎/main.py- 批量下载图片脚本（需要
requests）
- 批量下载图片脚本（需要
在终端执行：
python3 --version看到 Python 3.x.x 就行。
cd "/Users/apple/Documents/PyCharm/浩劫艾丽莎/lottery_simulator"python3 server.py启动成功会看到类似：
Simulator running: http://127.0.0.1:18081
Admin running: http://127.0.0.1:18081/admin
DB path: .../lottery_simulator/data/lottery.db
浏览器访问：
http://127.0.0.1:18081
到这里就已经可以玩完整流程了。
数据库可视化后台地址：http://127.0.0.1:18081/admin
如果你不想手写 SQL，可以直接用图形化管理器：
cd "/Users/apple/Documents/PyCharm/浩劫艾丽莎/lottery_simulator"
python3 db_admin_gui.py特点：
- 直接编辑
lottery.db - 表名和字段名都有中文映射
- 支持新增、修改、删除
- 支持常见字段下拉（如 0/1、
item_type）
- 点击
10元1抽：消费 10 元，+1 钥匙 - 点击
100元11抽：消费 100 元，+11 钥匙
顶部会更新：
- 累计消费
- 剩余钥匙
- 总积分
- 总抽数
抽一次：消耗 1 把钥匙抽十次：消耗 10 把钥匙
结果逻辑：
- 抽中积分子项：直接加积分
- 抽中道具且
direct_to_warehouse=1：直接进仓库 - 抽中道具且
direct_to_warehouse=0：进暂存箱，等待你后续“发送”或“分解”
“暂存道具表”里每条记录可做两件事（一次性）：
发送仓库分解
分解收益来自该道具配置：
- 积分分解活动：
decompose_points - 钥匙分解活动：
decompose_keys
展示所有“已进仓库”的道具数量（包括抽中直发 + 兑换发放 + 暂存发送）。
点击兑换卡片按钮（例如 1888积分兑换）：
- 扣除对应积分
- 道具发往仓库
- 记录到兑换日志
如果该道具设置了限兑，会校验：
redeem_limit_enabled=1redeem_limit_count上限
点击 概率公布 可看所有奖项当前概率（积分组会展开成具体积分项）。
有两个 tab：
- 抽奖奖池记录（含“欧皇时刻”查看）
- 积分兑换记录
可查看：
- 命中分布
- 理论值 vs 实际值偏差
- 95% 置信区间 + Z 值
- 最近 50 抽 vs 全局
- 日趋势
- 卡方统计量
- 累计积分线性拟合（含公式和 R²）
你可以输入“模拟次数”，并选策略：
最低单钥匙成本优先10元1抽优先100元11抽
系统会异步跑任务并显示进度条，最后给出：
- 全分解均价 / P50 / P90 / 95% 区间
- 纯保底均价
- CDF 曲线
- 置信区间图
- 命中方式占比（抽中/兑换）
- 成本回归模型与训练/测试误差
路径：
/Users/apple/Documents/PyCharm/浩劫艾丽莎/lottery_simulator/data/lottery.db
主要表：
purchase_options：买钥匙方案points_groups：积分组（例如“积分”）prize_items：道具 + 积分子项 + 兑换项pool_layout_settings：奖池布局参数pool_palette_priority：稀有度（颜色）优先级popup_highlight_rules：哪些颜色触发“稀有弹窗”
路径：
/Users/apple/Documents/PyCharm/浩劫艾丽莎/lottery_simulator/data/state.json
常见字段：
money_spent：累计消费keys：当前钥匙points：当前积分total_draws：总抽数draw_counts：每个奖项命中次数stash：暂存箱聚合数量stash_records：暂存箱逐条记录（有 pending/sent/decomposed 状态）warehouse：仓库总量warehouse_draw：由抽奖直接进仓库的量redeem_logs：兑换日志history：抽奖历史（最多保留最近 300 条）
设奖池元素权重为 w_i，总权重：
W = Σ w_i
每个元素命中概率：
p_i = w_i / W
积分组本身是一个顶层元素，权重等于其子项权重和：
w_group = Σ w_child
积分子项全局概率：
p_child_global = w_child / W
积分子项组内条件概率：
p_child_in_group = w_child / w_group
后端使用“累计权重区间命中”方式：
- 计算总权重
total - 取随机数
r ~ U(0, total) - 按顺序累加权重
cur += w_i - 第一项满足
r <= cur即命中
这就是 weighted_pick 的逻辑。
抽到积分：
points += 子项积分值draw_counts[积分名称] += 1
抽到道具：
- 若
direct_to_warehouse=1：进入仓库 - 否则进入暂存箱，并写入
stash_records
同时：
total_draws += 1- 抽奖结果写入
history（最多保留 300 条）
