AI 让执行和平均答案变得便宜，品味开始决定作品上限 如何提高你的品味？

执行越便宜，判断越值钱

生成式 AI 带来的最大变化，是把很多创作活动从“能不能实现”推向“应该实现什么”。写作、视觉、界面、代码和产品原型都能从一次对话开始。以前长期躺在备忘录里的想法，现在可以在数小时内变成可运行、可讨论的东西。

这种速度给个人带来了巨大杠杆，也制造了一个新诱惑：第一次生成结果看起来已经能用，于是创作者还没弄清自己真正要做什么，就停止了。作品功能正常，视觉可能合格，语言也很流畅，却很难让人感到背后存在一个明确的人。

原因并不神秘。模型擅长组合常见参考、流行构图和安全措辞。如果创作者只检查“能不能用”“别人会不会接受”“是否像一个成熟作品”，AI 就会高效地把所有选择推向平均值。网络上越来越多技术上没有毛病、看完却什么也留不下的内容，正是这样产生的。

AI 的两种用法也在这里分开。一种用法让人少怀疑、少研究，跳过原创想法开始形成时那段不舒服的思考；另一种用法扩大搜索空间，帮助测试更多方向、连接线索、挑战假设。模型没有替你决定走哪条路。你带入多少好奇心、判断和照料，它就放大多少。

“差不多就行”在创作中很危险，但这不意味着任何作品都应该无限打磨。产品仍然需要发布、观察和迭代。问题在于把“已经能运行”误当成“已经达到这次作品的标准”。发布可以是一次有意识的实验，过早停止则意味着根本没有建立标准。

执行门槛下降也改变了责任。过去，一个想法做不出来，可以归因于团队、预算、许可、技术帮助或时机。现在这些障碍部分被压低，作品缺少主张时，创作者更难把原因全部推给条件。AI 可以把脑中的想法变成可检验的形状，决定什么值得留下，仍然是人的工作。

品味是一种训练出来的识别力

汽车刚出现时，消费者首先在意它能否替代马车。等汽车成为成熟商品，轮廓、颜色、材料、操控和整体体验才开始明显区分产品。软件正在经历类似变化。功能可用逐渐成为默认要求，品牌、交互、直觉性和整体体验开始决定谁会被记住。

当工具稀缺时，人们看重拥有工具；当工具普及后，人们开始看重谁能用它做出更好的选择。

品味就是这种经过训练的直觉。它看起来像瞬间判断，背后却经历了大量输入、分析、制作和修正。所谓“有眼光”，通常意味着一个人已经看过足够多好作品，认真研究过它们为什么成立，也亲手遭遇过判断正确却做不出来的挫败。

生成输出与真正创作的差别，往往藏在节奏、层级、氛围、克制、清晰和留白这些不显眼的细部里。执行门槛越低，这种眼力能调动的产品和技术杠杆就越大。

这种识别力通常带着明确的领域边界。一个人可能对字体和界面极其敏锐，对穿衣或饮食却毫不在意。品味更像沿某条“车道”长期训练出来的分辨率，很少平均覆盖一个人的所有生活。承认这种不均衡，反而能把训练对象说清楚：你究竟想在哪类问题上看得更细？

训练从高质量参照开始。设计者要看好设计，写作者要读好作品，还可以追踪自己敬佩的人继续关注谁。价值不在收藏数量，而在让大脑持续接触结构完整的选择，逐渐识别节奏、尺度、转场、层级和细节之间的关系。

接下来要把感觉翻译成理由。“我喜欢”“很高级”“有质感”只能记录反应，不能指导下一次制作。更有效的问题是：这个交互为什么顺手？信息层级怎样让眼睛先看到最重要的部分？删掉哪个元素后作品会变弱？当理由可以被说出来，品味才开始成为可迁移的判断。

最后必须亲手做，并让批评进入回路。只看优秀作品会训练观察，无法自动训练实现能力。真正动手之后，眼光与手艺之间的差距会暴露出来。早期作品达不到自己眼中的标准，恰好说明你已经能看见差距。来自合适对象的具体批评，会把盲点变成下一轮练习；返工则负责把判断真正压进作品。

可以用一次小练习启动这个回路：选择一件优秀作品和一件解决同类问题但表现普通的作品，只比较目标、层级和使用成本三个维度；每个维度写出因果理由；自己做一个只改变关键选择的小变体；最后带着一个具体问题寻找反馈。不要问“你觉得怎么样”，要问“首屏最先看到的东西对吗”。

不过，品味训练不能只发生在准备创作的时刻。欣赏本身就是一种品味：一个人可以不画画，却对绘画有很高的分辨率；可以不做电影，却能指出一个镜头为什么有效。有品味的创作者通常先是深度欣赏者，他们不只是看过很多，而是愿意在一件东西上停留，尝试、比较、回味，并注意近看之后才出现的细节。

