品味无法被自动补全
先做个实验。给你两段代码，都能跑，都通过了同样的测试，功能一模一样。可一个干了十年的老手扫一眼，就会指着其中一段说：这个好。你问他好在哪，他往往一时说不全，只憋出一句"就是感觉这个干净"。
这句"感觉"最容易被当成玄学，好像是天生的、说不清的、带点神秘的东西。这一章我想干的事，就是把这层神秘剥掉——告诉你那不是感觉，是一套长在身体里的快速判断；它从哪来、为什么 AI 给不了你、你怎么把它养出来。
先说清楚"品味"到底指什么
品味，在这本书里特指一件很具体的事：在没有标准答案的地方做取舍的能力。
有标准答案的地方不需要品味。1 加 1 等于几、这个字符串怎么反转、快排怎么写——这些有唯一正确解，查一下、背一下、让 AI 补全一下就完了。品味只在"怎么做都能对，但就是有高下"的地方才登场。变量叫什么名、这个函数拆成两个还是留成一个、错误在这里抛还是往上传、把复杂的部分藏在哪一层——这些没有裁判，没有编译器帮你判分，全靠人来拿主意。
所以品味不是"知道正确答案"，而是"在没有正确答案时，知道哪个更好"。这两件事的区别，正是这一章的全部。
AI 的补全，本质是回归到平均
要理解 AI 为什么给不了你品味，得先看清它到底在干什么。
AI 写代码，靠的是自动补全——根据海量样本，预测"接下来最可能出现什么"。
它读过几千万个程序员写的代码。你打出一个函数开头，它就在心里算：在见过的所有类似开头之后，人们最常接着写什么？然后把那个"最常见的接下来"给你。它不是在思考什么对，它是在数什么多。
这件事有个逃不掉的后果：它给你的，永远是最常见、最不容易出错、最中庸的那个答案。用统计里的话说，这叫回归到平均——大量样本一平均，尖锐的、特殊的、极端的都被磨平了，剩下中间那一坨最普通的。（严格说，你可以调高它的「冒险系数」，让它偶尔蹦出非典型的写法；后期还会用人类反馈去调教它的偏好。但这些都只是让它离平均远一点点——骨子里，它依然是朝着「最像样的高频写法」在回归。）
就像你问一万个人早饭吃什么，把答案平均一下，得到的不是任何一个人真实的早饭，而是一个谁都不会真去吃的"平均早饭"。AI 给你的代码，很多时候就是这份平均早饭：哪儿都不难吃，但也说不上好。
而品味恰恰是反过来的东西。品味是知道什么时候该偏离平均——知道这个地方不能用最常见的写法，得为了某个具体的人、某个具体的将来，做一个"与众不同"的决定。AI 天生往中间走，品味天生知道何时该往边上走。这俩从根子上就是拧着的。
回到那两段代码
空谈没用，看具体的。假设我们要处理一批用户订单，两段代码都能跑。
第一段这么写：函数叫 process，里面一个变量叫 d，一层套一层的 if，把校验、算钱、扣库存、发通知全塞在一个八十行的函数里。它对，它跑得通，测试全绿。
第二段：函数叫 settleOrder（结算订单），里面的变量叫 order、remainingStock（剩余库存）；校验被单独拎成一个 validate，算钱是一个 calculateTotal，主函数就短短几行，像一段目录，读一遍就知道整件事分几步。
老手为什么一眼选第二段？把他那句"感觉干净"拆开，其实是四件能说清的事：
- 命名：
settleOrder告诉你这函数是干嘛的，process等于没说。名字是写给读代码的人看的路标，好名字让人不用点进去就懂。 - 边界：库存不够怎么办、订单为空怎么办——好代码在显眼的地方把这些边角情况先处理掉，而不是等它半夜炸了才想起来。老手被这种边界坑过太多次，身体记得疼。
