rpick 是一个命令行工具，它可以帮助您使用可配置的算法从列表中选择项目。

此工具的一个示例用法是选择餐厅。您可能希望通常去您很久没去过的餐厅，但您也可能不想使用严格的最近最少使用模型，并使用一些随机元素来使事情变得更有趣，比如最近最少访问的餐厅会有更高的机会。

安装

您可以使用 Arch AUR 软件包安装 rpick

$ git clone https://aur.archlinux.org/rpick.git
$ cd rpick
$ makepkg -sirc

或者在 Fedora 中

$ sudo dnf install rpick

或者在 Gentoo 中

$ sudo emerge app-misc/rpick

或者在 MacOS 中，假设您已经安装了 brew

$ brew install rust
# Be sure to read the output of this command and adjust your PATH as instructed.
$ cargo install rpick

如果您不使用上述系统之一，rpick 也可以在 crates.io 上找到。您可以通过首先 安装 Rust，然后使用 Rust 的 cargo 工具安装 rpick 来安装 rpick。

# Be sure to read the output of this command and adjust your PATH as instructed.
$ cargo install rpick

快速开始

rpick 将其状态保存在您家目录的配置目录中名为 rpick.yml 的 YAML 文件中。目前，用户必须手动创建此文件，rpick 将从那里进行管理。要开始使用一些示例，请在 Linux 中创建 ~/.config/rpick.yml，在 MacOS 中创建 ~/Library/Preferences/rpick.yml，或在 Windows 中创建 C:\Users\Alice\AppData\Roaming\rpick.yml，如下所示

---
prs:
  model: even
  choices:
    - paper
    - rock
    - scissors
restaurant:
  model: gaussian
  choices:
    - Spirits
    - Lucky 32
    - Centro
    - Sitti
    - Cookout

然后您可以让 rpick 为您选择一个剪刀石头布的游戏

$ rpick prs
Choice is scissors. Accept? (Y/n)

请注意，对于剪刀石头布使用高斯模型是不好的，因为您在猜测该模型结果方面有统计优势。让我们看看高斯模型

$ rpick restaurant
Choice is Lucky 32. Accept? (Y/n)

如果您说“是”，由于我们使用了高斯模型，它将像这样重写 yaml 文件

---
prs:
  model: even
  choices:
    - paper
    - rock
    - scissors
restaurant:
  model: gaussian
  stddev_scaling_factor: 3.0
  choices:
    - Spirits
    - Centro
    - Sitti
    - Cookout
    - Lucky 32

请注意，在调用 rpick 时，我们传入了参数 prs 和 restaurant - 这告诉 rpick 在 rpick.yml 中查找这些对象，以确定使用哪些模型以及有哪些选项可用。此参数是必需的，但其可能值由你在配置文件中定义。

配置文件中的 model 字段定义了从给定的选项中选择时使用哪个数学模型。有关可用的模型及其配置的更多信息，请参阅下面的“模型”部分。

它为您原来的餐厅对象添加了一个设置：stddev_scaling_factor。您可以在下面的高斯模型文档中了解更多关于此设置的信息。

参数

CLI 接受一些参数

• -c/--config：这可以用来指定用于 rpick 的配置文件的备用路径。您还可以设置 RPICK_CONFIG 环境变量。
• -h/--help：打印帮助文本。
• -v/--verbose：打印有关选择的更多信息。
• -V/--version：打印 rpick 版本。

模型

rpick 能够使用几种不同的选择算法：均等、高斯、库存、彩票、LRU 和加权。

均等

even 分布模型是最简单的选择模型。它会给列表中要选择的每个字符串项均等的机会。它需要两个键

• model：必须将此设置为字符串 "even"，以选择此模型。
• choices：这是一个字符串列表，是模型选择的选项。

示例

convertible_top:
  model: even
  choices:
    - up
    - down

在使用 rpick 进行此用例之前，您可能需要查看天气...

