> 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/2026-nian/w19-pin-wei-hui-cheng-wei-xin-de-ji-ben-gong.md).

# W19-品味会成为新的基本功

最近看到一个很有意思的观点：当实现变得越来越便宜，品味会变得越来越重要。

早在 1757 年，休谟就在《[论品味的标准](https://www.britannica.com/topic/Of-the-Standard-of-Taste)》中讨论过如何训练品味。他认为品味不是完全主观的东西，而是可以通过敏锐的感知、精细的情感、持续实践、不断比较，以及清除偏见来逐步提升。这个观点放到今天重新看，反而变得更有现实意义。

以前画一张图，要学素描、学色彩、学构图，没有长期训练很难做出像样的作品。现在不一样了，生成一张图可能只是动动嘴皮子，AI 十秒钟就能给出十张。真正拉开差距的，不再是能不能做，而是能不能从十张图里挑出最好的一张，能不能指出哪里不对，能不能继续把它改到更好。

这个判断力，就是品味。

[Paul Graham 对品味有一个很清晰的判断](https://www.paulgraham.com/taste.html)。他认为品味不是“萝卜青菜各有所爱”。在数学、工程、建筑、绘画、写作、软件这些领域里，确实存在更好的设计。好的东西通常有一些共同特征：简洁，不虚饰，经得起时间考验，解决真正的问题，看起来轻松自然，但背后难度很高。一个人真正擅长某个领域，往往不是因为他能做，而是因为他知道什么是好。

[Rick Rubin](https://www.grammy.com/artists/rick-rubin/13812) 是一个很典型的例子。他是非常成功的音乐制作人，拿过很多格莱美奖，但他自己并不以演奏、混音、操作设备见长。他的核心能力是判断。他能听出来什么是好的，什么是多余的，什么地方应该保留，什么地方应该删掉。放到工程里看，这很像一个好技术负责人或者好架构师的能力。不是每一行代码都自己写，但知道系统哪里别扭，哪里复杂，哪里是虚饰，哪里会留下长期代价。

我觉得 AI 时代会进一步放大这种差异。代码行数会越来越便宜，原型会越来越容易生成，很多过去需要靠熟练度完成的事情会被工具快速抹平。但判断不会自动出现。实现变得免费以后，真正稀缺的是目标感、判断力、审美和取舍能力。能不能定义一个值得做的问题，能不能识别一个方案里的坏味道，能不能把“看起来能跑”的东西改成“长期可信赖”的系统，会变得更重要。

这也解释了为什么很多 AI Coding 的结果看起来很快，但最后还是需要人来兜底。AI 可以生成大量代码，但它不天然知道哪些复杂度是必要的，哪些抽象会在半年后变成负担，哪些交互只是完成了流程却让用户很难受。工程师的角色不是简单从“写代码的人”变成“按回车的人”，而是要更早地进入判断、反馈和验证环节。

品味也是一个慢变量。它不是看几篇文章、听几场分享就能立刻获得的。它来自你长期见过的人、用过的产品、读过的代码、踩过的坑、看过的书、接受过的反馈。你平时把注意力放在哪里，最后就会沉淀成什么样的直觉。一个人长期只用差的东西，很难形成对好东西的敏感；一个团队长期容忍丑陋的设计，也很难突然做出高级的产品和系统。

训练品味，第一步可能是培养“发现丑”的能力。对丑陋保持不耐受。比如公共空间里一些虚张声势的建筑，或者日常软件里那些打断用户的弹窗、营销、强引导。很多东西之所以丑，不只是视觉上不好看，而是它不诚实，不简洁，不解决真实问题，只是在用夸张的形式掩盖内在的贫乏。工程里也一样，过度包装的抽象、无人理解的配置、为了复用而复用的公共模块，本质上也是一种丑。

第二步是多用好的东西。好的工具会教育你什么是好。很多时候，通过比较才能提升品味。国内市场是一个半开放市场，不少被选择出来的产品并不是最好的产品，而只是当下可选项里的无奈选择。比如一个简单的充值、扫码、入场需求，本来应该直接完成，但很多产品总要塞进弹窗、活动、会员、营销。用得多了，人会逐渐麻木，觉得软件就应该这样。但只要多体验一些优秀产品，就会重新意识到，原来简单、克制、直接本身就是一种能力。

第三步是多接触高品位的人。品味有很强的社群属性。高手不只是给你结论，更重要的是给你判断标准。他为什么说这个方案不好，为什么认为这个交互多余，为什么坚持删掉某个功能，为什么宁愿重写也不接受一个将就的设计。这些判断过程，比最后的结论更有价值。好的反馈文化，本质上也是在训练团队共同的品味。

当然，只有品味不创造也不行。只有批评、没有产出，最后容易变成矫情。真正有价值的品味，必须服务于创造。它不仅让人知道什么不好，也让人不断提升自己，把事情做到足够好。Paul Graham 讲过一个很实用的配方：对丑陋保持高度不耐受，培养极其苛刻的品味，然后不断提升自己满足这种品味的能力。我觉得这句话很适合放在 AI 时代重新理解。

未来优秀和平庸的分界，可能不再是“谁更会实现”，而是“谁更知道什么值得实现，什么才算实现得好”。AI 降低了技术门槛，但也提高了判断门槛。对工程师来说，基本功依然重要，品味也会成为新的基本功。