新闻详情

新闻详情

首页 / 资讯中心 / 详情

手搓一个年会抽奖页面

发布时间:2026/11/3 3:25:37来源:尧图网络
手搓一个年会抽奖页面
项目简介纯静态页面无需部署后端接口服务数据持久化依赖浏览器存储。下载项目执行构建将打包到./dist目录可自行挂载至相应服务器上浏览使用。注意对于设置比较严格的图片服务器可能出现图片跨域无法展示的问题。技术栈React- 开发框架Three-3D效果实现Zustand- 状态管理Dexie-IndexedDB极简封装库Antd-UI组件库Exceljs-Excel文件操作管理线上地址预览地址https://bratrindersteak.github.io/party-lottery/项目地址https://github.com/Bratrindersteak/party-lottery/本地开发# 克隆项目gitclone https://github.com/Bratrindersteak/party-lottery.git# 安装依赖pnpmi 或pnpminstall# 启动本地服务pnpmrun dev# 打包pnpmrun build抽奖流程1.初始状态没有数据可以选择手动录入也可选择使用默认数据快速开始并熟悉游戏流程。2.这里我们选择【使用默认数据】可以看到成员、奖项、标题都有了数据。有了这些数据就可以进行抽奖了。3.通过单击左侧的奖项列表项选取所要抽取的奖项。奖项也支持拖拽调整顺序。奖项抽取的顺序是自上而下循环抽取的所以调整奖项顺序也就可以控制抽奖顺序。4.点击底部的【进入抽奖】按钮就会进入抽奖环节。成员卡片墙会组成卡片球并水平逆时针自转。同时会播放【开场音乐】。5.点击【开始抽奖】按钮卡片球高速旋转。同时高亮提示当前正在抽取的奖项。并切换播放【抽奖音乐】。6.点击【开奖】按钮卡片球停止旋转并选出获奖者。并播放【开奖音效】。开奖之后可以选择保留本次结果并【继续抽取】其他奖项也可以选择放弃本次结果并【重新抽取】。7.顶部右侧的操作栏提供少数辅助功能依次是静音切换、语言切换、进入后台设置界面。后台配置通用配置功能由于数据持久化依赖浏览器存储且数据量可能会很大所以这里添加了【一键清空数据】的功能用于抽奖页面不再使用后手动释放存储空间。注算法暂不支持切换默认使用随机算法。成员录入管理支持excel文件批量导入数据但请使用本页面提供的模板。奖项配置管理已经抽取完毕的奖项在这里可以重置为未抽取同时也会清除对应的抽奖记录。获奖记录管理支持导出为excel文件保存。音乐配置管理内置3个默认音效也支持自行上传。使用说明介绍
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/2 5:53:33

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/2 5:53:30

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/2 5:53:30

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/2 5:53:28

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/2 5:53:27

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/2 5:53:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