> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/zh-hant/2026/w19-taste-will-become-the-new-foundational-skill.md).

# W19-品味會成為新的基本功

最近看到一個很有意思的觀點：當實現變得越來越便宜，品味會變得越來越重要。

早在 1757 年，休謨就在《[論品味的標準](https://www.britannica.com/topic/Of-the-Standard-of-Taste)》中討論過如何訓練品味。他認為品味不是完全主觀的東西，而是可以通過敏銳的感知、精細的情感、持續實踐、不斷比較，以及清除偏見來逐步提升。這個觀點放到今天重新看，反而變得更有現實意義。

以前畫一張圖，要學素描、學色彩、學構圖，沒有長期訓練很難做出像樣的作品。現在不一樣了，生成一張圖可能只是動動嘴皮子，AI 十秒鐘就能給出十張。真正拉開差距的，不再是能不能做，而是能不能從十張圖裡挑出最好的一張，能不能指出哪裡不對，能不能繼續把它改到更好。

這個判斷力，就是品味。

[Paul Graham 對品味有一個很清晰的判斷](https://www.paulgraham.com/taste.html)。他認為品味不是“蘿蔔青菜各有所愛”。在數學、工程、建築、繪畫、寫作、軟件這些領域裡，確實存在更好的設計。好的東西通常有一些共同特徵：簡潔，不虛飾，經得起時間考驗，解決真正的問題，看起來輕鬆自然，但背後難度很高。一個人真正擅長某個領域，往往不是因為他能做，而是因為他知道什麼是好。

[Rick Rubin](https://www.grammy.com/artists/rick-rubin/13812) 是一個很典型的例子。他是非常成功的音樂製作人，拿過很多格萊美獎，但他自己並不以演奏、混音、操作設備見長。他的核心能力是判斷。他能聽出來什麼是好的，什麼是多餘的，什麼地方應該保留，什麼地方應該刪掉。放到工程裡看，這很像一個好技術負責人或者好架構師的能力。不是每一行代碼都自己寫，但知道系統哪裡彆扭，哪裡複雜，哪裡是虛飾，哪裡會留下長期代價。

我覺得 AI 時代會進一步放大這種差異。代碼行數會越來越便宜，原型會越來越容易生成，很多過去需要靠熟練度完成的事情會被工具快速抹平。但判斷不會自動出現。實現變得免費以後，真正稀缺的是目標感、判斷力、審美和取捨能力。能不能定義一個值得做的問題，能不能識別一個方案裡的壞味道，能不能把“看起來能跑”的東西改成“長期可信賴”的系統，會變得更重要。

這也解釋了為什麼很多 AI Coding 的結果看起來很快，但最後還是需要人來兜底。AI 可以生成大量代碼，但它不天然知道哪些複雜度是必要的，哪些抽象會在半年後變成負擔，哪些交互只是完成了流程卻讓用戶很難受。工程師的角色不是簡單從“寫代碼的人”變成“按回車的人”，而是要更早地進入判斷、反饋和驗證環節。

品味也是一個慢變量。它不是看幾篇文章、聽幾場分享就能立刻獲得的。它來自你長期見過的人、用過的產品、讀過的代碼、踩過的坑、看過的書、接受過的反饋。你平時把注意力放在哪裡，最後就會沉澱成什麼樣的直覺。一個人長期只用差的東西，很難形成對好東西的敏感；一個團隊長期容忍醜陋的設計，也很難突然做出高級的產品和系統。

訓練品味，第一步可能是培養“發現醜”的能力。對醜陋保持不耐受。比如公共空間裡一些虛張聲勢的建築，或者日常軟件裡那些打斷用戶的彈窗、營銷、強引導。很多東西之所以醜，不只是視覺上不好看，而是它不誠實，不簡潔，不解決真實問題，只是在用誇張的形式掩蓋內在的貧乏。工程裡也一樣，過度包裝的抽象、無人理解的配置、為了複用而複用的公共模塊，本質上也是一種醜。

第二步是多用好的東西。好的工具會教育你什麼是好。很多時候，通過比較才能提升品味。國內市場是一個半開放市場，不少被選擇出來的產品並不是最好的產品，而只是當下可選項裡的無奈選擇。比如一個簡單的充值、掃碼、入場需求，本來應該直接完成，但很多產品總要塞進彈窗、活動、會員、營銷。用得多了，人會逐漸麻木，覺得軟件就應該這樣。但只要多體驗一些優秀產品，就會重新意識到，原來簡單、剋制、直接本身就是一種能力。

第三步是多接觸高品位的人。品味有很強的社群屬性。高手不只是給你結論，更重要的是給你判斷標準。他為什麼說這個方案不好，為什麼認為這個交互多餘，為什麼堅持刪掉某個功能，為什麼寧願重寫也不接受一個將就的設計。這些判斷過程，比最後的結論更有價值。好的反饋文化，本質上也是在訓練團隊共同的品味。

當然，只有品味不創造也不行。只有批評、沒有產出，最後容易變成矯情。真正有價值的品味，必須服務於創造。它不僅讓人知道什麼不好，也讓人不斷提升自己，把事情做到足夠好。Paul Graham 講過一個很實用的配方：對醜陋保持高度不耐受，培養極其苛刻的品味，然後不斷提升自己滿足這種品味的能力。我覺得這句話很適合放在 AI 時代重新理解。

未來優秀和平庸的分界，可能不再是“誰更會實現”，而是“誰更知道什麼值得實現，什麼才算實現得好”。AI 降低了技術門檻，但也提高了判斷門檻。對工程師來說，基本功依然重要，品味也會成為新的基本功。