你无法用单元测试来检验品味
文章摘要
（注：原文页面返回 403 无法直接抓取，本摘要依据 Hacker News 讨论中对文章的转述整理。）
这篇博客文章的核心论点是：像”品味”（taste）这样的主观品质，无法像客观功能那样通过自动化测试来验证。作者在一个地理空间（geospatial）项目中与 Claude 协作时发现，即便给出了明确的需求说明和单元测试，要确保设计决策”有品味”，仍然离不开人类的判断和反复的迭代反馈。
作者的观察触及了当下 AI 辅助编程的一个根本张力：功能正确性可以被断言和测试覆盖，但代码是否优雅、设计是否得体、取舍是否合理，这些”品味”层面的东西很难被形式化为可执行的断言。AI 能通过所有测试，却依然可能产出臃肿、缺乏审美的方案。因此文章主张，品味必须先被”外化”（externalize）成清晰的定义才有可能被检验，而人类的隐性知识（tacit knowledge）恰恰难以被完整地外化出来。
HN 评论精华
讨论围绕”品味到底能不能被写下来、被测试”展开，观点呈现出光谱式的分歧。
- trjordan（置顶评论，约 303 分）认为：只有先把品味外化为清晰定义，才谈得上测试；但完整外化所有隐性知识是不可能的——正如”调试一个系统比运行这个系统消耗更多资源”。根本困境在于人不是数据库，我们应该用工具，而不是反过来教工具来使用我们。
- bonzini 做了细分：编码层面的品味尚可通过文档和注释”描述”出来（比如识别某些细微的模式偏离），但设计层面的品味往往连一个确定的框架都没有，最后只能退回到神经网络里”不透明的权重”。
- fragmede 持较乐观态度：像 Apple 的《Human Interface Guidelines》就证明某些品味是可以被写下来的。虽然做不到完整的单元测试，但可以用”集成测试”式的手段拦住那些明显糟糕的品味不让它上线。
- paytonjjones 点出核心局限：LLM 缺乏个体化的长期记忆，它永远像”一个天赋异禀但永远处在入职第一天的工程师”，无法像人那样通过睡眠和记忆巩固逐渐吸收组织的上下文。
- timroman 补充了一个视角：品味来自跨项目积累的模式，而非孤立的规格说明——”单个项目里很容易做错，但把 100 个项目连起来看，那条趋势线才会显现出来”。