品味不是护城河
为什么最后的人类优势正在被工业化。
我过去负责写设计，AI负责编写软件。架构决策、API 契约、数据模型归我；实现归它。快进几个月后，模型越来越多地同时处理两者，因为它对的时候比错的时候多。系统设计的“外循环”——工程师在 AI 写代码时所做的那些事——结果只是它吸收的又一项任务。
过去一年，科技圈 Twitter 对这个问题基本得出了相同的答案1。随着 AI 吞噬执行环节，品味就是护城河。
虽然他们说品味很重要是对的，但对护城河那部分我就不那么确定了。护城河是你建造一次并守住的东西。品味更像是 alpha2：一种会衰减的优势，只有相对于不断上升的基准线才有价值。而这条基准线上升得比许多人意识到的还要快。
在这篇文章中，我想聚焦于品味；它如何改变人的角色，以及围绕谁拥有品味的问题。
基准线现在在哪里
每个领域都有一个门槛，AI 会从“明显更差”跨越到“好到足以骗过专家”。随着模型越来越好，组织也越来越擅长提供正确的上下文，这些门槛正在快速下降。
2024：AI 能补全代码但不能做架构。Copilot 的建议比人类代码的流失率更高。AI 生成的营销文案公式化且容易被识破。AI 生成的播放列表是新奇玩意，不是榜单竞争者。AI 招聘意味着关键词匹配简历，并存在有据可查的偏见。所有领域的共识都一样：AI 能处理苦差事，但品味、判断和设计是我们的。
2025：“Vibe coding”（凭感觉编程）成为主流。消费者给 AI 营销文案的评分高于专业文案撰稿人。音乐听众无法区分 AI 音乐和人类音乐。前沿模型在几乎所有职业中近一半的任务上与人类专家持平，完成速度快 100 倍、便宜 100 倍。十二个月里，“AI 做不了 X”在一个又一个领域变成了“AI 做 X 比大多数人强”。
2026：大多数美国开发者每天使用 AI 编码工具。AI 生成的音乐占主要平台每日上传量的三分之一以上。问题不再是 AI 能否在某个领域匹配人类的品味，而是还要多久它才能在你的领域做到。
这就是为什么我把品味看作 alpha，而不是护城河。我的判断只有相对于 AI 默认能做的事情才有价值，而那个默认值每隔几个月就会重置。
如果品味会衰减，问题就不再是“你有没有它？”，而是“在基准线追上来之前，你多快能把它融入系统？”
感谢阅读 Shrivu 的 Substack！免费订阅以接收新文章并支持我的工作。
品味如何重塑角色
即使品味作为一种持久优势正在衰减，它也正成为组织付钱让人做的主要事情（除了拥有使用 AI 完成工作的能动性之外）3。
拥有品味和能够表达品味同样重要。开箱即用时，我们许多人无法完全说清为什么更喜欢一种设计而不是另一种，为什么这段文案打动人而那段不行，为什么这个架构能扩展而那个不能。这种知识是隐性的，体现在直觉而非规则中。然而，工作正在从执行者转变为品味提取者：主要技能是将自己的判断融入系统的人。
对于一个AI原生营销团队来说，最佳人选并不是那些拥有最多原创营销创意的人（尽管他们拥有“品味护城河”）。也不是那些直觉平庸、只是恰好擅长提示ChatGPT的人。而是那些对什么能转化、什么会失败以及原因拥有N年模式识别经验的人，他们能够将这些经验转化为系统可用的形式。
他们的日常工作与传统营销人员截然不同。他们上午的时间用于审查AI生成的营销变体，而不是亲自撰写。他们针对自己的偏好进行A/B访谈，为品牌语调构建一份“本质”文档。他们从二十个输出中挑出三个感觉微妙不对劲的，并阐明问题所在：过于急切、语域不适合受众、埋没了价值主张。这种阐述会成为系统在处理接下来一百个输出时所应用的约束条件。到了下午，他们不再撰写文案；他们是在调试那台撰写文案的机器。
这不是传统意义上的“创造力”，也不是浅层意义上的“提示工程”。品味提取会构建一个关于你判断力的持久模型，该模型会在之后的每一次输出中不断累积。这是将经验判断编码到系统中并使其规模化的能力。
这一模式适用于许多依赖品味的岗位：