若总抽数为 n，某奖项理论概率为 p：
- 理论命中数：
E = n * p - 实际命中数：
O - 偏差：
Δ = O - E
对观测命中率 p̂ = O / n，后端用 Wilson 区间（z=1.96）：
中心：
center = (p̂ + z²/(2n)) / (1 + z²/n)
半径：
half = z * sqrt( p̂(1-p̂)/n + z²/(4n²) ) / (1 + z²/n)
区间：
[max(0, center-half), min(1, center+half)]
Z = (O - n*p) / sqrt(n*p*(1-p))
绝对值越大，说明与理论概率偏离越明显。
对全部奖项：
χ² = Σ (O-E)² / E
自由度近似：dof = 奖项数 - 1
后端默认窗口最近 50 抽：
- 全局率：
O_global / n_global - 最近率：
O_recent / n_recent - 差异：
|recent_rate - global_rate|
拟合：
y = a*x + b
x：抽奖序号y：累计积分
并计算 R²：
R² = 1 - SS_res / SS_tot
对每个可兑换道具，重复模拟 runs 次，估计“达成该道具”的成本分布。
规则：
- 抽到目标道具 -> 立即达成（抽中路径）
- 如果积分达到兑换门槛 -> 达成（兑换路径）
- 抽到非目标且可进暂存箱道具 -> 立即按配置分解，返还积分和钥匙
输出：
- 平均成本
- P50、P90
- 95% 经验分位区间（2.5% ~ 97.5%）
- 均值置信区间（
mean ± 1.96 * SE） - 抽中达成率、兑换达成率
- CDF 经验曲线点
规则：
- 忽略道具直中收益与道具分解收益
- 只靠抽到积分子项累计到兑换阈值
输出：
- 平均成本
- P50、P90
买钥匙选项有单价：
unit = price / keys_count
策略选择：
min_unit：选 unit 最小方案single_first：优先 10 元 1 抽bundle_first：优先 100 元 11 抽
后端会做一个经验模型：
avg_cost ≈ a*(1/p) + b
其中 p 是目标道具抽中概率，avg_cost 来自策略 A 的样本均值。
并给出：
- 相关系数
- 全样本
R² - 训练/测试切分（70/30）下 MAE、RMSE、R²
/api/config- 获取购买选项、奖池、兑换区、布局参数等
/api/state- 获取当前状态（含暂存明细、仓库明细）
/api/analysis- 获取统计分析结果
/api/simulate- 同步模拟（默认 500 次）
/api/simulate/status?job_id=...- 查询异步模拟任务状态
/api/db/items- 直接查看
prize_items全量行
- 直接查看
/api/buy- 入参：
{"option":"single"}或{"option":"bundle"}
- 入参：
/api/draw- 入参：
{"count":1}或{"count":10}
- 入参：
/api/stash/decompose- 入参：
{"item_id":"xxx","qty":1}
- 入参：
/api/stash/send- 入参：
{"item_id":"xxx","qty":1}
- 入参：
/api/stash/record-action- 入参：
{"record_id":123,"action":"send|decompose"}
- 入参：
/api/redeem- 入参：
{"item_id":"xxx","qty":1}
- 入参：
/api/state/reset- 重置用户状态
/api/simulate- 同步跑模拟，入参：
{"runs":500,"strategy":"min_unit"}
- 同步跑模拟，入参：
/api/simulate/start- 异步模拟，返回
job_id
- 异步模拟，返回
/api/config/reload- 前端“重载配置”触发（返回 ok；配置本身每次读取都来自 DB）
表：prize_items
item_id：唯一 ID（英文，建议稳定）name：显示名称item_type：item或points_childin_pool：是否参加抽奖（1/0）pool_weight：权重（越大越容易中）group_key：积分子项所属分组（仅points_child用）points_value：积分子项积分值exchange_points：兑换所需积分（>0 则进入兑换区）decompose_points：分解返还积分decompose_keys：分解返还钥匙direct_to_warehouse：是否直发仓库（1 直发，0 暂存）image_url：卡面图片popup_image_url：弹窗图card_bg_color：卡片背景palette_key：稀有色（red/orange/purple/blue/gray）redeem_limit_enabled：是否限兑redeem_limit_count：限兑数量redeem_tag_left、redeem_tag_right：兑换卡片角标sort_order：排序
建议先备份：
