回想當初建站,我用 Cursor 加上 Claude 從零開始做個人網站。當時採用 Hugo 框架,整合多語系、自動翻譯、GitHub Actions CI/CD 與 Fitbit 即時數據,從概念到上線不到兩週。

以自己當時的工作方式估計,若倒退三年,同樣的事情大概需要三個月,還得外包一部分。

但有一件事沒有變快:決定這個網站「應該長什麼樣子」。

不是視覺設計的問題。是更根本的問題:這個網站要服務誰?要傳達什麼?哪些功能是核心、哪些是干擾?文章要分成幾個主題支柱?每個支柱之間的關係是什麼?讀者看完一篇文章之後,下一步該被引導到哪裡?

AI 可以幫我整理讀者需求、比較方案,甚至提醒我目標彼此衝突。但「我是誰」和「我認為什麼重要」,仍需要我說清楚;採用哪個方向,也由我承擔結果。這種判斷,就是我在這裡說的品味。

品味不是你以為的那種東西

「品味」這個詞在中文裡帶著一種菁英感,好像在說「我懂紅酒、你不懂」。但我要談的品味,跟菁英無關。

我在意的設計不只讓東西變漂亮,也要讓它適合使用:服務誰、解決什麼問題,以及使用時會遇到什麼限制。

「讓東西變對」:這就是品味的本質。

更具體地說,品味是三種能力的交集:辨識力(在一堆選項中看出哪個是對的)、否定力(敢於說「這個不做」)、以及脈絡感(理解為什麼在這個情境下,這個選擇才是對的)。

辨識力可以靠經驗累積。否定力需要勇氣和判斷。但脈絡感最難:它需要你同時理解技術限制、使用者需求、商業邏輯、文化背景,然後在這些面向的交集裡找到最佳解。

把設計原則、使用情境與資源限制交代清楚,AI 可以協助評分、排序,也能提出不做某件事的理由。但排序是否有用,取決於條件是否完整、假設是否合理,以及實際使用的結果。我的工作是補足脈絡,檢查建議,並對取捨負責。

我的品味是怎麼練出來的

說實話,我不是天生有品味的人。我的品味是被踩坑踩出來的。

做顧問的那些年,我看過太多「技術上完美但市場上無感」的產品。團隊花了半年打磨一個功能,上線後發現使用者根本不在意。問題不在技術執行,在於一開始就沒問對問題:「這個功能解決的是誰的什麼痛點?」

後來在做循環經濟的過程中,我學到另一層品味:適配感。同一套金屬回收技術,在 A 工廠的產線上是革命性的改進,在 B 工廠就是多餘的複雜。差別不在技術本身,在於你有沒有能力判斷「這個解決方案適不適合這個場景」。

這跟神學訓練的經驗意外地相通。十五年的神學背景教會我一件事:同一段經文在不同脈絡下可以有完全不同的意義,而詮釋的品質取決於你對脈絡的理解深度。這種「脈絡敏感度」後來成為我做所有判斷的底層能力:不管是選技術架構、定內容策略、還是決定一篇文章的切入角度。

現在用 AI 建系統的時候,我發現品味的價值變得更明顯,而不是更不重要。

舉個具體的例子。建辯論引擎時,有許多設計選擇:模型要幾個、對話幾輪、查核放在哪裡。各種組合仍要檢查成本、限制與效果。我當時選擇「四個模型、辯論加協作雙模式、Perplexity 做最終查核」,是根據當時跑過的幾十次實驗、對不同模型輸出傾向的觀察,以及想要的品質做判斷。這是當時的配置;模型表現會變,最後查核也不代表輸出必然正確。

AI 幫我寫了引擎的每一行程式碼。但引擎「該長什麼樣」,是品味決定的。

Vibe Coding 的真正意義

很多人把 Vibe Coding 理解成「不用認真寫程式了,跟 AI 聊聊天就好」。這個理解錯得離譜。

我從 Vibe Coding 得到的提醒是:部分原型做得更快,並不會讓取捨變得不重要。 部署、測試、維護、安全與資料品質仍有成本;決策品質也不是成果唯一的差異來源。

我在〈程式碼變便宜之後:從 Vibe Coding 到 AI 代理,誰負責交付?〉裡,把成本拆成產生初稿、確認可用與交付後維護。那篇談試作與交付的邊界;這篇想談個人如何判斷什麼值得做。

