本文與 Claude 共創。
最近我用 Claude 幫我寫過一整個網頁、用 ChatGPT 做過整套投影片，看過 ChatGPT 5.5 生成的廣告海報。技術水準都到了——構圖、配色、字體、留白，每樣都過關。但仔細看會發現一件事。
每一張都長得一樣。
不是說它們複製貼上，而是它們的「氣質」一樣。AI 生成的網頁有一種網頁感、AI 做的投影片有一種投影片感、AI 出的海報有一種海報感。技術上挑不出毛病，但你一看就知道是GPT做的、一看就知道是Claude做的。沒有立場、沒有偏好、沒有那種「我想表達的不是這樣，是這樣」的取捨。
我想了很久，覺得這件事的核心是——下 prompt 的人沒有觀點。沒有觀點就沒有取捨，沒有取捨就沒有品味，做出來的東西只能是平均值。
前一陣子讀到 Anthropic 的產品長 Mike Krieger 在 Lenny's Podcast 講過一段話：
在一個任何人都能寫軟體的世界，品味成為差異化的最後疆界。
他在另一場 Sequoia 的訪談講得更具體。Anthropic 訓練 Claude 程式碼能力的時候，他們不是把所有 GitHub 開源專案都餵給模型，而是精挑細選哪些值得進去。「品味在於資料的篩選，重要的不是量，是品質。」
這個方法論不只是給 Anthropic 的，也是給每一個產品團隊的。你的訓練資料、你的 prompt、你的介面決定、你的功能取捨，它們的品質由誰決定？
答案是你。是你的判斷力。是你的品味。
加入 DeepWave 之前，我跟幾個朋友一起辦過給小朋友的美學之旅。我們帶他們認識陳澄波，辦了兩屆營隊。
那兩屆讓我意外。我們本來預設是「大人帶孩子認識畫」，結果反而是孩子的視角讓我們重新看畫——他們看到的細節、他們的觀察方式、他們提的問題，常常讓我們這些「初級大人」愣住。孩子本來就會看，只是我們在成長過程中慢慢忘了。
那兩屆營隊結束後，我心裡埋下一個種子：美的鑑賞能力每個人都要有，而且要隨時保持敏銳。
這個問題後來一直跟著我。
特別是進了 DeepWave 之後。我每天面對的就是工程師、產品經理、設計師。他們聰明、技術好、會解問題。但偶爾我會想起那兩屆營隊，想起那些孩子的眼睛。
建築師讀建築系的時候，本來就有美學訓練：光、比例、材料、空間。他們的設計不只是「能用」，還要追求「對」。但軟體工程師沒有這個訓練。過去這件事不是問題，因為「能做出來」就是工程師的價值。
AI 把這個前提改變了。
當 Claude 可以幫公司寫一整個網頁、ChatGPT 可以幫公司做整套投影片、AI 可以生成達到專業水準的海報——「能做」這件事不再稀缺。差別開始出現在另一個地方：你們公司做出來的東西，有沒有你。
回到開頭那個觀察。為什麼 AI 生成的東西都長得一樣？因為下 prompt 的人沒有觀點，沒有辦法說「我想要的不是這樣」。技術可以靠 AI 補上，但觀點不能。觀點是內化的——它反映在你的個性、你的生活、你的選擇裡。是先有那個內化的「你」，才會有產品的調性。
所以這個部落格寫到第六季，我想做點不一樣的事。
前面五季從《社會的麥當勞化》一路寫到第五季用 Gell、Latour、Barad 談能動性。回頭看那五季，我做的事情是「批判」——拆解這個世界出了什麼問題、為什麼我們會這麼累、AI 時代我們失去了什麼。這些都重要。但我發現，我寫了五季「為什麼」，但很少寫「然後呢」。
接下來這一系列，我想做的事情是「培養」。幫工程師、產品經理、設計師——也包括我自己——找回美的敏銳度。
接下來我會跟十位作家對話。每一季一位作家，每一本書一篇文章。十個人合起來，在我心裡其實要回答的就一件事：美是什麼？AI的年代與環境中，什麼是美？如何展現？
我先把這十個人介紹給你。
第六季從蔣勳開門。我選蔣勳開門是因為他的感受性最直接——讀他的書像是有人輕輕拍你的肩膀，告訴你美其實一直在你身邊，只是你忘了看。我會寫《孤獨六講》、《感覺十書》、《美，看不見的競爭力》、《微塵》四本。四本合起來在回答一個問題：產品團隊為什麼需要美學。蔣勳的答案會讓你發現，美不是裝飾，是 AI 時代的護城河。
第七季是漢寶德。蔣勳是感受性的喚醒，漢寶德是理性的訓練。漢寶德把「美」從個人經驗拉到「可以被論證、可以被傳授、可以被檢驗」的位置上。對工程師讀者，漢寶德比蔣勳更接得住，因為他要求你給出標準。我會寫《漢寶德談美》、《如何培養美感》、《建築的精神向度》三本，分別談的是合理性、觀察力、尺度感。
第八季是詹宏志。蔣勳和漢寶德都是論述者，詹宏志不一樣，他是少數用一輩子在商業現場示範「人文素養可以怎麼活成商業實力」的人。從《城市觀察》、PChome、城邦，到他現在還在寫的散文。他證明了一件事：我還在實戰。我會寫《創意人》、《旅行與讀書》、《偵探研究》、《人生一瞬》四本，談人的厚度怎麼活出來。
