盲盒概率推测 (Blind-box Clue Probability)
Purpose
用户准备买盲盒（或玩"抽盒"游戏），会拿到一张线索图：图上按盒子排布，每个
盒子标注了两个错误选项（即"这个盒子里一定不是 X、不是 Y"）。本 Skill 根据这些
排除线索，穷举所有合法摆放方式，计算每个品种落在每个盒子里的百分比概率，并
输出一张清晰的统计表。若用户额外给出了已确定的分配（如"4 号就是雨"），也一并纳入。
When to use
- 用户发来一张盲盒线索图 / 排除线索，问"每个品种在哪个盒子的概率最大"。
- 用户给出若干盒子、每个盒子排除几个品种，要求推测概率分布。
- 任何需要把"排除法线索"转换为"概率统计表"的盲盒/抽卡/分配类问题。
- 用户已确定想买哪些款式、避开哪些款式，问"应该按什么顺序抽盒最划算 / 最快抽到想要的"。
- 触发语包括：抽盒顺序、最优抽盒、想要 A 不想要 B、先买 A 再买 B、盲盒怎么抽。
Workflow
1. 解析线索（从图片或文字提取约束）
- 若用户提供图片：使用 Read 工具读取该图片（支持多模态），识别：
- 全部品种/产品名称（如 风、雨、阳、电、霞、雪）。
- 盒子编号（1 号、2 号……或任意标签）。
- 每个盒子标注的两个错误选项（被排除的品种）。注意图片可能用"✗""不是"
"排除"等标记，也可能用灰色/划掉的写法，需准确识别。 - 若用户提供文字：直接整理出上述三项。
- 把识别结果先以表格形式复述给用户确认，避免认错线索。
2. 构建约束规格 JSON
按 references/spec_format.md 的格式，写出一份规格，例如：
{
"products": ["风","雨","阳","电","霞","雪"],
"boxes": ["1","2","3","4","5","6"],
"exclusions": {
"1": ["雨","风"],
"2": ["雨","雪"],
"3": ["风","阳"],
"4": ["雪","霞"],
"5": ["风","电"],
"6": ["雨","阳"]
},
"fixed": {}
}
exclusions：每个盒子一定不包含的品种（线索图上的两个错误选项）。fixed（可选）：用户明确确定的分配，如"4": "雨"。
3. 运行计算引擎
将规格写入临时文件（如 /tmp/blindbox_spec.json），执行：
python3 scripts/blindbox.py /tmp/blindbox_spec.json
也可从 stdin 传入：echo '{...}' | python3 scripts/blindbox.py。
引擎会输出：
- 满足约束的合法排列总数；
- 每个盒子可能的品种清单；
- 概率分布文本表 + Markdown 统计表。
4. 呈现结果
- 直接把 Markdown 统计表展示给用户。
- 补充"最可能"提示：例如"阳最可能出现在 5 号（47.6%）"。
- 若合法排列数 > 1，说明线索不足以唯一确定，提示用户可补充更多确定项
（如再固定某盒品种）以收敛；若合法排列数 = 0，说明线索自相矛盾，请用户复核图片。
Workflow B — 最优抽盒顺序（基于目标 want / avoid / 顺序）
在 Workflow A（拿到概率表、确认约束正确）的基础上，进一步按用户的购买目标
给出抽盒顺序。目标可由自然语言直接解析，也可结构化传参。
1. 解析用户的购买目标
询问或直接解析用户想要的 / 想避开的款式，以及集齐时是否有优先级：
"我想要 A 或 B"→ 任一模式（want 中抽到任一款即停）"我想要 A 和 B"（及 / 并列）→ 集齐模式（无序）"我想要 先 A 再 B"/"A 然后 B"→ 集齐模式（有序，按声明优先级）"不想要 / 避开 C"→ avoid 惩罚（与上述任意模式叠加）
也可结构化传参：--want A,B --avoid C --mode collect --order A,B。
2. 运行抽盒顺序引擎
将 Workflow A 生成的规格文件与目标的文字一并交给引擎：
# 自然语言目标
python3 scripts/draw_order.py /tmp/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"
# 结构化目标
python3 scripts/draw_order.py /tmp/spec.json \
--want 背着太阳跑,晚霞棉花糖 --avoid 雨天小铠甲 --mode collect
# 有序 + 限定预算（统计 N 抽内成功率）
python3 scripts/draw_order.py /tmp/spec.json \
--goal-text "我想要先雨天小铠甲再背着太阳跑" --budget 4
3. 引擎输出解读
- 模式解析 与
λ（避开惩罚权重）。 - 期望抽中次数 / 平均撞到 avoid 盒数 / budget 内成功率。
- 推荐第一抽 + 首抽各盒评估表（若以此盒为首抽的期望抽中次数）。
- 首抽应对表：第一抽开出某款时，下一抽建议开哪个盒（自适应策略）。
- 有序模式会额外对比"顺序反过来"的期望次数，印证购买顺序会影响期望次数。
4. 算法要点
- 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"带来的优先级权衡。 - 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。
Notes / 边界情况
- 穷举复杂度为 N!（N 为品种数）。日常盲盒 N 通常 ≤ 8，完全可用；若 N 过大
会较慢，可提示用户缩小规模。 - 同一品种在同一张图上既被排除又被固定会触发合法性报错，引擎会拒绝执行。
- 概率表每一行之和 = 100%（每个品种必然落在某个盒子里），可用此校验读图是否漏看。
