一个被群友刷屏的诡异发现
前几天刷到一个帖子，标题挺唬人：为啥让各种 AI 生成一个 1-30 的随机数，都回答 17。楼主说他找群友一个个验证，DeepSeek、豆包、Qwen 发过来的图，除了极个别在思考过程里自己写了段随机代码的，剩下几乎清一色都是 17。
后面跟帖的人越来越多，gemini、gpt 也被拖下水，有人连问三趟每趟三次，全是 17。
说真的，我第一眼也觉得细思恐极。但冷静下来想，这事一点都不玄，反而是个很多人天天在踩、却没意识到的坑。
我自己就踩过。之前想给一个小社群做个抽奖的东西，图省事，直接在提示词里写“从这 200 个报名 ID 里随机抽 5 个中奖”，让模型给我结果。
跑了几次，看着挺像那么回事，我就信了。后来复盘才发现不对劲——同一批名单，它抽出来的人重合度高得离谱，某几个 ID 反复出现。
那一刻我才意识到，模型根本没在“随机”，它在按自己的偏好复读。
你以为它在掷骰子，其实它在背课文
帖子里有个哥们的分析我觉得特别到位。大意是说，大语言模型不是真随机，它是拿海量人类语料训练出来的，输出会趋同。
你让它给个“看起来随机”的数，1 到 9 它觉得太土，合数一眼就能看出规律，于是它下意识往 10-30 之间的素数上凑——13、17、19、23。其中 13 太常见，29 又太偏，剩下最“有随机感”的就是 17、19、23 这几个。
换句话说，模型不是在生成随机数，它是在回答“人类觉得哪个数字最像随机数”。这两件事完全不是一回事。
还有个更直接的证据。有人问 gemini，它老实交代：我根本没执行 python 脚本，是直接脑补了一个示例输出 17，因为我没配置代码执行的沙盒环境。
你看，它自己都承认了——没有真正跑代码的时候，它给的只是一个“猜的结果”。
这就是关键区别。帖子里凡是让模型真的去跑一段 `RANDOM % 30 + 1` 之类代码的，结果就正常了，有人跑出 20，有人跑出别的。
一旦真随机这步交给了程序，17 的魔咒立刻破解。
这个坑怎么坑到线上
这时候有人可能会说，不就是个数字游戏嘛，聊天玩玩而已。但对做产品的人来说，这事的杀伤力被严重低估了。
同一个帖子里，有位网友说了句让我心里一紧的话：他最近不参加论坛那两个每周抽奖的券商帖子了，因为他发现那些人是用 AI 来抽奖的。你品品这个场景——真金白银的抽奖，中奖名单是让模型“随机”出来的，而模型的随机是有强烈偏好的。
这意味着什么？意味着某些位置、某些特征的参与者，中奖概率天生就比别人高，而运营方自己可能压根不知道。
往大了说，凡是涉及随机的业务逻辑，都有这个雷：抽奖分配奖品、把用户随机分到 A/B 两组做实验、给题库打乱出题顺序、给客服随机派单。你只要图省事让模型“帮我随机安排一下”，它就会带着偏见给你结果，而且表面上看不出问题。
等到有用户较真、或者数据一统计发现分布明显歪了，那就是线上事故了。
更麻烦的是这种 bug 很隐蔽。它不报错，不崩溃，跑出来的东西看着都对，只是统计上偏了。
这种问题最难查。
正确姿势：让模型写代码，别让模型当骰子
那怎么办？其实答案帖子里已经给出来了——需要真随机的时候，让 AI 去写调用随机函数的代码，然后把执行这步交回给程序。
分工要拎清楚。模型擅长的是理解你的需求、把逻辑翻译成代码，比如“从名单里不重复抽 5 个”“把这批数据随机分成对照组和实验组”，这些它写得又快又对。
但真正生成随机数、执行抽取这一步，必须落到代码运行环境里，用语言自带的随机库去做。这一步千万别留在对话里让模型脑补。
落到实际操作，我现在的习惯是这样：先让 AI 帮我把抽奖或分配的逻辑写成一段 Python，然后找个能直接执行的地方跑，而不是看模型嘴上说结果。像 VicroCode 的Python在线运行就够用，把 `random` 那段贴进去直接出真结果，不用在本地折腾环境。
跑通之后别急着上线，先做一件事——验证分布。这一步是我踩坑之后加上的。
做法很简单，把抽取逻辑循环跑个几万次，统计每个数字、每个位置出现的次数，看看是不是大致均匀。你直接在线跑这段代码统计一下频次就能看出来：如果是真随机，各个数字的次数应该差不多；要是某个值明显冒尖，那说明你的逻辑里还藏着偏差。
这一步花不了几分钟，但能帮你在上线前拦下大问题。
从一段脚本到一个能分享的小工具
验证完分布，逻辑确认没问题，接下来就是把它变成别人也能用的东西。
很多独立开发者做的抽奖、分配、随机点名这类需求，本质就是一段可靠的随机逻辑加一个简单的界面。你完全可以把跑通的 Python 逻辑收成一个在线的在线工具，托管出来，发个链接给社群运营用，让他们自己上传名单、点一下出结果。
这样随机这步始终跑在真代码里，谁来用都是公平的，你也不用每次手动跑脚本。
这里其实藏着个小小的商业机会。市面上大量运营者、小团队都有抽奖分配的需求，但他们不懂技术，只能要么手动摇号，要么图省事让 AI 口算——而后者正如我们前面聊的，是有暗坑的。
如果你能把一个“分布经过验证、结果可复现、还能导出中奖名单”的小工具做出来，对这批人就是实打实的价值。收不收费另说，至少这是个能持续帮到人的东西。
（具体能带来多少用户或收益，这个得看你自己怎么运营，我没数据，标个待核实。
一个今天就能做的小验证
如果你手上正好有涉及随机的功能，别急着信任何模型嘴上给的结果。花五分钟做个实验：让 AI 写一段生成随机数或随机抽取的代码，跑一万次，把结果画个频次统计出来。
看看分布均不均匀。
如果均匀，恭喜，你的随机是靠代码在跑的。如果某个数字特别扎眼，那你大概率也中了 17 的招——回去检查一下，是不是哪个环节偷懒把随机交给模型脑补了。
记住那句话就够了：模型负责写逻辑，代码负责掷骰子。别让它俩换岗。