Go语言中“随机数精度”是伪命题，真正需控制的是用整数随机源（如rand.Int63n）生成指定范围、指定小数位的有效数值，再缩放为float64，避免浮点误差。
Go语言中“随机数精度”本身是个伪命题——math/rand 生成的是整数或均匀分布的浮点数，不涉及“精度控制”；真正需要控制的是：如何用随机数构造出指定范围、指定小数位的有效数值（比如模拟货币、保留两位小数的测量值）。关键在后续处理，不在 rand 本身。
rand.Float64() 生成的浮点数本就没有“精度可调”选项
调用 rand.Float64() 总是返回 [0.0, 1.0) 区间内一个 float64 值。它底层是均匀采样 53 位尾数，不是“保留几位小数”的可控输出。你无法让 rand.Float64() 直接返回 “精确到小数点后 2 位” 的值——它返回的就是 IEEE-754 双精度表示下的最接近值。
常见误解是以为 fmt.Sprintf("%.2f", rand.Float64()*100) 就算“控制了精度”，但这只是字符串格式化，不改变数值本质，且后续若转回 float64 仍可能引入意外误差（如 0.29 变成 0.28999999999999998）。
所以真正要做的，是把随机逻辑和精度截断/四舍五入逻辑拆开：
立即学习“go语言免费学习笔记（深入）”；
- 先用
rand.Intn()或rand.Int63n()生成整数型随机源（更可控、无浮点误差） - 再按需缩放、偏移、四舍五入
- 避免对
float64随机结果做多次乘除后再fmt→ParseFloat循环
用整数随机源 + 缩放实现确定性小数精度
例如生成 [0.00, 10.00) 区间、精确到分（即 2 位小数）的随机金额：
不要写：amount := math.Round(rand.Float64()*1000) / 100 // 错！Round 是 float64 运算，仍有精度残留
应该写：cents := rand.Int63n(1000) // 0 ~ 999，对应 0.00 ~ 9.99amount := float64(cents) / 100.0 // 精确可表示：0.00, 0.01, ..., 9.99
这个方式保证：
- 结果一定是 0.01 的整数倍
- 没有 IEEE-754 表示误差（因为
100.0是 2 的幂次乘积，cents≤ 999，除法结果在float64中可精确表示） - 可重现：只要种子固定，
cents序列就固定，amount也就固定
需要四舍五入到 N 位小数？用 toFixed 而非 fmt + ParseFloat
如果你必须从一个已有 float64 值（比如来自外部输入或复杂计算）出发做精度规约，推荐使用数学运算版 toFixed，而不是字符串往返：
func toFixed(x float64, prec int) float64 { pow := math.Pow10(prec) return math.Round(x*pow) / pow}
注意：
- 仅适用于
prec ≤ 15（float64有效位约 15–17 位），超过会失真 - 对极小或极大值慎用（
pow可能溢出或下溢） - 金融场景别用这个——应直接用
int64存分，或上shopspring/decimal
crypto/rand 不解决精度问题，只解决安全问题
如果算法要求密码学安全的随机源（比如生成 token 后截取前 4 位作验证码），仍不能依赖 crypto/rand 直出“带精度浮点数”。它的输出是字节流，你需要：
- 读取足够字节（如
crypto/rand.Read(buf[:4])） - 转为 uint32，再映射到目标整数区间
- 最后按需转为带小数的 float64（同上，优先走整数缩放路径）
直接用 crypto/rand 配合 math.Float64frombits 构造随机 float64 不但没意义，还可能破坏均匀性。
真正容易被忽略的一点：所谓“精度”，在随机数上下文中几乎总是业务语义（如“分”“毫秒”“百分比整数”），不是浮点数本身的精度。盯住你的业务单位，用整数生成，比在 float64 上修修补补可靠得多。
