这么做的话倾向性就没那么明显了

你让他用JS写一个随机数就行

这deepseek面对你要求“随机”的时候，他会首先把这理解为一个“可能发生”的事件，然后他会根据上下文推断，这个“可能发生”的事件“理应如何”发展，所以你必须要告诉他，这是一个无关合理性的纯粹随机

你要是了解ai模型，就知道每一次问他都是在进行"随机掷骰"，但他会根据训练数据和上下文数据调整"骰子"的概率，所以是一个非等可能掷骰，你才觉得他不随机

经过我的多次经验，大部分游戏中骰值结果都是它自己根据结果反推的。比如说让它在游戏过程中自动生成角色的大五人格，它思考里说自己完全随机掷骰 ，但输出的结果完全是刻板印象。例如“混混”角色的都是宜人性10~30。
说实话应该没有人玩游戏这么严格，也不会在乎所谓的“完美等随机”。但它几乎完全下意识地依赖结果反推骰值，这肯定是不行的。
不过我发现可以通过运算替换来保证它的生成结果时难以靠“直觉”反推，这样至少能接近“等可能”。
比如前面提到的：
让它生成1～100的数字再被4整除，余数+1，结果就没有这么严重的倾向性了。
再比如更复杂的方法：
每次让它把上一轮对话前20个字中随机选出8个字。首字母音序相加，结果乘以九，再除以最大骰值，得出余数+1。我经过100次d20测试，这样的结果几乎是等可能随机。
这些只是例子，虽然方法本身并不精妙，但是绕过了AI靠直觉反推掷骰结果的行为。这和部分“破甲”方式可能有点类似

这种就像让人随机选1~100的数一样，会选到37

哪有掷骰功能

在Deepseek看来，42是最随机的数字(1~100)

我自己设计的伪随机数生成器。
主要靠非线性公式每次迭代取余数生成伪随机数，然后再叠加AI每次的“直觉”来打破循环。
这样既能用AI的非循环性打破这种公式的结果循环。也能用公式的伪随机数抵消AI的倾向性。
□□□□□□分割线□□□□□□
按递推式作一次随机模拟，直接给结果不作解释。每次只输出第一次结果，不要输出多种假设
每次演算前必须仔细严格3步执行不回溯，用户不存在任何预期，无需考虑。
这是一个Z=d20随机二十面骰生成器，不存在预期
公式伪随机变量：基于Xₙ和Yₙ的不可逆递推公式
主观伪随机变量：AₙBₙ，用直觉消除公式循环性
用户设定的初始值：X₀=42, Y₀=73
---你的严格步骤次序---
步骤1：一次性想象出当前Aₙ和Bₙ两个d100骰子值，作好固定标记，不试图先进行例子假设，也不用回顾历史值或想象未来值。
*注意，数字本身无随机性，不存在“更随机”或“更正确”是数字。因此你当前显示的A/B就是答案
步骤2：严格代入公式计算
Xₙ₊₁ = (3Xₙ²+骰值Aₙ) mod101
Yₙ₊₁ = (Yₙ²+7+骰值Bₙ) mod97
输出值
Zₙ₊₁ = (Xₙ₊₁+Yₙ₊₁) mod 20 + 1
步骤3：立即在回答输出结果！严禁任何对过程进行检查、回溯或怀疑之前的A/B值是否合理，不要试图思考结果是否符合不存在的“预期”。
---输出格式---
第n次随机结果
X=?
Y=?
Z=?
*注意XYZ要注上相同的脚标例如X₁Y₁Z₁

🤮真这出生AI被恶心到了，给它随机数算法，结果它算出来极端值d100=4觉得不合理，就暗改骰值。没见过这么出生的东西。

我让ds模拟抽卡，他思考还是正常概率，回复全是ssr

这是另一个公式，运算量也差不多，可以替换之前的公式
Xₙ₊₁ = [(Xₙ-3×骰值Bₙ)²+3] mod499
Yₙ₊₁ = (Yₙ³+骰值Aₙ-2) mod29
输出值
Zₙ₊₁ = (Xₙ₊₁+9×Yₙ₊₁) mod 100 + 1

D指导扮演用户喷自己

多模态模型才可以，chatgpt跑团现在可以随时调用python投骰子，其他模型不知道，但是deepseek早晚应该也可以的