- 把复杂藏在哪：复杂消不掉，但能挪。第二段把每一坨复杂关进各自的小函数里，主函数只剩清爽的骨架。这叫把复杂藏对地方，让你每次只需要面对一小块。
- 半年后的感受：这是最要命的一条。半年后有个新人接手，或者就是你自己忘光了回来改。第一段那八十行会让他坐在屏幕前头皮发麻，改一处怕碰坏三处；第二段他扫一眼目录就知道该动哪。
看出来了吗？这四条没一条是关于"能不能跑"的。它们全是关于别人和未来的自己，读起来、改起来是什么感受。
好品味，是替未来的人做的体贴
这是我最想让你记住的一句话：好品味的本质，是替未来读这段代码的人（很可能就是你自己）做的体贴。
代码写完那一刻，能不能跑就定了。但代码会被读几百次、改几十次，绝大多数时间它是被人看、被人维护的。写得中庸、写得平均，机器一点不在乎——它不读代码的"感受"。在乎的是人。
而 AI 的补全，恰恰缺了这个"具体的人"。它不知道半年后是谁来接手、他赶不赶时间、这段代码在你们这套系统里是主干还是边角、你们团队约定俗成的规矩是什么。它只知道全世界的平均写法。体贴一定是针对具体对象的，而平均里没有具体的人——这就是它给不出品味的深层原因。
能跑，是写给机器的及格线。好读好改，是写给人的高下之分。AI 帮你稳稳踩过及格线，但那条高下之分的线，还得你自己来划。
为什么品味只能"长出来"
既然品味这么值钱，能不能像背知识点一样，一次性教给你、灌给你？
不能。这正是它稀缺的原因。
知识可以灌，因为知识是"是什么"。品味没法灌，因为它是"这么干将来会怎样"的预感，而这种预感只能靠反复见到真实后果长出来。
你把一个函数写得随随便便，当时爽了。三个月后你回来加需求，被自己埋的坑绊了个大跟头，改了一下午还没改对——就在那个下午,你身体里长出了一点点品味。下次再遇到类似的地方，你手会先停一下。你说不清为什么停，但你知道再往前是坑。这个"停一下"，就是品味在工作。
所以品味的养料是两样东西：见过足够多的好（知道优雅长什么样，有了参照），和被足够多的烂坑过（知道代价疼在哪，有了敬畏）。这两样都得亲身经历，隔着屏幕看别人讲不算。就像你没法靠读游泳教程学会游泳，也没法靠读别人的品味获得品味——那套快速判断必须在你自己身上、被真实后果反复锤出来。
这里还有个反直觉的地方：AI 越好用，你越容易失去长品味的机会。因为长品味要靠踩坑，而 AI 帮你把常见的坑都先填了。这是好事，也是陷阱——你舒舒服服跳过了那些本该教育你的疼。所以在 AI 时代练品味，得刻意一点：别只满足于"它给的能跑"，多问一句"如果是我，我会不会这么写、为什么"，多去读那些公认写得好的代码，多在自己踩坑时停下来复盘，而不是让 AI 一键糊过去。
怎么判断自己有没有在长品味
给你几个能自查的抓手，都是可观察的，不玄：
- 看 AI 给你的代码，你能不能说出它哪里"平庸"、换你会怎么调，并说清为什么。只会说"看着还行"就是还没长出来。
- 你改自己半年前的代码时，是想骂人还是能顺畅接上。骂得越多，说明你这半年的品味涨得越快——你现在的眼光已经看得见当初看不见的糙。
- 你能不能对着两个都能跑的方案，讲清"我选这个，是因为将来在某某情况下它更不容易出事"。能把取舍讲成因果，品味就在成形。
说到底，写代码这件事被 AI 摊薄的，是"把想法变成能跑的代码"这一段——那一段越来越像平均早饭，谁都能端上来。没被摊薄、反而更值钱的，是"在都能跑的方案里挑出更好的那个"的那一下判断。前者是补全，后者是品味。补全会回归平均，品味负责偏离平均；补全服务机器的及格，品味服务人的将来。
这一下判断没有标准答案，所以没法自动补全；它只能靠你被真实的好与坏反复喂大，一点点长在身体里。慢，是它的代价，也是它的护城河。