名人在本工具中指任何被广泛认知的公众人物——演艺人员、运动员、科学家、历史人物、商业领袖。工具从约 200 个精选名字中按等概率随机抽取，名字按 10 个分类组织。先勾选一个或多个分类缩小候选池，设定抽取数量后，工具返回一组不重复的样本，并在每位人物旁标注所属分类。
抽取算法的工作流
工具先按勾选的分类过滤完整数据集，再对剩余名字执行 Fisher-Yates 洗牌，从打乱后的列表顶端取出指定数量的人选。这保证一次抽取中不会出现重复名字，候选池里的每个人都有相同的入选概率。洗牌算法对名字数量是线性时间，即便从全部 200 位人物中抽取数十个，也能在微秒级完成。
数据集的构成
10 个分类，数量按该分类在常识与流行文化中出现的频率分配：演员 30 位、音乐人 30 位、运动员 25 位、科学家 20 位、历史人物 30 位、政治人物 15 位、作家 15 位、科技领袖 15 位、电影导演 10 位、视觉艺术家 10 位。列表混合当代与历史人物，因此一次抽取可能同时出现 Marie Curie 与 Beyoncé，或者牛顿与 LeBron James。全部条目均为被广泛认知的公众形象，不收录普通个人。
常见使用场景
- 比划猜词（charades）、知识竞答、聚会小游戏中临时需要一个名字的场合。
- 写作开题：从随机抽到的历史人物或当代明星出发，写小说人物速写或随笔。
- 课堂或工作坊破冰：抽到一位名人后，让参与者说说这位名人会做哪道菜，作为简短的互动。
- 社交媒体话题：将一次抽取的两个名字配对，构造假想对话或虚构传记电影的选角。
为什么用精选清单而不是 Wikipedia API
实时调用 Wikipedia 之类的接口可以拿到上百万个名字，但其中绝大多数对普通读者来说陌生——地方政客、冷门运动员、专业领域学者。约 200 人的精选清单保证每次抽到的都是大众层面能认出的名字，而这正是「随机名人」类玩法真正需要的产物。代价是覆盖宽度有限：本工具不会抽到小众 YouTuber 或刚出道的偶像。如果长尾人物是需求重点，社区维护清单或垂直领域 API 会更合适。
FAQ
Q: 同一次抽取中会出现重复的名字吗？
A: 不会。工具采用无放回方式抽取，单次结果中每个名字都唯一。只有跨次抽取之间，才可能出现同一个人。
Q: 为什么某位名人没有出现在结果里？
A: 数据集精选约 200 个条目，目标是让每个名字都能被普通读者认出。小众粉丝圈、地方体育联赛、近期靠短视频走红的人物可能没有收录。清单会随时间持续扩充。
Q: 横跨多个领域的人物按什么分类？
A: 每位人物都打上最具代表性的标签。例如 Frida Kahlo 同时是画家和文化偶像，本工具将其归入「历史人物」而非「艺术家」，因为前者更贴近她在文化语境中常见的提及方式。多重身份的人物以最为人所知的角色为准。
Q: 能否只抽某一国家或某一时代的名人？
A: 暂时不支持。分类筛选跨国家与年代——例如「历史人物」一栏里同时收录 Cleopatra、Joan of Arc 和 Anne Frank。国家与年代维度的筛选已列入后续版本计划。