随机分组完全指南：团建 / 课堂 / 项目协作

JavaScript 里很多人这样写分组：

const shuffled = array.sort(() => Math.random() - 0.5);

这完全错误。为什么？因为 sort() 的内部实现（快排或归并排）对不同比较函数的调用有特定顺序，而 Math.random() - 0.5 产生的伪随机数不符合 sort 的"传递性"假设。结果是：某些元素反复被交换，某些元素被略过，最终分布严重不均。

正确方法：Fisher-Yates Shuffle

for (let i = arr.length - 1; i > 0; i--) { const j = Math.floor(Math.random() * (i + 1)); [arr[i], arr[j]] = [arr[j], arr[i]]; }

这个算法保证每种排列的概率相等（1 / n!），真正做到了完美随机。本工具的分组底层使用此算法或同等的密码随机数洗牌。

实际差异：10 个人，sort(Math.random()) 可能让 A、B、C 三个关系户连续排在前三名（概率虽低但能发生）；Fisher-Yates 保证任何三个人在"分组后恰好同一小组"的概率完全相等，无偏无倚。

平均分配："10 个人分成 3 组"，工具自动分配成 4、3、3。 - 优点：简单、无需手动指定 - 缺点：如果组数无法整除，必然有组人数不同（3 组 10 人 → 必然 4/3/3）

固定每组人数："分成若干组，每组必须 3 人"。10 个人最后成 3 组 + 1 人无法分配。 - 优点：每组规模一致，便于分配同样的任务 - 缺点：某些人可能无法分入任何组（必须调整总人数或组数）

实务建议： - 团建破冰分组 → 用平均分配（7 个人分成 3 组可以 3/2/2，灵活） - 项目开发分组 → 用固定每组 3 人（每个小组配置一样：1 个 leader、2 个成员） - 教学小组实验 → 固定每组 4 人（刚好一台显微镜、一套实验装置）

本工具支持两种模式，选择时考虑"任务是否对组大小敏感"。

简单随机分组的问题：12 个学生参加编程竞赛，3 个技术大牛如果全进同一组，其他三组的同学怎么活？

方案：轮流分配

1. 对所有人做"能力评分"（1-5 分，或技能标签）。
2. 按评分排序（从高到低）。
3. 第一个人分到第 1 组，第二个人分到第 2 组，第三个人分到第 3 组，第四个人又分回第 1 组，如此往复（"蛇形分配"或"轮转分配"）。

结果：每组都有 1 个强手、若干中等生、若干弱手，搭配均衡。

进阶：基于技能矩阵

如果有多个维度（如 Python、JavaScript、系统设计、沟通能力），可以构建一个简单的评分矩阵：

用"总分轮转"分组，或更细粒度地用"确保每组至少有 1 个 Python 高手"的规则来分。

本工具功能：在"添加成员"时可打标签（如 @Senior、@Junior），工具能帮你快速看每组的标签分布是否均衡。

场景 1：夫妻档必须同组

公司年会团建，有三对夫妻参加（共 6 人）加 4 个单身同事，共 10 人分成 2 组。

• 解决方案：把每对夫妻看作一个"单元"，而不是拆散的个体。10 人 → 5 个单元 → 分成 2 组。结果是某组 2 个单元 + 1 个单身，另一组 2 个单元 + 1 个单身。
• 本工具支持"团队模式"，可以把多个人标记为一个小组，分组时保持他们在同一大组。

场景 2：两个人关系不好，不能同组

团队中 A 和 B 有冲突，分组时要避免他们在一个小组。

• 简单方案：先用 Fisher-Yates 随机分组，检查 A 和 B 是否同组，如果同组就重新打乱。但这违反了"严格随机"的原则，容易引发不满（如果第 3 次重新分组恰好把某个人排出好位置，此人会怨言）。
• 更好方案：用约束满足（CSP）求解，确保一开始的分组就不包含这种冲突。但这对一般工具来说太复杂。
• 实务建议：把"不能同组"的人事问题上报给管理者，分组工具本身不应该成为"隐瞒冲突"的工具。如果分组工具被用来躲避团队问题，迟早还是会爆发。