设计师不再摆弄像素，而是开始策展。
招聘人员不再筛选简历，而是开始校准“高潜力”人才。
产品经理不再撰写规格说明，而是开始引导功能批次。
…
如何提取你的品味（在别人之前）
你的品味可能是一个黑箱。你看到好的东西时知道它好在哪里，但可能无法解释原因。提取就是要把这种隐性判断显性化，以便系统能够据此行动，也让你能够提升生产力。
如果没有提取，你使用AI的成果就会漂移。在没有持久参考文档的情况下，跨会话提示相同的任务，AI每次都会从训练数据先验中重构；输出会向粗糙的中位数趋同4。
我一直在尝试几种方法来提升这方面的能力。它们适用于各个领域，而不仅仅是代码。
A/B访谈
让AI向你呈现成对的选项，并询问你更喜欢哪一个以及原因。你的解释，尤其是那些你难以言说的，就是信号。经过10-15轮后，模型会将你的偏好综合成一份文档，供未来工作参考。
给定这份[风格指南/文档/简报]，使用A/B示例对我进行访谈，以帮助细化[语调/风格/设计]指导。为[标题/段落/布局/架构]向我呈现两个选项。首先，批评这两个选项。然后问我更喜欢哪一个以及原因。根据我的回答，撰写一份1页的“本质”文档，总结我在该领域的品味。
“本质”文档成为一项可复用的资产。我已经为写作风格、UI设计偏好和代码架构模式做过这个。现在，在生成任何重要内容之前，我都会为每个新领域运行这个流程。
代笔
我越来越多地将每项手工完成的任务，同时在后台用最少的上下文让AI执行相同任务。如果我写一篇博客文章，我会在开始前让AI也写一篇。如果我在设计一个架构，我会让AI并行提出一个。然后我进行比较。
这是[需求文档 / 工单 / 简报]。请提出一套完整的[架构 / 系统设计 / 数据模型]，并说明每个重大决策的理由。
价值不在于哪份草稿更好，而在于我退缩的时刻。当 AI 的输出让我感觉不对劲、当那些劣质内容对我显而易见却难以言说时——这些反应就是品味的具象化。而我贡献了模型所没有的东西的地方，才是我真正的超额收益（alpha）。
随着时间推移，这些退缩点变得可以编码。我把它们记下来，转化为约束条件，再反馈回系统。这同时起到两个作用：一是帮我识别自己的品味究竟存在于何处，二是给了我表达那些此前无法言说的偏好的语言。我与 AI 草稿之间的差距在缩小，但我引导输出的能力却在增强，因为我被迫将隐性的东西显性化。
外部评审
你自己的品味存在盲区。我增强自己品味的一种方式，是提取他人的近似品味并将其输入 AI。
在实践中，这意味着在 Claude Code 中使用任务（又称动态子代理）来代表特定视角5：
我正在写作的目标受众。
我信任其判断力的经理或同事。
我欣赏其文笔的作家或品牌。
我为它们提供真实的背景资料：通话的 Zoom 文字记录、我收到的书面反馈、我想学习的已发表作品。然后我让每个代理独立评审我正在构建或撰写的内容。
使用一个任务来阅读来自[某人或某角色]的附件[文字记录 / 反馈串 / 写作样本]。提取他们的价值观、偏好和反复出现的批评意见。然后，仿佛你就是那个人一样，评审这份[草稿 / 设计 / 架构]。指出他们会反对什么、认可什么，以及他们希望看到更多什么。
这不能替代真实的反馈，但它能在我要来之前就捕捉到明显的疏漏。而且它会产生复利效应：每一轮外部评审都会暴露出我自己品味中的盲区，我可以将这些盲区纳入我的 Essence 文档和约束条件中。这也意味着我得到的真实反馈信号质量更高。
当平台大规模收割品味时
以上所有内容都是关于提取你的品味以保持领先。但有一个问题：不止你一个人在提取。
TikTok 不需要任何单个用户拥有出色的品味。它收集数以百万计的低信号交互（滑动、观看时长、重播、跳过），并合成出某种在工业规模上发挥作用的、类似品味的东西。单次滑动毫无价值。但汇总起来，这些微信号训练出了一个数十亿人每天花费数小时沉浸其中的推荐系统。YouTube、Spotify、Instagram、Netflix：每一个拥有算法信息流的应用，本质上都是一座品味工厂。
