用途：在多个变体（广告、落地页、推荐、定价档位）之间自适应分配流量，边学习边利用，减少劣质变体曝光，实现无需预设停止规则的“常开”优化。
主要能力：提供 BernoulliBandit、ThompsonSampler 类，以及 EpsilonGreedy、UCB1 基线用于对比；支持离散上下文的 ContextualThompson，以及连续上下文的 logistic Thompson（Laplace 近似）；包含模拟脚本计算累积遗憾，并可用 MLflow 记录参数、指标、标签与图表。
核心算法：Bernoulli 臂的 Thompson 采样用 Beta 先验，每轮从各臂 Beta 后验采样并选最大者，观测后更新 alpha/beta，更新精确且为 O(1)，无需 MCMC 或超参数。
使用方式：项目含 src/bandit.py、baselines.py、simulate.py、contextual.py 与 notebooks/demo.py；运行演示命令为 marimo edit --sandbox demo.py。生产环境可批量更新，累积每批成功/失败后一次性更新后验，仍保持精确，仅收敛变慢。
适用场景：可实时或按批更新分配、劣质变体成本高、需要持续收敛到最优臂、最优变体依赖用户特征（分群、设备、地域）时。
限制：需要因果推断或预注册样本量时应改用贝叶斯 A/B 测试；奖励延迟数天/数周、臂数超过约 50 且奖励稀疏、奖励分布随时间变化（非平稳）时效果受限，后者需滑窗或折扣 Thompson 采样（资料未覆盖）。常见陷阱包括误用于因果推断、忽略延迟反馈、臂过多奖励稀疏、非平稳奖励、忽略先验信息、在不同臂配置间直接比较遗憾。