一句话定义：默认人设（Persona）指在没有AI 词典：系统提示词">系统提示词、没有角色设定的情况下，模型自动呈现出来的那套语气、立场、详略习惯和回答套路。它不是某个工程师写死的台词，而是训练与对齐过程留下的"平均性格"。
它从哪来
把模型想象成一个读了海量书和网页、又经过大量人工反馈调教的实习生。培训期没人给他一份《对外话术手册》，但他从无数示例里总结出了"怎样回答才算得体"：先给结论、分点、语气客气、遇到专业问题就展开、遇到敏感问题就绕开。这套习惯被固化下来，成了他面对任何人时的第一反应。
具体来源大致三层：
- 预训练：语料里大量"优质回答长什么样"，模型学会了模仿那种结构完整、态度中立的写法。
- 微调">指令微调：人工标注的问答对反复强化"有帮助、无害、诚实"这类倾向。
- 偏好对齐：人类或模型给多个回答打分，得高分的风格被持续加权——通常就是礼貌、周全、留有余地的那种。
为什么换个问法就变样
默认人设并不稳定，它像水面，被问法一搅就改形状。
- 你说"用一句话说"，它就从"展开型"切成"凝练型"。
- 你说"我是个初中生"，它会自动降维，比喻变多、术语变少。
- 你开头写"假设你是一位毒舌评审"，它会立刻切到另一种语气——这不是模型"换了个人"，而是上下文把另一批训练时见过的风格样本激活了。
所以同一个模型，在客服场景、写作场景、代码场景里表现出的"性格"可能完全不同。默认人设只是那个没被指定时的基线值，一旦上下文给了信号，基线就被覆盖。
和相邻概念的区别
| 概念 | 是什么 | 谁来定 |
|---|---|---|
| 默认人设 Persona | 没指定角色时的自带风格 | 训练与对齐沉淀 |
| 系统提示词 System Prompt | 显式的角色与规则设定 | 开发者写 |
| 语气 Tone | 具体的措辞冷暖 | 提示词或上下文 |
| 人格/角色扮演 Role-play | 明确要求扮演某个具体对象 | 用户指定 |
一句话：默认人设是"底噪"，系统提示词是"指令"，扮演是"剧本"。
对从业者的意义
产品侧，别把默认人设当免费资产。它讨喜但有代价：偏向周全，就意味着啰嗦；偏向中立，就意味着不敢下判断；偏向安全，就容易给正确的废话。想让它像你产品的语气，就得用系统提示词把它压向你要的方向，并且用评测反复验证。
对普通职场人，实用结论有两个。一是你描述的受众和场景越具体，输出越贴你的需求——因为你正在手动改写那份默认设定。二是同一个问题换个问法得到不同答案，多半不是模型"心情变了"，而是你无意中切换了它的人设。把角色、受众、格式写进提示词，比反复重问有效得多。至于各家模型默认人设的具体差异，以官方文档和实际测试为准，版本更新后会变。