随机抽取

随机抽取器的算法很朴素：对列表长度取随机索引。真正的关键在于随机源质量——本工具使用浏览器内置的高质量伪随机数生成器，保证每个选项被选中的概率严格相等（1/n）。

它的价值不在技术而在「决策外包」：当选项之间本就没有明显优劣时，纠结本身就是浪费。行为经济学称之为「决策疲劳」——把琐碎决策交给随机，把脑力留给真正重要的事。

「决策外包」有严肃的行为科学背书：Roy Baumeister 的自我损耗（ego depletion）研究表明，人每天做的决策越多，后续决策质量越差——法官的假释批准率从早间的约 65% 跌到午休前的接近 0%，饭后又回升。把「吃什么」这类低价值决策交给随机，本质是认知资源的预算管理。乔布斯与扎克伯格常年穿同款衣服，用的正是同一逻辑。

等概率抽取有一个常被忽视的数学性质：它不「记住」历史。连续抽中同一选项三次的概率是 (1/n)²（如 5 个选项时为 4%），看似「不正常」，但在大量使用中必然发生。赌场「赌徒谬误」的根源就是误以为随机过程会「纠偏」——真实的随机数从不欠债。

在正式场合使用随机抽取时，流程设计比随机源更重要：选项清单应当众确认、抽取过程应有见证、结果应当场记录。组织行为学研究发现，程序公平（procedural fairness）对结果接受度的影响远大于结果本身——人们能接受「运气不好」，但不能接受「过程有鬼」。

如果需要「不放回」地连续抽取（如依次确定 1、2、3 名），正确做法是每抽中一个就从列表移除再抽下一次；或者先对整个列表做一次随机洗牌（Fisher-Yates），再按顺序取。两种方法数学上等价，后者更适合需要一次性确定完整顺序的场景。