第九季是西方建築師Christopher Alexander。這位是這個系列裡最重要的一座橋。他寫建築，但軟體工程師讀他比建築師還熱烈，因為他的書直接催生了我們熟悉的 Design Patterns、Wiki、Agile。他用詩的語言問了一個問題：好的東西有一種說不出的特質，那個特質是什麼？我會寫《永恆的建築之道》、《建築模式語言》、《秩序的本質》三本。讀完他，工程師會發現自己這輩子追求的「好程式碼」，建築師五十年前就問過了。
第十季是阮慶岳。我把他放在漢寶德的後面，因為他是漢寶德的下一代延續者，但更柔軟、更內縮。漢寶德從建築看文明，阮慶岳從建築看一個普通人。他寫過小說，所以他寫建築的時候帶著小說家的眼睛——看一個房間的光、一個老人的姿勢、一個家庭的疲憊。我會寫《建築的態度》、《建築師的關鍵字》、《林秀子一家》三本。建築師為什麼要讀小說？因為要設計房子，得先懂得住房子的人。
第十一季是林懷民。雲門五十年的編舞家。林懷民提供的是這個系列裡其他人都給不了的東西——用身體理解時間。產品的節奏感，loading 的留白，AI 思考時的呈現，輸出的速度，這些都是節奏。但工程師很少從「節奏感」、「身體性」談這些事。林懷民會強迫你重新看待產品的時間性。我會寫《高處眼亮》、《飆舞》、《擦肩而過》三本。
第十二季是舒國治。前面六季偏視覺、偏理性、偏結構。舒國治是把味覺、嗅覺、閒散打開的那一棒。他寫台北的小吃店、京都的小巷、一個理想下午該怎麼度過。他的文字裡很少有「該」，倒是常常出現「不」——不要趕、不要刻意、不要證明自己。在效率至上的科技文化裡，舒國治是反命題。我會寫《理想的下午》、《台北小吃札記》、《門外漢的京都》三本。
第十三季是岡倉天心。1906 年用英文寫《茶之書》獻給西方讀者的日本人。這本書處理的是東方對「缺、空、不完美」的審美如何被翻譯給西方人理解。一百多年之後，這個問題我覺得可以重新提一次：能不能被翻譯給 AI 理解？AI 趨向「對稱」、「順滑」、「完美」，但東方美學告訴我們，留下空間才是真正的設計。我會從《茶之書》七章中提出三個切角寫三篇。
第十四季是許倬雲。歷史社會學家，研究中國古代社會超過五十年。在「下個版本」、「下季 KPI」的工程文化裡，許倬雲提供五千年的尺度。他的視野讓我們看見一件事——產品團隊每天爭吵的問題，人類在過去兩千年已經處理過很多次。AI Agent 像不像古代的幕僚？分布式團隊像不像古代的節度使？這些對照不是穿鑿，是讓你看清自己在做的事不是新問題。我會寫《萬古江河》、《往裡走，安頓自己》、《從歷史看組織》三本。
第十五季是 Susan Sontag。整個系列的批判性收尾。前面九季都在「培養美感」，但 Sontag 會問——你培養出來的「品味」服務於誰？你看的「影像」是誰拍的？你以為的「優雅」可能正是某種權力的展現。她寫《論攝影》在 1977 年，但她的批判完全可以重新提問為「AI 生成影像如何改變我們看世界的方式」。我會寫《論攝影》、《關於他人的痛苦》、《反詮釋》三本。
這十個人合起來，我希望我能看到一個圖像。
一個有品味的團隊——他們不是更會用 AI，他們有更深的內裡。
這個內裡有幾層。
最上面一層是感受。能感受到一個介面的細微情緒，能聽出一段對話的呼吸，能聞到一個城市的氣味。蔣勳、舒國治、岡倉天心打底這一層。
往下一層是判斷。知道什麼時候要做、什麼時候不要做；知道什麼是合理的、什麼是奇巧的；知道一個東西是「活的」還是只是看起來像活的。漢寶德、Alexander 訓練這一層。
再下去是修養。紀律、節奏、長期主義。是被一輩子餵養出來的。AI 永遠模仿不了一個人活了三十年累積的厚度。詹宏志、林懷民、許倬雲示範這一層。
更深一層是視野。能用五千年的尺度看自己在做什麼，能用門外漢的眼睛看專家看不見的東西，能用批判的眼光看自己生產的影像。許倬雲、Sontag 拉開這一層。
到最底，是人格。他們本身就是品味。怎麼走路、怎麼說話、怎麼面對失敗、怎麼面對死亡，都是品味的一部分。岡倉天心寫的「茶人」就是這個。AI 可以模仿任何風格，但 AI 沒有「這個人是誰」。
這五層加起來，是 AI 時代產品團隊該展現出來獨特的價值。
寫到這裡，我想邀請你做兩件事。
第一，如果你看到上面這十位作家的清單，有人讓你眼睛一亮、有人讓你想多看一些，讓我知道。我會把那一季優先處理，或者在那一季多寫一些。
第二，如果你覺得我漏了哪位重要的作家——你私心的某位散文家、設計師、思想家——也歡迎告訴我。如果共識足夠，我會在第十季寫完之後，再加一季「讀者推薦的那一個人」。
這個系列不是只屬於我。這是一個邀請——邀請你跟我一起讀完十個人，看看走完之後，我們會變成什麼樣的人。
引用來源：
- Mike Krieger 在 Lenny's Podcast：Anthropic's CPO on what comes next
- Mike Krieger 在 Sequoia Capital 訪談：Anthropic CPO Mike Krieger: Building AI Products From the Bottom Up
