> ## Content Index
> Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt
> Use this file to discover other available public pages before exploring further.

# 最后的堡垒：品味
- URL: https://www.hubwiz.com/blog/the-last-bastion-taste/
- Published: 2026-07-09T13:10:19.000Z
- Updated: 2026-07-09T13:10:19.000Z
- Description: 当AI可以编写代码并起草计划时，最后一个由人类掌握的技能是品味。了解为什么人类策展增值而技术技能贬值。
- Author: admin
- Tags: JOB MARKET, #Import 2026-10-14 14:41

*我感觉：*

> *当AI可以编写代码、运行实验并起草计划时，它仍然不能告诉你其中哪些值得做。即使是构建AI的实验室也承认：他们自己前沿工作中最后一个由人类掌握的技能是品味。这对你的职业意味着什么——以及为什么，与你所知道的所有技术性东西不同，品味会增值而不是贬值。*

想象两个工程师在同一个团队，在同一个早上，被分配了相同的任务。

他们现在都有相同的AI。都熟练使用它。都在午餐前交付了一个可工作的功能——整洁的代码，测试通过，已部署。

其中一个构建了正确的东西，另一个构建了一个美丽的、无瑕疵的、*错误*的东西——一个没人需要的功能，优雅地解决了一个无关紧要的问题。

十年前，你可以通过他们的技能来区分这两个人。一个写的代码比另一个好，而代码就是证据。那个差距正在迅速缩小。今天他们写*相同的*代码，因为同一个模型写了大部分代码。现在区分他们的东西在差异中完全不可见。

那是发生在写下一行代码*之前*的判断——选择构建什么，以及为什么。

那个无形的东西有一个名字。它就是**品味。** 我越来越确信它是未来十年最有价值——也是最被误解——的技能。

我花了20年构建生产系统，我见证了"有价值技能"的基础发生了三到四次变化。我想提出一个具体、略带不舒服的论点：几乎每个人目前都在训练错误的肌肉，而即将变得最重要的那个，没有人会把它放在简历上。

## 1、每个人都在学习贬值的技能

浏览一下网上的AI建议，到处都是同样的东西：*学习提示。学习工具。学习使用AI。*

这并不是完全错误的。但注意它是什么类型的技能。提示、工具操作、知道最新框架的语法——这是**执行。** 它是"怎么做"。而AI时代的整个论点，使其与之前每一次技术浪潮不同的地方，正是*执行正在被商品化。*

这是组织一切的分割：有**执行**（编写代码、运行实验、产生输出）和**判断**（决定哪个输出值得产生）。

在你的整个职业生涯中，这两者是焊接在一起的——你无法在没有执行技能支撑的情况下展示判断，所以我们大多衡量执行并假设判断随之而来。

AI刚刚将它们劈开了。它现在廉价地、大规模地、按需地执行。这意味着价值没有消失——它*完全转移到*剩下的一半：判断。品味。

![None](https://www.hubwiz.com/blog/content/images/2026/07/1-2YvCX4Z6exc0h7H8rqLS4Q.png)

而不舒服的含义是，大多数人竞相构建的技能——对工具的熟练——是贬值最快的，因为工具变得足够好，不需要太多熟练度。几乎没有人刻意构建的技能，即将变得最有价值。

## 2、即使构建AI的人也这么说

这不是我的直觉。这是前沿实验室关于*他们自己*工作的结论——这是最可信的地方，因为他们有完全相反的动机。

Anthropic最近发表了一篇标题引人注目的文章 **"当AI构建自身"**，关于AI越来越多地接管AI自己的研究和开发。他们将那项工作分成两部分。

有*工程*——编写代码、运行实验——用他们自己的话说，Claude已经可以匹配或超越他们的人类研究员。然后是*研究*——判断哪个问题值得追求，哪个结果是可信的，何时果断地杀死一个不起作用的方向。

他们得出结论，第二部分是仍然明显属于人类的东西。他们有一个名字：**研究品味。**

思考这意味着什么。在该领域的绝对前沿——在地球上构建最强大AI系统之一的公司内部，在改进该系统的任务上——机器可以做构建，而人类因*品味*而被保留。

> 如果品味是*那里*最后一个由人类掌握的技能，在最可自动化的技术环境中，它准确地告诉你价值在其他地方的去向。

AI研究员Andrej Karpathy更直率地提出了职业版本。随着答案变得商品化，代码成为工业产出，他认为，唯一稀缺的人类货币是设定有意义目标和挑选正确问题的能力。

