盲盒概率推测 · Blind-box Clue Probability

一张盲盒线索图，每个盒子标了两个"错误选项"。本 Skill 据此穷举所有合法摆放，算出每个品种落在每个盒子的概率；更能按你的购买目标（想要 / 避开 / 购买顺序）给出最优抽盒顺序，用最少次数抽到想要的款式。

✨ 功能亮点

概率统计表：穷举全部合法排列，输出每个品种 × 每个盒子的百分比概率（Markdown 表）。
线索图识别：读图片自动识别品种、盒子编号、每盒的两个错误选项（也支持文字线索）。
最优抽盒顺序：按目标自动选模式，输出期望抽中次数、平均撞坑次数、budget 成功率、首抽建议与应对表。
三种目标模式（从自然语言自动解析）：
- 任一模式：想要 A 或 B → 抽到任一款即停
- 集齐模式：想要 A 和 B → 集齐全部
- 有序集齐：想要先 A 再 B → 按声明优先级有序集齐（购买顺序会影响期望次数）
- 叠加项：不想要 / 避开 C → 尽量避开该款式

🎯 适用场景 / 触发词

发来盲盒线索图 / 排除线索，问"每个品种在哪个盒子概率最大"
问"应该按什么顺序抽盒最划算 / 最快抽到想要的"
触发词示例：盲盒概率、线索图推测、抽盒顺序、最优抽盒、想要 A 不想要 B、先买 A 再买 B、blind box probability、optimal draw order

📦 安装

本地安装（从 zip）：

解压 blindbox-clue-probability.zip。
把解压出的 blindbox-clue-probability/ 目录放到技能目录：
- 用户级：~/.workbuddy/skills/blindbox-clue-probability/
- 项目级：<项目>/.workbuddy/skills/blindbox-clue-probability/
在 WorkBuddy 的「技能」面板中启用即可。

引擎为纯 Python（仅用标准库 itertools、argparse、json），无需任何第三方依赖。 Python 3.8+ 即可运行。

📂 文件结构

blindbox-clue-probability/
├── SKILL.md                    # 工作流与算法说明（Agent 读取）
├── README.md                   # 本文件
├── scripts/
│   ├── blindbox.py             # 穷举 + 概率表引擎
│   └── draw_order.py           # 最优抽盒顺序引擎（依赖 blindbox.py）
└── references/
    └── spec_format.md          # 约束规格 JSON 格式与目标参数说明

🚀 快速上手

Workflow A — 概率统计表

把线索整理成规格 JSON（见 references/spec_format.md）：

{
  "products": ["雪人的抱抱","晚霞棉花糖","雨天小铠甲","大风中凌乱","高电量警告","背着太阳跑"],
  "boxes": ["1","2","3","4","5","6"],
  "exclusions": {
    "1": ["雪人的抱抱","晚霞棉花糖"],
    "2": ["晚霞棉花糖","雨天小铠甲"],
    "3": ["雨天小铠甲","大风中凌乱"],
    "4": ["高电量警告","雨天小铠甲"],
    "5": ["背着太阳跑","雨天小铠甲"],
    "6": ["雪人的抱抱","背着太阳跑"]
  },
  "fixed": {}
}

运行：

python3 scripts/blindbox.py spec.json
# 或：echo '{...}' | python3 scripts/blindbox.py

输出：合法排列总数 + 各盒可能品种 + 概率分布表（每行之和 = 100%）。

Workflow B — 最优抽盒顺序

# 自然语言目标：集齐 A 和 B，避开 C
python3 scripts/draw_order.py spec.json \
  --goal-text "我想要背着太阳跑和晚霞棉花糖，不想要雨天小铠甲"

# 结构化参数：有序集齐 + 限定 4 抽内成功率
python3 scripts/draw_order.py spec.json \
  --want 雨天小铠甲,背着太阳跑 --mode ordered --order 雨天小铠甲,背着太阳跑 --budget 4

# 单一想要、尽量避开
python3 scripts/draw_order.py spec.json \
  --goal-text "我想要背着太阳跑，不想要雨天小铠甲"

输出：模式解析、期望抽中次数、平均撞坑次数、budget 内成功率、推荐第一抽、首抽各盒评估表、首抽应对表（自适应策略）。有序模式还会对比"顺序反过来"的期望次数。

⚙️ 命令行参数参考（draw_order.py）

| 参数 | 说明 | |------|------| | spec | 约束规格 JSON 路径，- 表示从 stdin 读 | | --goal-text | 自然语言目标，如 我想要A和B，不想要C | | --want | 逗号分隔的想要款式 | | --avoid | 逗号分隔的避开款式 | | --mode | any / collect / ordered | | --order | 逗号分隔的有序目标（mode=ordered 时用） | | --lambda | avoid 惩罚权重，默认 1.0，越大越避开 | | --budget | 最多抽几个盒子，用于统计成功率 |

款式名必须与 products 列表完全一致（引擎会告警未知款式）。

🧠 算法要点

概率表：对全部 N! 排列穷举过滤（N ≤ 8 日常完全可用），统计频次得概率。
任一模式 / 集齐无序：在全部合法排列上做 expectimax，每步选"期望代价最低"的未开盒；代价 = 1（本次抽取）+ λ·I(开出 avoid)。
集齐有序：严格按声明优先级，每步先开"最可能有当前最高优先级剩余款式"的盒。因此推荐首抽未必是原始期望最低盒——这正是"先买哪个"的优先级权衡。
抽盒为不放回，策略是自适应的：每开一盒后根据 revealed 内容更新后验再决定下一抽。

⚠️ 边界情况

穷举复杂度 O(N!)。品种数过大（N > 10 左右）会明显变慢，建议缩小规模。
同一品种在同一盒既被排除又被固定会触发合法性报错。
概率表每行之和 = 100%（每个品种必然落在某盒），可用此校验读图是否漏看。
合法排列数 > 1 → 线索不足以唯一确定，可补充 fixed 收敛；= 0 → 线索自相矛盾。

📄 许可

技能由用户自行创建，供个人使用与分享。