简体中文 · English
现代产品源码现已扩充到 product/：推断引擎、桌面 UI、采集与状态、激活续费、服务端、原生源及构建测试。
从产品源码与离线示例开始；公开范围说明需要自行提供的数据、资产与部署配置。
原 auction_inference v0.1.0 API、历史源码和研究内容保持独立。
从对局中的零散线索，到可解释的估值与概率。
BidKing 在竞拍中持续合并件数、格数、品质、技能和道具揭示，提供保守、参考、激进三档出价参考， 并在结算后帮助复盘。这里也提供可独立运行的 Python 推断工具箱、早期桌面实现和可复现的工程案例， 方便从数学方法一路读到实际产品架构。
下载 0.3.6 Windows 成品 · 运行推断示例 · 研究路线：代码、数据与失败案例 · 68秒看 BidKing 与 Grok/Codex · 打开公共数据筛选
2026-10-11：0.3.6 Windows 成品已完成作者选定的验收与发布；本次公开源码另有自建适配及明确的验证范围。
查看热修状态、下载与验证范围。已有GitHub发行及旧资产保留。
公开 Python 推断包仍为独立的 v0.1.0；旧热修1下载继续保留。
最新中文演示依次展示竞价估值与结算复盘、 地图/英雄/日期联合筛选，以及在 Codex 里切换 Grok、调用工具和展示生图结果。 视频时间点与对应源码帮你从感兴趣的一段找到可运行示例。
| 层 | 可以直接获得的内容 | 适合用途 |
|---|---|---|
| Windows 成品 | 实时估价悬浮窗、三档报价参考、候选详情、小地图与结算复盘 | 下载即用；试用与激活按程序内说明 |
| 现代产品源码 | product/ 中的引擎、客户端、采集、认证续费、服务端及构建测试 |
从离线示例入手；自备合法数据、资产和密钥进行开发或自建 |
| Python 推断工具箱 | 严格观测、加权后验、联合枚举、可信集合、校准、敏感性和池模拟 | 接入自己的数据，构建小型推断/估计工具 |
| 早期真实源码 | v0.2.0-hotfix1 的 Tk 主界面、参考引擎、推断和模拟源码 |
阅读真实 UI、状态、推断与展示如何协作 |
| 冻结旧数据 | 最后一个 <0.2.8 版本的地图、英雄、道具、掉落映射和品质权重 |
研究旧版数据建模和表结构；不代表当前游戏 |
| 工程方法 | 测试、CLI、边界验证，以及配套 evidence-first skills | 复用验证、架构调查和 agent 兼容流程 |
| 故障工作流 | 原子JSON快照、刷新请求句柄、远端/本地/恢复分轴结果，9个合成场景 | 直接研究失败边界，为自己的工具构造小而可复现的Issue |
| 研究与适配 | 艾莎旧算法/虚构可见性、TCP/OCR/表工具、C#调度测试、旧数据图 | 从一个反例入手，读真实源码、运行实验并继续研究 |
信息更多，为什么报价反而没了？ 从艾莎的候选窗口开始，读到合成样本与真实可见信息的差异， 再沿旧数据、表结构变更、运行时身份与采集链路逐步加深。 这一层包含真实历史小源码、可运行适配与失败案例。第二批新增后验/评估/生命周期例子，以及 自有Windows程序的身份、符号和冷/暖事件实验。
艾莎四个案例 · 历史数据图谱 · TCP／表差分／OCR · Match10 复盘 · 概率、评估与退出责任 · 自有C++／符号实验
图来自已经公开的冻结旧数据；研究总览提供完整阅读路线、 运行命令、口径解释与贡献题目。研究代码独立于 v0.1.0 稳定包，不需要游戏。
- 不完整观测推断：只知道总数区间、近似值或某些类别时，保留所有可行候选并归一化概率；
- 多字段联合评分：在 log-space 组合硬约束与软证据，避免很小先验下的数值下溢；
- 不确定性解释：输出熵、有效样本量、可信集合和候选拒绝原因；
- 证据影响分析：逐项移除证据，量化后验总变差和 Jensen-Shannon 距离，找出真正主导结果的字段；
- 预测校准检查：用 Brier score、log loss、ECE/MCE 与可靠性分箱检查概率是否可信；
- 可复现模拟：对带权离散池进行有/无放回抽样，固定 seed 重现统计结果。
flowchart LR
A[候选状态 / 自有数据] --> B[严格解析]
B --> C[精确·区间·近似·类别观测]
C --> D[约束过滤 + log-space 评分]
D --> E[后验分布]
E --> F[熵·可信集合·敏感性]
E --> G[校准·池模拟]
F --> H[可解释报告 / 自有应用]
G --> H
from auction_inference import (
ApproximateObservation,
Candidate,
EvidenceTerm,
IntervalObservation,
infer_weighted_posterior,
)
candidates = (
Candidate("compact", {"count": 8, "value": 900}, 0.3),
Candidate("balanced", {"count": 12, "value": 1250}, 0.5),
Candidate("dense", {"count": 16, "value": 1700}, 0.2),
)
evidence = (
