CPython中random模块的RNG默认随机数种子是什么？

你可以通过调用 random.seed(theSeed) 设置Python的随机数生成器，设置固定种子后，后续生成的随机数序列是完全可预测、可复现的。下面是Python 3.10.2环境下，用整数种子42生成一致随机序列的交互式Shell示例：

>>> import random
>>> random.seed(42)
>>> [random.randint(0, 9) for i in range(20)]
[1, 0, 4, 3, 3, 2, 1, 8, 1, 9, 6, 0, 0, 1, 3, 3, 8, 9, 0, 8]
>>> random.seed(42)
>>> [random.randint(0, 9) for i in range(20)]
[1, 0, 4, 3, 3, 2, 1, 8, 1, 9, 6, 0, 0, 1, 3, 3, 8, 9, 0, 8]

很多人好奇，既然拿随机数前不用手动调用random.seed()，那CPython（python.org发布的官方Python解释器）默认用的RNG种子是什么？答案是从来没有硬编码的固定默认种子，不同版本的初始化逻辑如下：

• Python 3.2及更早版本：模块首次加载时优先调用操作系统提供的真随机熵源生成种子，类Unix系统读/dev/urandom，Windows调用系统加密随机接口；如果读取系统熵源失败，才会退而求其次，用当前系统时间、进程ID这类随运行环境变化的系统状态值拼出种子。这种模式下每次启动解释器，默认生成的随机序列基本不会重复。
• Python 3.3 ~ 3.11版本：默认初始化逻辑核心没变，还是优先用操作系统密码学安全的随机源生成种子，只是把初始化时机提前到了模块导入阶段，导入random模块时就自动完成了播种，不需要用户手动操作。这时候你显式调用不传参数的random.seed()，效果和默认初始化完全一致，都是重新从系统拿新的熵做种子，不会用固定值。
• Python 3.12及更新版本：在原有系统熵源的基础上新增了多进程场景下的种子隔离逻辑，避免子进程继承父进程随机状态导致的序列重复问题，但核心还是依赖系统提供的随机熵生成初始种子，依然没有固定默认值。

实用提示：只要你需要可复现的随机结果，一定要手动传入固定值调用random.seed()，不要指望默认种子能复现结果。不同操作系统、不同CPython小版本的默认种子生成逻辑都可能有差异，根本不存在跨环境统一的默认种子值。

内容的提问来源于stack exchange，提问作者Al Sweigart