品味也不是“有”或“没有”的身份勋章。它更像某条领域车道上逐渐提高的分辨率。与其逼自己在所有事情上都挑剔，不如选定一个真正好奇的问题，再让可信的推荐者、导师或那位总能替你多看一眼的人带你进入更深的参照。下面七个动作，是本文把 23 条散记中分布在欣赏、注意力、领路人、手艺、筛选和耐心里的方法整理成一张日常练习表；这张分类属于本文，不是原文另列的步骤。

这里最容易被忽略的是：正负刻度不只用于修改作品，也可以用于整理输入环境。每天刷到的图片、文章、产品、音乐和空间都在训练判断。看到真正打动自己的东西，可以留下一个“+”，再写一句究竟被什么打动；感到空洞、模仿或只是暂时刺激的东西，可以记一个“-”，说明哪里失效。保存和删除都要有理由，杂乱的信息轰炸才会慢慢变成属于自己的输入花园。

另一个容易被忽略的动作是回到“松节油”。抽象地谈形式、结构和意义，不能代替对材料、工具和限制的熟悉。真正制作时，要记下字体为什么在这个尺寸失效、哪种纸吸墨、哪个接口让用户犹豫、哪个句子读起来发硬。创作会迫使欣赏者同时训练表达和手艺；一个人的内在感受，也只有获得足够具体的技术手段，才能变成只有他会做出的东西。

这些动作不会立刻生成一种稳定风格。世界需要被慢慢消化：一段时间后重新打开自己的加减记录，检查哪些偏好仍然成立，哪些只是当时受平台和潮流影响。品味没有速成证明，却会在长期一致的注意、选择和制作中长出自己的逻辑。

你的眼光，也在被环境塑造

品味可以训练，不代表它在真空中形成。我们认为“刚刚好”的构图、颜色和字体，往往是长期争论、教育、模仿和文化变化累积出的结果。很多规则重复得足够久，就会从可见选择变成无须解释的直觉。

一旦承认品味可以训练，下一个问题就出现了：我们训练的是一双完全私人的眼睛，还是一种可以共同讨论的判断？历史上，人们沿着三条路径回答过这个问题。哲学家 David Hume 把品味看成一种需要反复接触和教育才能磨炼的能力；哲学家 Immanuel Kant 关注的是，审美虽然发生在个人感受中，却仍会受到和谐、平衡等原则引导；社会学家 Pierre Bourdieu 则提醒我们，所谓“有品味”也会被文化资本塑造，甚至成为社会区分的工具。

这三条路径分别把品味放进训练、原则和社会环境中。它们无法代替三位思想家的完整理论，却足以解释一处关键张力：个人感受真实存在，共同体也一直在塑造我们用什么语言评价作品。

共同体会塑造品味，不代表财富、价格或圈层身份本身能够证明品味。财富可能增加接触好作品的机会，却不会自动产生判断；势利也只是品味可能采取的一种外在姿态，不是它的本质。把“昂贵”“小众”或“挑剔”直接当成质量，恰好会让身份替代真实判断。

最内层是基本功。构图、比例、层级、清晰度、可读性、颜色带来的情绪，以及字体在文字被读到之前建立的语气，都能解释作品为什么成立。它们不是永恒不变的风格公式，更像组织注意力和反应的工具。

再向外是历史与共同体。巴洛克的戏剧性、现代主义的克制、后现代的反讽，都和各自时代的问题绑在一起。只学习作品表面的造型，很容易把某个时期的答案误当成普遍规律。真正有价值的参照需要跨时代、跨学科，还要知道一件作品在回应什么环境。

最外层是平台与算法。数字平台会放大某些审美，算法把它们快速混合，昨天的新鲜感可能几周后就变成模板。输入比过去丰富，也更容易高度同质。一个人以为自己在自由浏览，实际可能长期被同一种可传播、易复制的风格包围。

训练品味因此还需要定期检查自己的输入：参照是否全部来自同一平台和同一职业圈？看到的是原作，还是经过多轮模仿后的版本？能否说清一个选择服务了什么时代问题和使用情境？如果流行方向反转，保留这项判断的理由还成立吗？

对产品而言，抵抗潮流也不等于只求实用。可用性与性格必须同时成立：用户不需要猜怎样使用，作品也没有因此失去自己的声音。

好品味，最终要变成作品里的取舍

眼光高却做不出来，只能产生更准确的批评。执行力强却没有标准，则会更高效地抵达平均答案。品味真正成为生产力，需要它改变创作现场里的决定：选什么问题、删什么装饰、接受什么困难、什么时候推翻早期方案。