> *他说，你职业的问题不再是"我如何做这个？" 而是*\*"我选择在哪里挣扎？"\*\*\*

## 3、"品味"实际上是什么（它不是一种感觉）？

这是大多数关于这个话题的文章变得模糊的地方，所以让我具体一点，因为品味听起来很神秘，但它不是。

我找到的最清晰定义来自关于科学家如何培养它的研究：品味是*在反馈循环很长且搜索空间很大且开放时，指导良好决策的直觉和判断的集合。* 最后一部分是关键。

品味不是针对有明确答案的问题——AI在那些问题上击败你。品味是针对那些你几个月内都不知道是否正确的问题，以及有一万件你*可以*做却没有明显方法来排序的问题。

它有几个不同的部分，命名它们使其可训练：

**问题选择** ——最可见的：在所有你可以做的事情中，哪一个真正重要？哪一个既可行*又*值得？

**探索感** ——对哪个实验产生最多见解的战术感觉，以及区分*真正令人惊讶的结果*与噪音的能力。这个异常是解锁某事的关键，还是干扰？

**杀死判断** ——知道一个方向何时已死，并有信念离开。这是最不练习的，在廉价执行的时代，也许是最重要的。

![None](https://www.hubwiz.com/blog/content/images/2026/07/1-qckjuMX6oxA0R9yrapMwQg.png)

**而这就是使品味如此有价值且如此难以自动化的属性**：它是**隐性的。** 正如一项分析所说，有品味的判断"依赖于长期沉浸在特定的社区和环境中，在那里我们形成了难以写下的直觉。"你通过做这项工作，多次，有反馈来构建它——而不是通过阅读规则手册，因为规则手册无法完全写出来。

这正是为什么它是交给一个从*已经写下来*的东西中学习的机器最慢的东西。

### 为什么品味变得更有价值，而不是更少？

在这一切之下有一个简单的经济法则，一旦你看到它就无法忽视：**当一种资源变得丰富时，它的互补品就变得稀缺和有价值。**

当汽车使旅行变得便宜时，位置——在*正确*的地方——变得更有价值，而不是更少。当互联网使信息免费时，*注意力*和*关于阅读什么的判断*变成了每个人现在争夺的稀缺品。

AI正在使一种特定的资源变得极其丰富：*答案。* 正确外观的输出、可工作的代码、称职的草案，随时可用。那么互补品是什么——那个恰恰*因为*答案现在很便宜而变得稀缺的东西？它是知道哪个答案重要。

哪个问题值得问。AI生成的十个看似合理的计划中哪个实际上很好。这就是品味，它的价值在答案成本下降的同一曲线上*上升*。

我们以前在每个抽象层都玩过这个。当计算器使算术免费时，价值转移到知道*运行哪个计算。* 当编译器使手写机器码不必要时，它转移到*设计。*

当云使基础设施成为商品时，它转移到*架构。* 每一次，机器吞噬了下面的一层，人类价值在梯子上爬了一级——从*做*到*决定。* AI是我们有史以来最大的此类步伐，这意味着攀升是最陡峭的，它推动我们上去的那一级是纯粹的判断。

![None](https://www.hubwiz.com/blog/content/images/2026/07/1-mlnbOHqRHAa7q6XvErQU-A.png)

## 3、诚实的账目：品味不是魔法堡垒

现在让我反驳自己，因为流传的这个想法的版本太令人安慰了，而安慰是人们停止思考的地方。

"品味是最后一个人类技能"常常被当作永久的安全港湾来表达。事实并非如此。研究人员正在*积极*地赋予AI品味——有一系列工作，标题如"AI可以学习科学品味"，试图形式化和训练这种判断，教导模型预测哪些研究想法会产生影响。