其中一個關鍵是指令的品質,而指令又取決於對問題的理解。它還需要可靠的資料、適合的工具、工程檢查與使用者回饋一起支撐。

我用自然語言描述需求時,更在意把意圖與技術條件一起交代清楚。「接收 JSON 排程資料,驗證欄位後存入資料庫」說明了技術工作,但 AI 產出的程式仍要測試。「讓一個人管八個社群平台,可靠性優先於靈活性」則說明了取捨方向。兩者互相補足;目標清楚,不代表實作就不會出錯。

前者偏向工程規格,後者偏向我所說的品味。兩者都需要,也常常交織在一起。

人文素養為什麼突然變重要了

在自己的 AI 協作經驗裡,我越來越重視「把想法說清楚」的能力。這不是技術與表達能力的排名;兩者都會影響合作。

這聽起來很簡單,但「說清楚」其實是一種極其複雜的能力。它需要你先想清楚自己要什麼(自我覺察)、然後用對方能理解的方式表達(溝通能力)、同時預判對方可能誤解的地方並提前澄清(同理心)、最後在對方的回應中辨識出哪些部分是對的、哪些需要修正(批判性思考)。

這四種能力:自我覺察、溝通、同理心、批判性思考:全都是人文訓練的核心。修辭學教你怎麼精準表達。哲學教你怎麼拆解問題。文學教你怎麼理解脈絡。歷史教你怎麼從案例中提煉判斷力。

我自己的經驗是,神學訓練對我跟 AI 協作的幫助,遠大於任何一門程式語言。因為神學的核心訓練就是:面對一個複雜的文本,在多種可能的詮釋中,找到最合理、最負責任的那一個。這跟面對 AI 的輸出時需要做的事,本質上是同一件事。

這也是為什麼我認為「後程式碼時代」不是工程師的末日,而是人文素養的文藝復興。

品味可以被培養嗎

可以。但不是用「上一門品味課」的方式。

品味來自三個來源:大量的輸入(看夠多好的和壞的東西)、跨領域的連結(在不同領域的經驗之間找到共通的判斷框架)、以及反覆的實踐與反饋(做出選擇、承受後果、修正判斷)。

Vitsœ 列出的 Dieter Rams 十項好設計原則,把有用、易懂、誠實與細節都放進設計判斷。對我而言,這提醒了品味也可以說出理由,而不只是「我喜歡」。

對我來說,品味的培養有一個很具體的方法:刻意練習「為什麼不做」。每次做決策的時候,不只記錄你選了什麼,也記錄你放棄了什麼、以及放棄的理由。時間一長,你會發現自己的判斷框架越來越清晰。

我在經營個人網站的時候就這樣做。每篇文章寫之前,我會先列出三到五個可能的切入角度,然後逐一排除,直到剩下最有價值的那一個。被排除的角度不是不好,而是在這個時間點、對這群讀者、在已有的文章脈絡中,不是最「對」的選擇。

這個過程,就是品味的肌肉記憶。

把判斷與責任留在合作裡

我在〈AI Agents vs. Agentic AI〉裡談過,人機協作還需要架構設計。在〈當語言被放棄〉裡,我也擔心難以閱讀的模型內部過程會增加監督難度。不過,讀得到過程不等於輸出正確,讀不到也不代表所有外部驗證都失效。

這兩個議題的交集,就是品味。

品味參與決定讓 AI 做什麼,也影響我選擇哪些驗收標準。但監督不能只靠自己的好惡,還要有測試、資料核對與使用者回饋。

AI 也能協助發現脈絡、提出目標與挑戰假設。我仍需要確認:服務誰、資源有哪些限制、什麼價值值得保留。接受一套建議,不等於把決定的責任一起交出去。

程式碼可以複製,模型可以訓練。對我而言,仍值得反覆練習的是:選擇建構什麼、放棄什麼,以及能不能把理由與結果說清楚。

把條件與選擇說清楚

AI 加快製作,也讓取捨更值得說清楚。

AI 可以比較方案,採用的方向仍需要理由。

意圖與技術規格互相補足,不保證實作零錯誤。

品味需要經驗,也需要測試與使用者回饋。

記錄不做什麼,並用結果修正自己的判斷。

把目標說清楚,也對採用的方案負責。

四格漫畫:AI 加快製作,也讓取捨更值得說清楚。AI 可以比較方案,採用的方向仍需要理由。意圖與技術規格互相補足,不保證實作零錯誤。品味需要經驗,也需要測試與使用者回饋。記錄不做什麼,並用結果修正自己的判斷。把目標說清楚,也對採用的方案負責。

2026 年 11 月 5 日修訂。 建站與模型配置記錄的是當時的工作經驗;三個月是我自己的估計。本文以品味討論取捨與責任,設計原則參考文中連結的 Vitsœ 頁面。