终极指南:如何用log-lottery打造超炫3D球体抽奖系统
log-lottery是一款基于threejs+vue3技术栈的3D球体动态抽奖应用,专为年会、团建等活动设计。它通过创新的3D球体展示方式,让参与者名字在球体表面动态流动旋转,配合深色星空背景,营造出科技感十足的沉浸式抽奖体验,为你的活动增添无限乐趣与仪式感。
🎯 核心功能亮点:让抽奖不再平凡
3D动态球体展示
告别传统枯燥的抽奖方式,log-lottery采用3D球体设计,参与者名字在球体表面动态旋转,视觉效果震撼。深色星空背景搭配流动的名字卡片,打造出极具科技感的抽奖氛围。
灵活的人员管理系统
人员管理模块位于[src/views/Config/Person/]目录下,支持Excel模板批量导入员工信息。系统会自动跟踪每个人的抽奖状态,确保公平公正。你可以轻松管理数百甚至上千名参与者的数据,支持按部门分类、实时统计中奖情况。
自定义奖项设置
奖项配置模块位于[src/views/Config/Prize/]目录,支持从特等奖到参与奖的多级别奖项设置。每个奖项的获奖人数、奖品内容都可以自由调整,还能上传奖品图片和详细描述,直观展示奖项信息。
多媒体氛围营造
背景音乐配置模块支持多种音频格式,可上传适合活动氛围的音乐文件。在音乐配置界面,你可以管理所有背景音乐,支持播放预览、删除和批量上传操作,为抽奖活动营造最佳听觉体验。
🚀 快速上手:3步打造专业抽奖系统
第一步:获取项目源码
打开终端,执行以下命令克隆项目:
git clone https://gitcode.com/gh_mirrors/lo/log-lottery
第二步:安装依赖并启动
进入项目目录,使用包管理器安装依赖并启动项目:
cd log-lottery && pnpm install && pnpm dev
第三步:访问并开始使用
在浏览器中打开生成的本地地址,系统即可正常运行,无需复杂配置,真正实现开箱即用。
💡 实战应用:从准备到抽奖的完整流程
数据准备阶段
首先在人员配置模块下载Excel模板,填写所有参与抽奖的员工信息。模板包含姓名、部门、工号等必要字段,确保数据导入的准确性和效率。
系统配置阶段
- 人员导入:在[src/views/Config/Person/PersonAll/]界面上传填写好的Excel文件
- 奖项设置:在[src/views/Config/Prize/PrizeConfig.vue]配置各等级奖项
- 界面美化:在[src/views/Config/Global/FaceConfig/]调整主题颜色、文字大小等
- 音乐设置:在[src/views/Config/Global/MusicConfig/]上传活动背景音乐
抽奖执行阶段
回到主界面,点击"进入抽奖"按钮启动3D球体。球体开始旋转时,参与者的名字在球面流动,配合背景音乐,创造出紧张刺激的抽奖氛围。点击"停止"按钮,系统将随机选出获奖者。
结果展示阶段
抽奖结束后,系统会以专业的庆祝效果展示中奖名单,背景飘洒着彩色纸屑,让获奖时刻充满仪式感。
📱 界面个性化:打造专属抽奖风格
log-lottery提供了丰富的界面自定义选项,让你可以根据活动主题打造独特的抽奖风格:
- 主题颜色:在[src/views/Config/Global/FaceConfig/]中调整卡片颜色、文字颜色等
- 图案设置:自定义球体表面图案,支持上传企业logo或活动主题图案
- 动画效果:调整球体旋转速度、名字卡片动画效果等参数
🎨 图片资源配置:提升视觉体验
系统支持自定义上传各类图片资源,包括奖项图片、背景图片等,让抽奖界面更加丰富多彩。图片配置模块位于[src/views/Config/Global/ImageConfig/],你可以上传不同奖项的图片,让奖项展示更加直观。
🚢 部署方案:选择适合你的方式
本地开发部署
对于小型活动或测试使用,直接在开发环境下运行:
pnpm dev
优点:部署快速,便于开发调试;缺点:不适合大规模公开访问。
生产环境部署
项目支持Docker容器化部署,使用以下命令快速部署:
docker build -t log-lottery .
docker run -d -p 9279:80 log-lottery
部署完成后,通过http://localhost:9279/log-lottery/即可访问系统。优点:适合大规模公开访问,稳定性高;缺点:部署步骤相对复杂。
log-lottery 3D球体动态抽奖系统将为你的活动带来全新的视觉体验,无论是公司年会、部门团建,还是节日活动、校园晚会等场景,它都能为你提供专业级的抽奖体验。现在就动手尝试,让你的下一次活动抽奖变得与众不同!
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0198
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07