基本功、历史和平台解释了品味从哪里来，却还不能回答制作现场最具体的问题：下一版究竟该删什么、改什么、推翻什么？程序员、写作者和投资人 Paul Graham，在《Taste for Makers》中把这个问题换成了更实用的问法：如果品味真的能够进步，那么数学、软件、建筑、绘画和写作里的好作品，是否拥有一些共同特征？他归纳了十四项。它们没有组成一条风格公式，更像十四个迫使创作者重新查看作品的问题。

为了让这十四项能直接进入制作现场，本文按“结构与问题、时间与原创、工艺与返工、环境与勇气”整理成四个工作面。这只是本文的使用方式，不是 Graham 原文的分类。

第一个工作面检查结构与问题。简单要求作品靠少数真正有力量的结构成立，装饰不能替空洞内容遮羞。解决正确问题，比给错误问题做一个漂亮答案更重要。留有生成空间，会让读者或使用者参与完成作品；对称、递归和向自然学习可以降低复杂度，也必须警惕机械重复和表面仿生。

第二个工作面检查时间与原创。经得住时间，是用过去和未来摆脱当下潮流的控制。有意识地借用，要求创作者知道想法从哪里来，并把“做对”放在表演原创之前。真正的陌生感也不能硬造；先追求准确，结果可能自然长得奇怪。略带幽默则来自作品的自信，它不需要把自己摆得过分庄严。

第三个工作面检查工艺与返工。值得的困难会逼人丢掉多余装饰，直接面对难题；坏摩擦只来自反复无常的要求和不可靠的条件，增加消耗却不提高解法。好作品看起来轻松，通常因为大量练习把原来需要意识控制的动作变成了熟练能力。高手也预期早期方案会被丢弃，并选择容易承认错误、容易修改的媒介和流程。

第四个工作面检查环境与勇气。伟大工作经常成批出现，因为高质量共同体会提供问题密度、批评强度和可见标准。勇气则要求创作者注意共识和真实之间的裂缝。很多改进从一句朴素的不满开始：这里太凑合了，应该有更好的办法。单纯讨厌丑陋还不够，必须先理解领域，才知道哪里真的值得修。

这些标准不能被做成机器评分表。简单不等于所有东西都要极简，持久不等于无视历史，困难不等于工时越长质量越高，借用也不等于抄袭免检。它们的价值在于迫使创作者说明选择，发现逃避真实问题的装饰，并为下一次重做找到方向。

守住人的筛选器

品味最终会表现为一连串拒绝：拒绝把第一版当终点，拒绝用流行替代理由，拒绝让装饰掩盖错误的问题，拒绝因为已经投入时间就不肯重做。

小说家 George Saunders 把修改描述成一枚脑内的“正负刻度计”：面对一个词、一句话或一整段，感受它让作品向正面还是负面移动，然后立即做出一次微小调整。品味就在成千上万次这样的微决策里获得形状。直觉可以先发出信号，创作者仍要通过删改检验它，而不是把“有感觉”当成停止解释的理由。

这种拒绝并不消极。它让创作者保留真正有用的部分，推翻那些虽然顺眼却没有理由的部分，继续塑形，直到节奏、层级、氛围、克制、清晰和留白都服务于同一个意图。有人会在应用、文章、设计方向和小型系统之间反复试验。这些试验都在练习同一件事：怎样在便利中保留自己的筛选器。

这六问可以直接用在下一次 AI 生成的文章、设计、产品或代码上。先写清作品要解决的问题，再打开第一版结果。每次只改一个高影响选择，并记录为什么更好、牺牲了什么。找不到理由时，不要用“更有感觉”掩盖；找不到可改之处时，也要警惕自己是否只是被完成速度麻醉了。

AI 让平均答案越来越便宜，也让真正的选择变得更显眼。能生成多少，已经不足以证明创造力。作品最终会暴露：你看见了什么，拒绝了什么，为什么重做，以及你有没有能力把自己的标准拉到现实里。

可带走：日常品味训练与沉淀素材包

下面这套训练包由本文从五篇文章的可执行方法中重新整理，不是任何一篇原文已有的清单。中段的七项表负责呈现第五篇自己的日常方法；这里进一步把五篇打通，分成每天 15 分钟训练分辨率、每周 45 分钟沉淀参照、每个项目结束前验收三种节奏。完整内容直接展示在页面里，也可以整包复制或下载为 Markdown。

这套训练不要求每天完成一件大作品。它要求留下可比较的判断证据，让输入、理由、手艺、批评和返工逐渐连接起来。真正沉淀下来的品味，最终可以在一串参照、版本和取舍中被看见。

本文以 Juliette、Emil Kowalski、Raphael Salaja 与 Paul Graham 的四篇文章建立主线，并吸收 Brie Wolfson 关于日常欣赏、注意力、输入筛选、手艺沉淀与微决策的增量笔记；完整材料链接见文末来源。