cp "/Users/apple/Documents/PyCharm/浩劫艾丽莎/lottery_simulator/data/lottery.db" "/Users/apple/Documents/PyCharm/浩劫艾丽莎/lottery_simulator/data/lottery.db.bak"SELECT item_id,name,item_type,in_pool,pool_weight,group_key,points_value,exchange_points,decompose_points,decompose_keys,direct_to_warehouse
FROM prize_items
ORDER BY sort_order,item_id;UPDATE prize_items
SET pool_weight = 0.35
WHERE item_id = 'legend_haojie';UPDATE prize_items
SET direct_to_warehouse = 1
WHERE item_id = 'king_stone';INSERT INTO prize_items(
item_id,name,item_type,in_pool,pool_weight,group_key,points_value,
exchange_points,decompose_points,decompose_keys,direct_to_warehouse,
image_url,popup_image_url,card_bg_color,palette_key,sort_order
) VALUES(
'points_30','30积分','points_child',1,3.0,'points_pool',30,
0,0,0,0,'','','','gray',207
);INSERT INTO prize_items(
item_id,name,item_type,in_pool,pool_weight,group_key,points_value,
exchange_points,decompose_points,decompose_keys,direct_to_warehouse,
image_url,popup_image_url,card_bg_color,palette_key,
redeem_limit_enabled,redeem_limit_count,redeem_tag_left,redeem_tag_right,sort_order
) VALUES(
'redeem_only_ak','AK47-兑换专属','item',0,0,NULL,0,
1688,0,0,1,'','','','gray',
1,1,'单大区限兑1','不可交易',400
);UPDATE prize_items
SET redeem_limit_enabled=1, redeem_limit_count=2
WHERE item_id='redeem_honor_soul';UPDATE popup_highlight_rules SET enabled=1 WHERE palette_key IN ('red','orange','purple','blue');
UPDATE popup_highlight_rules SET enabled=0 WHERE palette_key='gray';后端支持两种静态图路径：
/cf_images/...-> 读取项目根目录/cf_images//cfimages/...-> 读取/lottery_simulator/cfimages/
本项目现有素材主要在：
/Users/apple/Documents/PyCharm/浩劫艾丽莎/cf_images/
需要第三方库：
python3 -m pip install requests下载主图（在项目根目录执行）：
cd "/Users/apple/Documents/PyCharm/浩劫艾丽莎"
python3 main.py下载 lotb 组图（建议在 cf_images 目录执行）：
cd "/Users/apple/Documents/PyCharm/浩劫艾丽莎/cf_images"
python3 炫耀图片下载.py网页里点 重置模拟数据，或调用 /api/state/reset。
只影响 state.json，不会改奖池配置。
删除数据库文件后重启服务，后端会按内置默认值重建：
/Users/apple/Documents/PyCharm/浩劫艾丽莎/lottery_simulator/data/lottery.db
每次改 SQL 前备份两个文件：
lottery.dbstate.json
用环境变量改端口启动，例如：
CF_SIM_PORT=18082 python3 server.py先点击购买按钮补钥匙，再抽。
先点页面上的 重载后端配置，不行就刷新浏览器。仍不行时重启 server.py。
- 降低
模拟次数 - 避免把某些目标设置得过于极端（很高兑换门槛 + 很低概率）
- 每个目标最多 100000 步保护，不会无限循环
样本量小的时候，偏差、Z 值、趋势都容易抖动。多抽几百次后再观察更稳定。
- 后端无第三方框架，基于
http.server，结构简单，适合快速改逻辑。 - 前端是原生 JS + SVG 绘图，无构建工具。
- 异步模拟任务在内存里管理（
SIM_JOBS），服务重启后任务会丢失，这是预期行为。 - 线程安全依赖全局
LOCK+SIM_JOBS_LOCK，改并发逻辑时注意锁粒度。
- 本项目是本地概率模拟工具，不代表官方活动真实结果。
- 统计结论受样本量、配置和模型假设影响，不构成收益承诺。
- 所有道具发放均为本地数据演示，不接入真实账号资产系统。