高斯

要了解高斯分布模型，我们首先需要研究 这个 XKCD 漫画

gaussian 分布模型更复杂。它使用 高斯分布 来优先选择最近较少被选择的选项。列表顶部附近的选项被选中的概率最高，而列表末尾的选项被选中的概率最低。一旦选中一项，并且用户接受了该选择，该列表就会被保存到磁盘上，选中的项目将被移动到列表末尾。此模型接受三个键

• model：必须将此设置为字符串 "gaussian"，以选择此模型。
• stddev_scaling_factor 用于计算标准差；标准差是选择列表长度的除以这个缩放因子。因此，较大的缩放因子将导致列表顶部项目的偏好更强，而较小的缩放因子将导致选择在项目间更加均匀分布。请注意，缩放因子越小，平均而言，rpick做出决策所需的时间越长。默认值为 3.0，这是因为它将列表中的最后一个项目放在三个标准差的位置，使其有0.03%的机会被选中。此键是可选的，默认为3.0。
• choices：这是一个字符串列表，是模型选择的选项。

示例

album:
  model: gaussian
  stddev_scaling_factor: 5.0
  choices:
    - Fountains of Wayne/Fountains Of Wayne
    - Beck/Odelay
    - "Townes Van Zandt/High, Low and In Between"
    - Tori Amos/From The Choirgirl Hotel
    - Zao/Parade Of Chaos

为了展示此模型的相对频率的直观表示，这里是一个图表，该图表是通过调用高斯模型10,000次生成的，选择设置为从0到99的数字，默认 stddev_scaling_factor 为 3.0

库存

inventory 分布模型是 weighted 模型的动态版本。每个选择都有一个影响它们在这个回合被选中可能性的彩票数量。一旦选中一个项目，它就会丢失一张彩票，即减少该特定项目的库存量。它接受两个键

• model：必须将该字符串设置为“inventory”，以选择此模型。
• choices：必须是一个对象列表。每个对象接受两个键
  • name：这是必需的，是选择的名字。
  • tickets：此选择当前拥有的彩票数量。这是可选的，为整数，默认为1。

示例

tea:
  model: inventory
  choices:
    - name: "Tea… Earl Grey… Hot"
      tickets: 15
    - name: Black
      tickets: 2

彩票

lottery 分布模型也是 weighted 模型的动态版本。每个选择都有一个影响它们在这个回合被选中可能性的彩票数量。一旦选中一个项目，它就会将其彩票重置为 reset 张彩票，而每个未被选中的选择都会获得更多彩票。它接受两个键

• model：必须将该字符串设置为“lottery”，以选择此模型。
• choices：必须是一个对象列表。每个对象接受四个键
  • name：这是必需的，是选择的名字。
  • reset：选择被选中时重置的彩票数量。默认为0。
  • tickets：此选择当前拥有的彩票数量。这是可选的，为整数，默认为1。
  • weight：这是一个整数，表示在选择未被选中时分配给此选择的彩票数量。您可以使用它来影响此项目相对于其他选择的偏好频率。这是可选的，默认为1。

示例

activity:
  model: lottery
  choices:
    - name: exercise
    - name: read documentation
    - name: watch tv
      weight: 1000

LRU

lru（最近最少使用）模型是一个简单的有序FIFO（先进先出）列表。最少最近被选中的项目是列表中的第一个项目。每次选择时，rpick会简单地选择用户说“是”的列表中的第一个项目，然后将该项目移动到列表的末尾。它接受两个键

• model：必须将该字符串设置为“lru”，以选择此模型。
• choices：必须是一个字符串列表。最少最近被选中的项目应位于列表开头。

示例

code:
  model: lru
  choices:
    - Add a feature
    - Fix a bug
    - Write some docs

加权

weighted 分布模型是 even 模型的一个更通用版本，允许您为每个选择表达不同的权重。它接受两个键

• model：必须设置为字符串“weighted”，以便选择此模型。
• choices：必须是一个对象列表。每个对象接受两个键
  • name：这是必需的，是选择的名字。
  • weight：这是一个表示选择的权重的整数。它是可选的，默认为1。

示例

cereal:
  model: weighted
  choices:
    - name: generic bran flakes
    - name: cracklin oat bran
      weight: 1000

变更日志

请参阅变更日志。

贡献

如果您想为rpick做出贡献，请给我发送一个补丁！

如果您系统上有podman，有一个方便的Makefile用于开发。它的默认目标是帮助菜单，用于描述可用的目标。

# Note that root is not required.
$ make check

podman开发环境在config.yml中查找rpick配置。