AI已经可以提出合理的问题方向。前沿也在向这里移动。任何告诉你品味不可触碰的人都是在贩卖安慰。

但仔细看看他们*如何*训练它，因为限制很有启发性。这些系统主要通过预测*已经*有影响力的东西来学习品味——例如，哪些论文后来被大量引用。这意味着机器"品味"本质上是**过去塑造的。**

它非常善于识别更多已经有效的东西。它最弱的地方恰恰是人类品味最珍贵的地方：新颖的赌注、逆向的呼唤、看起来错误直到明显正确的想法。在过去的训练中，它回归到共识——而共识是伟大品味愿意违背的东西。

**所以诚实的主张不是"品味永远安全。" 它更窄也更有用**： **品味是最后消失的东西，最慢转移因为它是隐性的，而且——关键是——你现在能构建的最高杠杆的东西，**因为当你的技术执行技能随着每个模型版本稍微贬值时，你的品味随着每次刻意的练习而复利。在技能组合中，它是增值资产。

## 4、如何真正构建它？

如果品味是可训练的——研究明确表明它是，没有人天生就有它——那么问题是如何。这是我告诉我自己团队的。

**1\. 将你的学习预算从执行转移到判断。** 每个你本可以花在记住API或框架特性上的小时，现在都比以前更糟糕，因为AI拥有那些知识。将这些时间重新定向到研究*为什么*好解决方案是好的，以及*哪些*问题值得解决。执行知识在模型发布周期上贬值；判断在职业生涯中增值。

**2\. 像训练模型一样训练品味——使用标记数据。** 品味通过预测和反馈提高，所以让你的预测明确。在决策之前——解决哪个问题、采取哪种方法、信任哪个结果——*写下你的预测。*

然后，稍后检查它。你对了吗？是运气、执行还是真正的判断？保留决策日志。大多数人做出数百个判断，却几乎什么也没学到，因为他们从未关闭循环。关闭循环就是全部游戏。

**3\. 获取更多、更多样化的练习——并向大师学习。** 品味是隐性的，通过沉浸构建，所以刻意积累多样化的经验，并逆向工程那些有品味的人：*为什么*这个设计有效，*为什么*那个产品获胜，*为什么*那个研究方向有回报？

你通过吸收许多从未在规则手册中的例子来构建无法写在规则手册中的直觉。

**4\. 使用AI做"怎么做"，这样你就可以练习"做什么"。** 这是将AI从威胁转变为品味健身房的重构。让它处理执行——并将它释放的时间花在判断层上：构建问题、评估选项、决定什么是真正好的。危险不是使用AI。

> 危险是将*判断*与劳动力一起外包——让它不仅做工作，而且默默地决定哪些工作值得做。

**5\. 刻意构建"杀死"品味。** 廉价执行意味着你可以探索比以前多得多的方向——这使得稀缺的技能是知道何时*停止。* 练习放弃东西。AI时代的瓶颈不是开始；而是有判断在发布之前杀死美丽错误的东西。

## 5、留给你的一个问题

回到那两个工程师。相同的团队、相同的工具、相同的代码——一个构建了重要的东西，一个构建了不重要的东西。从现在开始的每一年，工具将使他们的*代码*更相同，他们的*判断*更决定性。

他们之间的全部差异正在迁移到AI还无法跟随的一个地方：选择。

AI现在几乎可以回答你提出的任何问题。它仍然不能做的——它可能是*最后*做的——是告诉你哪些问题最初值得问。而且事情是：那总是更难的技能。

我们只是从未注意到，因为*做*工作占据了我们所有的时间和注意力。执行如此 demanding，以至于它隐藏了判断有多重要。

现在工作很便宜。做几乎是免费的。而剩下的一切都是选择。

所以问题不是你是否能跟上工具。你可以；它们变得更容易，而不是更难。问题是那个超越每个模型版本的问题，那个你整个职业现在转向的问题：

**当机器可以做你要求的任何事情时——你选择在哪里挣扎？**

因为那个选择，越来越多地，是唯一真正属于你的部分。

---

原文链接：[The Last Valuable Skill in the Age of AI Isn't Technical. It's Taste.](https://medium.com/codetodeploy/the-last-valuable-skill-in-the-age-of-ai-isnt-technical-it-s-taste-eba83b615f06?ref=hubwiz.com)

汇智网翻译整理，转载请标明出处