EvidenceTerm("count", IntervalObservation(8, 16)),
EvidenceTerm("value", ApproximateObservation(1300, 250)),
)
posterior = infer_weighted_posterior(candidates, evidence)
print({row.label: round(row.probability, 4) for row in posterior.rows})所有维护中 API 只使用 Python 标准库。错误形状、布尔值冒充整数、非有限数和空候选集会 fail closed。
0.3.4 的使用流程可以概括成三步：启动后等待新局，竞拍中自动读取公开信息并持续更新估值， 结算后对照实际结果复盘。点击任一缩略图可查看原图。
① 待机 打开计算器，等待新局 |
② 对局 读取公开信息，实时更新估值 |
③ 结算 对照实际结果，查看差值并复盘 |
查看历史界面
早期紧凑深色布局。
早期实机联动、地图视图与结算推断。
截图中的第三方游戏画面、名称、商标与素材不属于本仓 MIT 许可，详见
NOTICE.md 与截图说明。
| 路径 | 内容 |
|---|---|
src/auction_inference |
当前维护的领域中立推断库 |
calibration.py |
二元概率预测校准与可靠性分箱 |
sensitivity.py |
分布漂移和 leave-one-evidence-out 影响排序 |
examples/ |
约束、后验、联合状态、模拟、适配器、校准与敏感性示例 |
research/ |
可从源仓运行的历史适配、合成模型与C#调度测试；不进入稳定API |
docs/research/ |
研究阅读路线、图谱、来源、失败复盘与未完成实验设计 |
legacy/source-v0.2.0-hotfix1 |
56 个真实早期源码文件，1.59 MB |
legacy/data-v0.2.7-hotfix3 |
7 份冻结旧表，641 KB |
legacy/README.md |
精确来源、哈希摘要、限制与排除项 |
scripts/verify.py |
测试、截图、历史快照和公开边界统一验证器 |
历史层逐文件保持原 Git blob，不是从当前私有源码按文件名回抄；它是只读参考，不属于维护包的 Semantic Versioning 合同。
直接使用计算器： 从上方 Windows 成品链接下载 ZIP，完整解压后，先启动 BidKingLive.exe；
等悬浮窗出现，再从 Steam 启动游戏。需要 Windows 10/11 64位，首次按提示完成设置。
运行开源推断工具箱：
Python 3.10 或更新版本即可：
git clone https://github.com/SeasonCake/bidking-inference.git
cd bidking-inference
python -m pip install .
auction-inference examples/synthetic_session.json
python scripts/verify.py常用独立示例：
python examples/constraint_filter.py
python examples/posterior_summary.py
python examples/joint_posterior.py
python examples/pool_simulation.py
python examples/calibration_and_sensitivity.py
python examples/evidence_lifecycle.py
python examples/failure_workflows.py- 研究总览：从报价异常到数据与运行时
- 68秒演示：时间点、公共数据与源码路线
- 三组可运行故障案例与贡献方向
- 0.3.5-hotfix1 产品状态与当前可复用内容
- 热修1工程案例：观测完整性、跨版本资格与后验
- 公开 API
- 严格输入 schema
- 开源边界
- 历史源码与数据
- 项目关系
- 贡献指南
- 维护与支持
配套仓库 evidence-first-agent-skills
公开了从 BidKing/LC2 工程实践中抽象出的通用流程：浏览器编辑与保存回读、意图确认、架构调查、
结论验证、CLI 合同和 agent 兼容性。另有独立的
Grok/Codex 桌面集成，
包含运行代码、模型/提供方路由及安装说明；复制 Skill 本身不会安装集成。技能可独立安装。
- BidKing 与 Grok/Codex：68秒中文演示
- English demo on X
- BidKing 0.3.4 完整实机演示
- 作者 Bilibili 主页
- 公开代码问题与功能建议：GitHub Issues
- 中文使用交流与版本反馈：QQ 3群
980106659
开源代码采用 MIT；Windows 成品按随包 LICENSE.txt 使用。推断包仍为独立的
v0.1.0 版本线。
源码层次与素材说明见项目范围和NOTICE。
贡献采用 DCO 1.1（git commit -s），不要求 CLA。
如果工具或案例对你有帮助，欢迎 Star 收藏；也欢迎带着可复现示例提交 Issue 或 PR。