嘿，这个问题我之前也纠结过——既要保证相邻整数种子生成的随机数不重复，又不想傻乎乎暴力遍历所有前面的种子，对吧？其实不用折腾复杂的逻辑，几个简单的思路就能解决，效率还超高：

1. 构造天然满足相邻不重复的映射函数（最推荐） #

核心思路是利用互质整数的线性映射特性，让相邻种子的输出天然不同，完全不需要检查任何历史值，计算效率是O(1)。

比如我们可以设计一个简单的函数，直接把种子映射到1-10的数值：

def generate_unique(seed):
    # 7和10互质，保证相邻种子的计算结果差不为0
    return (seed * 7) % 10 + 1

原理很简单：因为7和10的最大公约数是1，所以对于任意整数seed，(seed*7) %10 和 ((seed-1)*7)%10 的差值是7%10=7，绝对不会相等。加1之后就得到1-10的结果，相邻种子的输出必然不同。

如果觉得这个函数的“随机感”不够强，可以结合你原有的随机数生成器，比如：

def your_original_rng(seed):
    # 假设这是你原本的随机数生成函数，返回1-10的数
    return (seed * 12345) % 10 + 1

def generate_unique(seed):
    original_num = your_original_rng(seed)
    # 用种子的线性偏移保证相邻结果不同
    return (original_num + seed * 3) % 10 + 1

这里的3同样和10互质，相邻种子的偏移量差3，就算原生成器输出的数相同，加上偏移后结果也会差3，绝对不会重复。

2. 按顺序使用种子时的即时修正法 #

如果你的场景是按递增顺序使用种子（比如从0开始依次用到100），那可以用更简单的缓存修正思路：

• 维护一个变量记录上一次的输出值
• 生成当前种子的数后，如果和上一次重复，就微调（比如加1，超过10就回到1）
• 更新缓存并返回结果

示例代码：

last_output = 0  # 初始值设为非1-10的数

def generate_unique_in_order(seed):
    global last_output
    current_num = your_original_rng(seed)
    # 如果和上一次重复，就微调
    if current_num == last_output:
        current_num = current_num % 10 + 1
    last_output = current_num
    return current_num

这个方法简单易实现，但只适合按顺序用种子的场景，如果是随机查询任意种子（比如直接查seed=100和seed=99的输出），就不适用了。

3. 基于大质数的哈希置换法 #

另一种思路是用大质数对种子做哈希映射，同样利用互质特性保证相邻结果不同：

def generate_unique(seed):
    # 用大质数101做哈希乘数，增强随机感
    hash_val = seed * 101
    return (hash_val % 10) + 1

101和10互质，相邻种子的哈希值差101，模10后差1，所以输出结果必然差1，绝对不会重复。

关于你提到的暴力遍历问题 #

你说的从0遍历到当前种子的方法确实能解决问题，但效率太低了——比如seed是1e9的时候，根本不可能遍历完。上面的方法都是单次计算就能得到结果，不管种子多大都能立刻满足相邻不重复的要求，完全不用折腾遍历。

备注：内容来源于stack exchange，提问作者ComputerDoggie