上一章结尾埋了个问题：东西查完了，事实都对——但「对」不等于「好」。两份报告都没有硬伤，为什么行家扫一眼就说「这份是高手写的，那份是新手攒的」？这一章讲评价能力里最像「玄学」、其实也最有规律的部分：见识，或者说，品味。
为什么新手评不了，行家一眼看穿
先看一个常见现象。一个刚入行的人看两份设计稿，觉得「都挺好的」；总监扫一眼说「这份不行」。新手的感受是总监在装——明明差不多。但三个月后，这个新手再回头看他当初觉得「挺好」的那份，自己也看不下去了。
这中间发生了什么？不是他学会了什么口诀，而是他在这三个月里看了几百份设计稿，脑子里攒出了一个样本库。所谓「眼光」，本质是一个参照系：你脑子里存着几百个例子，新的东西一进来，自动跟它们比对——这个比平均水平好，那个比顶尖水准差一截。没有样本库的人，眼前这份稿子就是他世界的全部，他没有坐标系可以安放它，只能说「挺好」。
大白话：识货不是一门知识，是一个数据库。数据库是拿眼睛一条条喂出来的，没有捷径，但有喂法。
品味的科学名称：内化的分布
用更精确的话说：行家对一个领域「好」的判断，其实是他脑子里内化了这个领域作品的质量分布——绝大多数作品长什么样（平均水准），顶尖的长什么样（天花板），糟糕的长什么样（地板）。新手没有见过分布，只能看到手里的一个点；一个点没有好坏可言，好坏是分布里的位置。
这解释了很多事：
- 为什么「我觉得挺好」常常是错的：你的样本太少，随便一个及格线上的东西都会超出你的期望。
- 为什么行家会「苛刻」：他不是苛刻，是他的分布里见过真正好的，天花板抬高了他的及格线。
- 为什么品味可以迁移有限：美食家评得了餐厅评不了代码，因为他的分布是喂在菜上的。品味是领域特异的——这是第八章要展开的重要警告。
怎么喂：样本库的三条投喂纪律
既然眼光是数据库，问题就变成工程问题：怎么高效地建这个库。三条纪律：
纪律一：要看就看好的，别在平庸里泡着。这是反直觉的——很多人觉得「我水平低，先看点入门的」。错了。样本库的价值锚点在天花板：你得先知道顶尖的东西长什么样，才知道「好」的方向在哪。学写作就去读公认最好的那些作者，学设计就去看得奖作品，学代码就去读优秀的开源项目。你的品味上限，取决于你接触过的最好的东西。天天刷平庸内容的人，分布被喂歪了——他会把平庸当成平均水准。
纪律二：看好的也要看烂的，而且要知道烂的烂在哪。只看好样本有个副作用：你会觉得好是「理所当然的」，说不出它做对了什么。对照样本才显影。找一份公认糟糕的东西和一份公认优秀的，逐段对比：同样的信息，高手是怎么处理的？这一步是把模糊的「好」逼成具体的差异——它同时为第四章的「拆样本造尺子」供弹药。
纪律三：带着问题看，别裸看。「多看好东西」是废话，关键是怎么看。裸看是消费，带着问题看才是采集。每看一个好样本，问三个问题：它哪里比同类强？这个强法我能拆出来吗（是什么操作造成的）？这个操作能搬到我的场景吗？三个问题问完，这个样本才真正入库——从「看过」变成「存了结构」。
AI 时代的一个新风险：样本库被污染
这里有一个这个时代特有的陷阱。过去，你能接触到的「样本」大多经过人工筛选——出版有编辑，上架有采购，传播有口碑。你看到的东西整体质量高于平均。而现在，AI 生成的内容正在灌满信息环境，它们的水准集中在「像模像样的平庸」。如果你的样本库主要被这类内容喂养，你的分布会整体下移：你会慢慢把「AI 水准」当成「好」的标准。
这是评价能力在 AI 时代的第一场保卫战：守住你的输入质量。具体做法不复杂——刻意保留高质量的人类作品来源（经典的书、顶尖的专栏、获奖的作品），定期回到这些锚点重新校准。品味像视力，长期在昏暗的光线下看东西，会忘了明亮是什么样。
从「看出来」到「说出来」
样本库建起来之后，你会拥有一种新的体验：扫一眼就知道「这个不对」。但注意，这还只是评价的前半程——感觉层面。行家和新手的最后差距不在「看出来」，在「说出来」：把那个不对劲的感觉，翻译成可辩护的语言（「这段的论证在第二步跳了一步」「这个配色的明度对比不够，重点没出来」）。感觉是私人的，说出来才能被检验、被讨论、被用于决策。这个「说出来」的功夫——把判断写成理由——就是下一章的主题。
本章小结
品味不是玄学，是内化的质量分布；新手评不了是因为样本库太小，好坏是分布里的位置。投喂三条纪律：看好的（定锚点）、看好烂对照（显影差异）、带着问题看（存结构）。AI 时代要警惕样本库被「像模像样的平庸」污染，守住高质量输入。看出来只是前半程，下一章攻后半程：把判断写成站得住的理由。