---
title: "别再叫「蒸馏」了——你写的就是一张角色卡 | 行开心的颠倒世界"
description: "GitHub 上爆火的\"人格蒸馏\"根本不是技术意义上的知识蒸馏——没有训练过程、没有权重更新，只是把原始数据摘要成一段系统提示词，产物是一张角色卡。偷换概念制造高级感，只会拉大公众预期与 AI 现实能力之间的落差。"
canonical: "https://xingkaixin.me/posts/persona-distillation/"
language: "zh-CN"
---

# 别再叫「蒸馏」了——你写的就是一张角色卡

GitHub 上爆火的"人格蒸馏"根本不是技术意义上的知识蒸馏——没有训练过程、没有权重更新，只是把原始数据摘要成一段系统提示词，产物是一张角色卡。偷换概念制造高级感，只会拉大公众预期与 AI 现实能力之间的落差。

2026年4月14日·1,621 字·5 分钟

[AI](https://xingkaixin.me/tags/AI/)提示词工程知识蒸馏技术概念

![别再叫「蒸馏」了——你写的就是一张角色卡](https://xingkaixin.me/cover/persona-distillation.webp)

最近 GitHub 上「蒸馏」这个词快被用烂了。

同事.skill，前任.skill，张雪峰.skill，自己.skill，甚至还有女娲.skill——号称能蒸馏任何人。短短几天，同事.skill 冲到了上万 Star，各种衍生项目像雨后春笋一样冒出来。小红书、微博、抖音全在刷，央广网都下场报道了。

作为一个天天跟大模型打交道的工程师，我看到「人格蒸馏」这四个字，第一反应不是兴奋，是别扭。这个词从技术上讲用错了，而且错得很离谱。

* * *

## 真正的蒸馏长什么样

![真正的蒸馏长什么样](https://xingkaixin.me/posts/images/persona-distillation/persona-distillation-01.webp)

知识蒸馏（Knowledge Distillation）是 2015 年 Hinton 提出的一种模型训练技术。核心思路很朴素：大模型能力强但太重，能不能把它的「知识」压缩进一个小模型里？

具体怎么做？让大模型（老师）和小模型（学生）看同样的题目。老师不只是告诉学生「答案是猫」，而是把自己的整个判断过程——「猫 90%、狗 8%、虎 2%」这个概率分布——传给学生。学生根据老师的分布去调整自己的模型权重，反复训练，直到它的判断逻辑接近老师。

这里面有几个关键词：**训练过程、梯度下降、权重更新**。蒸馏结束后，学生模型的内部参数发生了永久性的改变。它不需要老师在旁边提醒，自己就能做出接近老师水准的判断。

今年 Anthropic 公开指控 DeepSeek 等公司对 Claude 进行大规模蒸馏——1600 万次对话交互，提取 Claude 的推理路径，再用来训练自己的模型。这才是蒸馏。它改变的是模型本身。当然对于这个指控，Anthropic 并没有给出任何实际证据。

记住这个判断标准：**蒸馏的产物是一个被改变了权重的新模型。**

* * *

## 所谓「人格蒸馏」在做什么

![所谓「人格蒸馏」在做什么](https://xingkaixin.me/posts/images/persona-distillation/persona-distillation-02.webp)

现在回头看看 GitHub 上那些火得一塌糊涂的项目，它们的实际操作流程是什么？

第一步，收集一个人的文本数据——聊天记录、文章、演讲稿、社交媒体发言。第二步，让大模型阅读这些数据，提取说话风格、常用词汇、性格特征、决策习惯。第三步，把提取出来的特征整理成一份结构化的描述文档。

最终产出的东西是什么？一段系统提示词。一个 Markdown 文件。一张角色卡。

整个过程中，没有任何模型被训练过。没有梯度下降，没有权重更新，没有任何一个模型的内部参数因为这个操作发生了改变。底座模型还是那个底座模型——Claude 还是 Claude，GPT 还是 GPT。你只是在对话开始前，往它的上下文窗口里塞了一段人物描述。

如果这叫蒸馏，那每个写过「你现在是一个资深 Python 工程师，说话风格简洁直接」的人，都可以说自己在做蒸馏。说白了，整个过程就是摘要，产出的是一张角色卡，不是一个新模型。

* * *

## 这不是咬文嚼字

![这不是咬文嚼字](https://xingkaixin.me/posts/images/persona-distillation/persona-distillation-03.webp)

你可能会觉得我在抠字眼——叫什么不重要，好用就行。

但命名确实很重要。因为「蒸馏」这个词自带一层技术暗示：它让你觉得发生了某种不可逆的能力迁移，觉得一个人的「精华」被真正地提纯、固化到了 AI 里面。可这张角色卡的效果，百分之百取决于三件事：底座模型的能力、上下文窗口的大小、以及你喂进去的原始数据质量。同一张卡，放在不同模型上，表现天差地别。换个模型版本，上个月还像模像样的输出，这个月可能就面目全非了。

而且这张卡的信息密度有硬上限——再复杂的人格描述，也得挤进上下文窗口里。一个人几十年的经历、成千上万次的决策、无数个塑造了他性格的微小瞬间，被压缩成几千个 token 的摘要。这不是提纯，是有损压缩，损失的那些恰恰是最难被文本记录的部分。

写过小说的人都知道，角色卡写得再详细，笔下的人物也不等于真人。AI 的角色卡也一样——它能模仿一个人说话的格式，但模仿不了那个人之所以那样说话的全部原因。

* * *

## 角色卡不丢人，偷换概念才丢人

我对角色卡本身没有任何意见。

提示词工程中的角色设定，从 2022 年 ChatGPT 发布以来就是最基础、最广泛的用法之一。给 AI 一个角色去扮演，让它的输出更贴合你的需求——这是完全合理的使用方式。把这个过程自动化，用 AI 从原始数据中提取人物特征再生成角色卡，也是一个有价值的工程实践。

但请叫它「角色卡生成」或者「人物画像提取」，不要叫它「蒸馏」。

叫它蒸馏，就是在借一个有明确技术定义的术语来制造虚假的高级感。它让不了解技术的人以为这背后有某种深奥的 AI 训练过程，让 GitHub 上堆满了靠一个唬人名字收割 Star 的低质量仓库。有些项目蒸馏名人，参考数据只有两篇演讲和几条语录，你可以想象那张角色卡的质量。

更让我不舒服的是「数字永生」这类说法。把角色卡包装成「复活」或「永生」，对已故的人是消费，对活着的人是误导。你没有复活任何人，你只是让一个大语言模型穿上了一件根据有限资料裁剪出来的戏服。它可以演得像，但它不是那个人。它甚至不知道自己在演谁。

概念偷换不是无害的小事。在一个大多数人还在建立对 AI 基础认知的阶段，每一个被滥用的术语，都在拉高公众预期和现实能力之间的落差。

所以，下次当你看到有人说「我蒸馏了某某」，请在心里默默翻译一下：

他写了一张角色卡。

仅此而已。

## 版权声明

作者

XingKaiXin

标题

别再叫「蒸馏」了——你写的就是一张角色卡

发布时间

2026年4月14日

文章链接

[https://xingkaixin.me/posts/persona-distillation/](https://xingkaixin.me/posts/persona-distillation/)

本作品采用[CC BY-NC-ND 4.0 DEED](https://creativecommons.org/licenses/by-nc-nd/4.0/deed.zh-hans)许可。

导览

展开导览