本工具的做法：支持"黑名单模式"（A、B 之间连一条禁止线），算法尝试生成满足约束的分组。如果无法满足（比如 3 个人互相冲突，必然有两个在一组），工具会提示"约束过多，无法分组"。

轮换分组（鼓励交流）

小学数学课，全班 30 人，每单元做一次分组讨论（小组 4 人）。如果每次都用同样的分法，某些内向的孩子可能被边缘化；如果每次都彻底随机，孩子们互相不熟悉，协作效率差。

最佳实践：定期轮换（每两周或每个单元更换一次）

• 第一单元：用本工具随机分组，孩子们磨合。
• 第二单元：生成一个"不同的随机分组"（工具记住第一次的分法，确保本次分组尽可能和上次不同）。结果是每个孩子在不同单元和不同同学搭档，扩大社交圈，但又给予足够的稳定性。

长期项目搭配（稳定性优先）

高中物理小组实验，全年要做 10 个实验。如果分组频繁变化，孩子们团队凝聚力差。

最佳实践：季度轮换

• 第一季度：第一次随机分组，4 个实验在这个组里
• 第二季度：生成新的随机分组（打乱第一季度的队伍，但保留部分"因果"），4 个新实验

这样既避免了全年不变导致的陈腐感，又给予了足够的团队建设时间。

老师的权限：本工具支持"草稿模式"，可以手动调整分组结果后再发布。如果某个分组看上去有明显的"能力失衡"（比如全新手在一组），老师可以拖动成员调整，而不是非要信任算法。

年会团建，目标是打破部门壁垒，让陌生人互相认识。此时随机分组是最好的选择，因为：

1. 破坏旧有关系：避免同部门的人聚在一起，强制"跨部门交流"。
2. 营造公平感：没人能说"分组对我不利"，因为是机器随机的。
3. 节省时间：不用人工分组，不用听各种协商和怨言。

最佳流程：

1. 提前一周发起报名，收集所有参与者名单和部门（可选）。
2. 活动当天，在大屏幕上投影分组工具的"部门均衡模式"（确保每组都有来自不同部门的人）。
3. 点击"开始分组"，大屏幕动画显示洗牌和分组过程（视觉上让人相信是真随机）。
4. 分组完成后，立即公布结果（大屏幕 + 微信群邮件通知）。
5. 各小组组长自我介绍，确认成员，然后进行团建活动。

动画设计：转盘转 2-3 秒、人名飘落、最后在四个区域收集 — 这种"视觉随机化"比冷冰冰的表格更能让人相信公平性。本工具的界面考虑了这一点。

敏感考虑： - 如果公司有"禁止同组人员"（比如项目机密组不能和其他部门同组），提前告诉工具配置黑名单。 - 如果某个员工身体残障需要特定的组位置（如靠近门口方便轮椅进出），分组后手动调整即可。 - 如果某些人因故无法参加，分组时去掉他们的名字，活动当天再临时补充。

有人会问："我用你的工具分了两次组，为什么结果都是 A、B、C 一组、D、E、F 一组……？"

原因 1：样本量小

5 个人分成两组，理论上有 C(5,2)/2 = 10 种本质不同的分法。如果用工具分 10 次，确实可能看到同样的结果。这不是 bug，是概率论。

原因 2：密码随机数的周期性

crypto.getRandomValues() 使用系统的随机源（/dev/urandom），周期极长，日常不会重复。但如果你在极短时间内（同一毫秒）连续调用两次，操作系统的随机源可能还没刷新，会返回相同的数字。本工具的做法是加入"时间戳混淆"和"计数器"确保即使快速连续调用也会产生不同结果。

原因 3：期望心理

人脑对"完全不同"有很高的期望。如果你手动分组 10 次，其中有两次巧合地相同，你会记得这两次；其他 8 次不同的你会忽视。这叫"可用性偏差（Availability Bias）"。

验证工具的公平性：

本工具支持"统计模式"，可以一次性分组 1000 次，统计每个人在"第 1 组"出现的次数。如果是公平的，每个人出现频率应该约等于 1/N（N 为组数）。例如 10 人分 2 组，每人在第 1 组的频率应该约 50%。