Part 1

总体架构与核心原理

从可验证公平机制到分层RTP的完整技术栈全景。本页每个公式都对应引擎中真实运行的代码。

1.1 系统架构全景

📐 架构核心思想 —— 把每款游戏拆解为三层:【结果生成层】负责用可验证公平机制产出随机数; 【玩法映射层】把随机数翻译成游戏结果;【表现渲染层】负责美术呈现。三层解耦,才能实现「一套算法、千种皮肤」的工业化生产。

1.2 可验证公平机制(Provably Fair)

动手验证

全部 10 款游戏共用同一套随机数生成基础,这是 momo mini q 最大的信任资产。

result = HMAC-SHA256(server_seed, client_seed : nonce) 服务器种子 + 客户端种子 + 递增nonce → 唯一确定的256位哈希
核心RNG类:全部 10 款游戏的随机数生成基础
🔐 信任机制关键点
① 开局前只公开 server_seed 的哈希值(承诺);② 玩家可自定义 client_seed; ③ 玩家 revoke 后公开原始 server_seed,任何人可复现全部结果;④ 整个流程链上可审计。 这是 momo mini q 与传统闭源方案的核心区别。
本页实时执行 · JS 实现与 Python 伪代码逐位一致

1.3 RTP(返奖率)数学基础

RTP = E[Payout] / E[Bet] = Σ (Pᵢ × Multiplierᵢ) 所有可能结果的(概率 × 倍数)之和
House Edge = 1 - RTP 庄家优势 = 1 - 返奖率
▸ Coinflip RTP 反推示例

      
Var(X) = Σ Pᵢ × (Multiplierᵢ - RTP)² 方差 = 各结果偏离RTP的平方期望
⚡ 三个数学量决定一款游戏的性格
RTP(长期返奖率,决定长期玩家体验)· Variance(波动性,决定单局刺激感)· Max Multiplier(最大倍数,决定病毒传播潜力)。这三个数字调好了,游戏性格就定了。

10款游戏 · 三个数学量对照

6.2 技术栈选型建议