我的“AI”彩票工具中了300元,但真相是…

我的“AI”彩票工具中了300元,但真相是…

一、缘起:一个“不务正业”的Side Project

大家好,我是一个沉迷于将AI技术应用于各种“奇怪”场景的开发者。三个月前的某个深夜,一个想法突然击中了我:能不能用AI来预测彩票号码?

当然,我清楚地知道:

  • 彩票本质上是独立随机事件
  • 任何“预测”都是伪命题
  • 但这不妨碍它成为一个绝佳的技术验证场景

于是,“AI彩票预测助手”这个项目悄然启动了。

二、坦白局:其实并没有高级的AI算法

在深入这个故事之前,我先摊牌一个核心真相:这个“AI彩票预测助手”里,目前其实没有任何真正的AI算法。

javascript

// 这就是目前“核心算法”的全部代码 function generateNumbers(lotteryType) { if (lotteryType === 'ssq') { return { redBalls: getRandomNumbers(1, 33, 6), blueBalls: getRandomNumbers(1, 16, 1) }; } else { return { redBalls: getRandomNumbers(1, 35, 5), blueBalls: getRandomNumbers(1, 12, 2) }; } } // 真正的“魔法”在这里 function getRandomNumbers(min, max, count) { const numbers = new Set(); while (numbers.size < count) { numbers.add(Math.floor(Math.random() * (max - min + 1)) + min); } return Array.from(numbers).sort((a, b) => a - b); } 

是的,你没看错。这个号称“AI预测”的工具,核心就是随机数生成器

三、为什么还要叫“AI彩票预测助手”?

技术与时代共进:一名前端开发者的AI与Web3学习之旅

作为一名长期从事前端开发的工程师,我深切感受到技术浪潮的持续涌动。当AI时代全面来临,无论是出于技术人的自觉,还是对未来的职业思考,持续学习已成为必然的选择。

为此,我为自己制定了一套系统化的学习与转型计划。我的思路是以一门后端语言为切入点,逐步向AI领域延伸,最终实现从前端到全栈、再到AI与Web3方向的拓展。

第一步:从Rust开始,深入系统编程
我选择了 Rust 作为第一站。它不仅是一门高性能的系统级语言,更以其安全性、并发处理能力和活跃的生态吸引了我。我已经通过一些实战项目初步掌握了 Rust 的开发模式,并在此前的分享中与大家交流过相关经验。

第二步:探索Web3,构建去中心化身份验证
在巩固后端能力之后,我开始向 Web3 方向探索。目前正在学习如何基于区块链技术实现去中心化的登录与身份验证机制。我希望最终能开发出一套安全、透明且用户自主可控的登录验证方案,这也是我理解Web3核心思想——“用户拥有数据与身份”——的一次实践。

第三步:转向AI,尝试数据驱动的预测模型
同时,我也在积极学习AI相关技术。一个比较有趣的想法是:能否基于机器学习模型,对彩票结果进行某种程度上的“预测”?当然,我清楚彩票本质上是随机事件,但这并不妨碍我将它作为一个具有挑战性的、数据驱动的建模练习。目前我也处于理论学习和数据准备阶段。

为什么做这个项目?
其实这个想法源自一个很个人的出发点:我希望将所学的前端、后端、区块链与AI知识融合到一个具体项目中。彩票预测只是一个载体,真正的目标是通过它串联起数据获取、模型训练、接口部署与交互展示的全流程能力。当然,如果它未来真的能在某种程度上提高“中奖概率”——哪怕只是心理上的——那也算是技术带来的小小浪漫吧。

目前这个项目仍处在构想与学习阶段,如果你也对这样的技术路径或项目方向感兴趣,欢迎交流与指教。技术人的成长,从来不是孤军奋战。

我真实的打算是:

  1. 先上线一个最小可行产品(也就是现在这个随机数版本)
  2. 在运营过程中收集用户行为数据
  3. 同时深入学习大模型技术和区块链技术
  4. 待时机成熟,用真实AI算法替换随机算法,接入网站验证功能

四、戏剧性的转折:随机数真的“中奖”了

这是最讽刺也最有趣的部分。

某个周六中午,出来遛弯儿遇见一家体育彩票店,我使用这个系统随机生成5注彩票,没想到中了300元大奖

预测号码:07091527320708 中奖号码:07092327320208

五、最后的实话

让我用完全诚实的话结束:

现在的真相

  • 这只是一个包装精美的随机数生成器
  • “中奖”是极小概率的运气事件
  • 所有看似高级的功能都是“烟雾弹”

未来的目标

  • 我真的在认真学AI
  • 我希望有一天能替换掉随机算法
  • 即使结果不准,这个过程本身就是价值

给同样在学习的你
不必等待“完全准备好”才开始。我的随机数小工具收获了:

  • 76个真实用户(小程序日增十几的数据,但是 但是被封了,所以才转战网页,😑😮‍💨)
  • 300元意外之财(纯运气)(还有一位其他同学预测的号码喜中200元大奖,不知道你买了没有😜
  • 更重要的是:明确了学习方向

有时候,从“假的”开始,是为了走向“真的”

Read more

彻底解决 Stable Diffusion WebUI 启动报错:AttributeError: ‘MessageFactory’ object has no attribute ‘GetProto

彻底解决 Stable Diffusion WebUI 启动报错:AttributeError: ‘MessageFactory’ object has no attribute ‘GetProto

彻底解决 Stable Diffusion WebUI 启动报错:AttributeError: ‘MessageFactory’ object has no attribute ‘GetPrototype’ Stable Diffusion web UI sd-webui-roop 【技术分享】ComfyUI中protobuf版本兼容性问题的优雅解决方案:猴子补丁实战 告别环境崩溃:ONNX 与 Protobuf 版本兼容性指南 一、问题背景 最近在使用 Stable Diffusion WebUI(v1.10.1)时,安装了 sd-webui-roop 插件后,启动时出现了一个非常典型的 Protobuf 版本冲突错误: AttributeError: 'MessageFactory' object has no attribute '

2026年,我整理了中国 200 多家机器人(具身智能)公司名单

2026年,我整理了中国 200 多家机器人(具身智能)公司名单

近几年,机器人行业突然变得异常热闹。尤其是2022年9月特斯拉首次亮相具身智能人形机器人 Optimus 之后,国内外都掀起了一波浪潮。2023年之后,国内出现了一批新的人形机器人公司,为了更好地理解这个行业,我整理了一份中国机器人企业名单,包含200 多家企业,涵盖人形机器人、工业机器人、移动机器人、服务机器人、特种机器人等领域。 注:名单中的企业排序没有特殊含义,仅表示本人收集信息的先后顺序。 序号企业简称总部成立时间主营产品网址企业全称1优必选深圳2012年人形机器人、轮式机器人https://ubtrobot.com深圳市优必选科技股份有限公司2宇树科技杭州2016年四足机器狗、人形机器人https://unitree.com宇树科技股份有限公司3智元上海2023年四足、轮式、双足人形机器人、具身模型https://zhiyuan-robot.com智元创新(上海)科技股份有限公司4海康机器人杭州2016年机器视觉、移动机器人https://hikrobotics.com杭州海康机器人股份有限公司5傅利叶上海2015年康复机器人、双足人形机器人、灵巧手https://f

openclaw webUI 空白页问题

部分使用win10安装openclaw,可能会出现OpenClaw启动WebUi,什么也看不到,就显示Not Found,这是因为使用的pnpm或npm安装的,web-ui路径没有指定,新版的没有这个问题了。 如图 解决办法是手动配置we-ui路径 # 一般的安装路径如下: C:\Users\你的用户名\AppData\Roaming\npm\node_modules\openclaw\dist\control-ui 修改openclaw.json文件,添加以下参数 {"controlUi":{"root":"C:/Users/86135/AppData/Roaming/npm/node_modules/openclaw/dist/control-ui"},}

前端加密(常用加密方式及使用)

一. 什么是前端加密?(先纠正一个常见误区) 前端加密,指的是在浏览器(js环境)中,对数据进行加密/签名/混淆/校验等操作,再发送给后端 重要认知: 前端加密 ≠ 绝对安全 前端代码是可被查看,可被调试,可被篡改的.  所以前端加密的核心目的不是[防止高手],而是:  * 防止明文传输 * 防止低成本抓包,脚本刷接口 * 提高攻击门槛 * 与后端做配合校验 二 . 前端常见的加密[分类] 1. 哈希(不可逆) : (哈希也叫散列,是一种将任意长度的输入如数据,文件,消息)通过哈希函数转换成固定长度输出的过程,这个输出通常成为哈希值,散列值或摘要 用途:  1. 密码处理 2. 签名校验 3. 数据完整性校验 常见算法:  1. MD5(已不安全)