GoldenSeed - 代理的确定性熵

当你每次都需要相同结果时的可复现随机性。

功能说明

GoldenSeed 从微小的固定种子生成无限的确定性字节流。相同种子 → 相同输出，始终如此。完美适用于：

• - ✅ 测试可复现性：通过重放精确的随机序列调试不稳定的测试
• ✅ 程序化生成：从种子创建可验证的游戏世界、艺术、音乐
• ✅ 科学模拟：可复现的蒙特卡洛、物理引擎
• ✅ 统计测试：完美的50/50抛硬币分布（可证明公平）
• ✅ 哈希验证：证明输出来自声明的种子

不适用范围

⚠️ 非加密安全 - 请勿用于密码、密钥或安全令牌。加密用途请使用 os.urandom() 或 secrets 模块。

快速开始

安装

bash
pip install golden-seed

基本用法

python
from gq import UniversalQKD

使用默认种子创建生成器

gen = UniversalQKD()

生成16字节块

chunk1 = next(gen) chunk2 = next(gen)

相同种子 = 相同序列（可复现性！）

gen1 = UniversalQKD() gen2 = UniversalQKD() assert next(gen1) == next(gen2) # 始终相同

统计质量 - 完美的50/50抛硬币

python
from gq import UniversalQKD

def coinfliptest(n=1000000):
演示完美的50/50分布
gen = UniversalQKD()
heads = 0

for _ in range(n):
byte = next(gen)[0] # 获取第一个字节
if byte & 1: # 检查最低有效位
heads += 1

ratio = heads / n
print(f正面: {ratio:.6f} (期望值: 0.500000))
return abs(ratio - 0.5) < 0.001 # 在0.1%范围内

assert coinfliptest() # ✓ 每次通过

可复现测试

python
from gq import UniversalQKD

class TestDataGenerator:
def init(self, seed=0):
self.gen = UniversalQKD()
# 跳转到种子位置
for _ in range(seed):
next(self.gen)

def random_user(self):
data = next(self.gen)
return {
id: int.from_bytes(data[0:4], big),
age: 18 + (data[4] % 50),
premium: bool(data[5] & 1)
}

相同种子 = 每次相同的测试数据

def testuserpipeline(): users = TestDataGenerator(seed=42) user1 = users.random_user()

# 再次运行 - 相同结果！
users2 = TestDataGenerator(seed=42)
user1again = users2.randomuser()

assert user1 == user1_again # ✓ 可复现！

程序化世界生成

python
from gq import UniversalQKD

class WorldGenerator:
def init(self, world_seed=0):
self.gen = UniversalQKD()
for in range(worldseed):
next(self.gen)

def chunk(self, x, z):
在坐标处生成确定性区块
data = next(self.gen)
return {
biome: data[0] % 10,
elevation: int.from_bytes(data[1:3], big) % 256,
vegetation: data[3] % 100,
seed_hash: data.hex()[:16] # 用于验证
}

从单个种子生成无限世界

world = WorldGenerator(world_seed=12345) chunk = world.chunk(0, 0) print(f生物群系: {chunk[biome]}, 海拔: {chunk[elevation]}) print(f可验证哈希: {chunk[seed_hash]})

哈希验证

python
from gq import UniversalQKD
import hashlib

def generatewithproof(seed=0, n_chunks=1000):
生成带哈希证明的数据
gen = UniversalQKD()
for _ in range(seed):
next(gen)

chunks = [next(gen) for in range(nchunks)]
data = b.join(chunks)
proof = hashlib.sha256(data).hexdigest()

return data, proof

任何拥有相同种子的人都可以验证

data1, proof1 = generatewithproof(seed=42, n_chunks=100) data2, proof2 = generatewithproof(seed=42, n_chunks=100)

assert data1 == data2 # ✓ 相同输出
assert proof1 == proof2 # ✓ 相同哈希

代理用例

调试不稳定测试

当你的测试有时通过有时失败时，用GoldenSeed替换随机值以重现精确场景：

python

替代：

import random
value = random.randint(1, 100) # 每次不同

使用：

from gq import UniversalQKD gen = UniversalQKD() value = next(gen)[0] % 100 + 1 # 相同种子得到相同值

程序化艺术生成

使用可验证种子生成艺术、音乐或NFT：

python
def generate_art(seed):
gen = UniversalQKD()
for _ in range(seed):
next(gen)

# 生成确定性艺术参数
palette = [next(gen)[i % 16] for i in range(10)]
composition = next(gen)

return create_artwork(palette, composition)

种子42始终产生相同的艺术品

art = generate_art(seed=42)

竞技游戏公平性

通过共享种子证明游戏结果的公平性：

python
class FairDice:
def init(self, game_seed):
self.gen = UniversalQKD()
for in range(gameseed):
next(self.gen)

def roll(self):
return (next(self.gen)[0] % 6) + 1

玩家可以通过运行相同种子验证投掷结果

dice = FairDice(game_seed=99999) rolls = [dice.roll() for _ in range(100)]

共享种子99999 - 任何人都可以验证相同的序列

参考

• - GitHub: https://github.com/COINjecture-Network/seed
• PyPI: https://pypi.org/project/golden-seed/
• 示例: 参见仓库中的 examples/ 目录
• 统计测试: 参见 docs/ENTROPY_ANALYSIS.md

多语言支持

跨平台相同输出：

• - Python（本技能）
• JavaScript（examples/binaryfusiontap.js）
• C, C++, Go, Rust, Java（参见仓库）

许可证

GPL-3.0+，对军事应用有限制。

详情请参见仓库中的LICENSE。

---

记住：GoldenSeed 用于可复现性，而非安全性。当调试失败、需要相同测试数据或生成可验证的程序化内容时，GoldenSeed 为你提供具有统计质量的确定性。加密用途请使用 secrets 模块。