這個直覺不荒謬，只是它要求的不是數學上的均勻洗牌。均勻洗牌只承諾每一個完整次序得到相同機會；它從來沒有承諾相同歌手要平均分開，也沒有承諾剛播過的顏色不能立刻再出現。

洗牌只負責換位置

本篇把十二首歌想成十二張彼此不同的票券。票券分屬 A、B、C、D 四位虛構歌手，每位各三首。電腦從最後一個位置開始，隨機挑一張尚未固定的票券交換，再往前處理下一個位置。只要每次挑選都是均勻的，最後每一種完整排列就有相同機會。

這套方法不會先看顏色。A1 剛好落在 A3 旁邊時，演算法不會覺得畫面難看，也不會把其中一張移走。對均勻洗牌來說，相鄰重複和四種顏色交錯得很整齊，都是合法結果。

重複不是罕見的失手

十二首不同歌曲共有 12!，也就是 479,001,600 種完整次序。本篇把這些次序精確數完：其中 425,471,616 種至少有一組相鄰歌曲來自同一位歌手，只有 53,529,984 種完全沒有同歌手相鄰。

換成比例，在這個「四位歌手、每位三首」的特定歌單裡，約 88.8% 的均勻排列至少會出現一次同歌手連在一起。這不是所有歌單共用的神奇常數；歌手數量與每人歌曲數改變，比例也會改變。它只證明一件事：在一個很普通的固定樣本裡，相鄰重複不是洗牌偶爾失手，而是大多數合法次序本來就有的樣子。

把同色拆開，規則已經換了

現在加入一條新規則：同一位歌手的票券不能相鄰。清單會立刻更接近人眼期待的亂序，四種顏色輪流出現，短時間內也比較不容易再聽到同一個聲音。

代價同樣清楚。這條規則一次排除了原本約 88.8% 的完整次序。它仍然可以使用亂數決定許多細節，卻不再讓所有排列取得相同機會。本篇因此把它叫作「間隔優先」，而不是比較高級的均勻洗牌。

間隔優先不是欺騙。若產品要照顧長時間聆聽的變化感，主動降低短期重複是合理選擇；問題只出在介面把兩種不同承諾都縮成同一個「隨機」按鈕，讓讀者無法知道系統究竟保留了哪些可能。