这家工厂不仅策展人类的创造；它越来越在策展AI的创造，依据整体数据所认为的“好”的样子来筛选。在角色层面赋能你的提取工作流，同时也训练着这些平台。你的提示词、偏好和点击都在教导那些随后与你自身判断竞争的系统。而这并不需要任何人直接用你的数据训练。它是间接发生的：你那些基于品味的产出表现良好，被点击、分享、模仿，而这种表现信号又反馈到下一代模型和推荐系统中。平台从数百万人那里学习“好”是什么样子，然后无需其中任何一个人单独参与，就能大规模地将其回馈出来。
在极端情况下，平台可能成为品味的主要所有者，而非个人。我们的角色从拥有品味转变为喂养品味。系统不需要在任何具体决策上与你的判断一致；它只需要从足够多的人那里获得足够多的信号，就能收敛到市场接受的东西。这里的“平台”甚至可能不是信息流，而可能是实验室和代币生产者。
开放性问题
品味可以被教出来吗？ 如果品味是通过经验和接触的某种不透明函数发展起来的，那么那些没有经历过正确体验的人会怎样？Dario曾警告AI会“按认知能力切分”，基于比具体技能更难改变的特质造成分层6。品味就是这种鸿沟的一个版本。
品味型岗位意味着更多招聘还是更少？ 目前的模式是更少的人拥有更大的杠杆：营销团队在缩减，一名设计师指导着过去五个人的产出。但如果工作是编码判断，你难道不希望有更多人从更多角度获取品味吗？单一提取者的盲点会变成系统的盲点。
品味竞赛的赢家是谁：个人还是平台？ 本文中的每种提取技术都是双向起作用的。你编码自己的判断以扩大你的杠杆；平台收集同样的信号以在没有你的情况下扩张。如果平台能比我更好地采访我，能同时从数百万用户那里采集偏好，并以近乎零成本应用这些聚合数据，那么个人品味是否会变成对他人护城河的贡献？
如果是这样，人们会接受“品味农场”作为一种工作吗？ 如果平台需要人类的微信号来训练它们的系统，“按次滑动付费”会成为一个工作类别吗？如果AI导致工作岗位大幅减少，这会是剩下的选择吗？到那时，谁收获了个人品味的大部分价值？
那些称品味为护城河的人，说它重要是对的。说它是你所能拥有的，那就错了。我越是练习表达自己的品味，就越不确定它是否持久。
感谢阅读 Shrivu 的 Substack！免费订阅以接收新文章并支持我的工作。
在商业战略中，护城河是一种难以复制的结构性优势：专利、网络效应、监管锁定。你只需构建一次，竞争对手便难以跨越。在金融领域，Alpha 是你赚取的、超出市场免费给予你的那部分回报，即对冲基金表现与简单指数基金之间的差距。关键区别在于：护城河是设计上持久的，而 Alpha 会衰减。发现同一策略的人越多，市场吸收得越多，优势就越小。品味的表现像 Alpha，而非护城河。你的判断力只有相对于 AI 默认产出才有价值，而这种默认产出本身在不断进步。
我这么说，是站在一个为相当 AI 原生组织工作、且经常与许多身处旧金山 AI 圈的人交流的人的角度。我明白，随着 AI 转型向世界其他地方扩散需要时间，目前仍有不少工作虽然 AI 已能轻松完成，却仍由人类在做。
两件事同时发生。第一，没有外部化的标准，AI 的输出会退回到其训练所依据的分布。每次新的会话都从该分布的中心开始，而不是从你上次离开的地方开始，因此质量会向中位数趋同。第二，这个中位数本身在不断上升。你今天编码的品味、你的 Essence 文档、你的约束、你的反馈，最终会被吸收进下一代模型的训练数据中。你曾经的 Alpha 变成了新的默认值。这甚至不需要模型直接在你的提示或数据上训练；它通过你的品味影响下的输出在世界上的表现——哪些被点击、分享、购买和模仿——间接发生，而这些都会反馈到下一次的训练分布中。这就是为什么品味的表现像 Alpha：你高于中位数的优势是真实但暂时的，因为中位数是一个移动的目标，会吸收你喂给它的信号。
使用子代理或任务来完成此工作流至关重要，因为你需要一个新鲜、无偏见的会话/上下文窗口来审查工作。
参见 技术的青春期。