AI 选出来的东西都挺好,但跟你没关系

我最开始搭选题 Agent 的时候，犯了一个很低级的错误。我给 AI 喂了大量来源——公众号文章、播客链接、行业报告、热门话题——然后让它帮我筛选值得写的选题。它吐出来的结果，每一个都有道理，每一个方向都值得展开，你甚至很难说它哪里错了。

但看完之后吧，我总有一种很微妙的感觉：哎，这些选题，每一个都“好”，但好像就是跟你没什么关系。它像一个别人会写、别人也应该写的好题目，但不是我的题目。

一开始我以为是 AI 的问题。是不是提示词不够好？是不是来源质量不行？折腾了一圈，效果确实有改善，但那个核心问题一直都在：AI 选出来的东西，还是差那么一口气。

后来我才想明白。说实话，想明白这件事花了我比预期更长的时间。答案不在 AI 那边，在我自己身上——我从来没有把自己的判断标准喂进去。

很多人把“给 AI 信息”和“给 AI 判断”画了等号，于是不断往系统里塞资料、塞链接、塞案例，期待 AI 突然变得更懂自己。可资料再多，也只是资料。如果你的判断标准没有进去，AI 只能在一堆“看起来都不错”的东西里做平均推理——它能选出合理的东西，选不出属于你的东西。

01

PART

Taste 不是感觉，是选择标准

大家都在说 Taste，然后呢？

现在大家都在谈 Taste。执行变便宜了，资料、摘要、初稿、标题、方案、代码、设计方向，AI 都能快速生成。当生成不再是瓶颈，人的选择、审美、判断和取舍就变成了新的稀缺资源。所以所有人都在说 Taste 很重要。

对。然后呢？

Taste 很重要这个判断已经被说烂了。真正需要追问的是：Taste 到底是什么？它在你身上以什么形式存在？它怎么才能从脑子里的感觉，变成一套可以被反复调用的标准？

你知道为什么不选

大多数人把 Taste 理解成审美，比如设计感、高级感、调性。这个理解太窄了。Taste 的核心，是你知道为什么这个值得继续，那个应该放掉。松浦弥太郎说，“所谓品味，首先需要选择和判断。”品味不是你看到一个好东西，然后说“我喜欢”，真正的品味发生在十个东西看起来都不错的时候。

你能说出：这个比那个好，因为它更接近我要的问题；那个虽然漂亮，但方向不对；这个值得继续挖，那个只是热闹。杨振宁也说过，一个人的 taste，是对“某些特点的喜爱，某些特点的憎厌”。注意，不只有喜爱，还有憎厌。Taste 里面一定包含“我明确不要什么”。

简单说，Taste 是你长期实践之后形成的一套压缩判断能力：知道什么值得做，什么不值得做；什么只是热闹，什么真正有价值。

回到选题那个场景。AI 给你十个选题，每一个都有道理，但你知道其中八个虽然好，却跟你没关系。这就是 Taste 在工作。它帮你砍掉那些“好但不是你的”。

只在脑子里的标准

问题是，这套判断标准只在你脑子里。

你可以想象一下这个场景：你跟朋友说“帮我推荐个餐厅”，朋友问你想吃什么，你说“随便，好吃就行”。然后他推荐了一家日料，你说今天不想吃生的；他又推荐了一家火锅，你说太油了；他推荐西餐，你说太正式了。三轮下来，朋友崩溃了：你到底想吃什么？

你自己其实知道。你要的是那种不太正式、口味清爽、最好有点特色的小馆子。可这个标准从来没被你说出来过，它只在你脑子里。朋友调不到它，只能一次一次试错。

AI 面对的是同样的处境。你让它帮你生成内容、筛选选项、做决策，但你从来没告诉它你的标准。它不知道你喜欢什么、不要什么，也不知道什么叫“好但不是你的”。它只能在你给它的信息范围里推理，而你的那层判断，它根本碰不到。

02

PART

你的判断只在你脑子里

不可调用

而只在你脑子里的东西，AI 调不到。

你一定有过这种体验：你在某个项目复盘里写过一句“下次别碰这类需求”，三个月后面对类似需求，又踩了一遍。那条判断从来没从复盘里被提取出来，变成一条可调用的标准。它躺在某个文档的第三页，你不会去看，AI 更不知道。

这条判断对你有用。但对系统没用——因为系统调不到它。

信息库和判断库，是两种东西

我最近清洗 Notion 选题库的时候，撞上了同样的问题。AI 在帮我生成选题灵感时，把一些首页链接、课程页、产品页当成了具体文章依据。表面上看，这是 AI 的幻觉，但底层问题更具体：我的系统里从来没有把“可引用来源”和“背景信息”区分清楚。

我脑子里知道，只有读到正文的链接才能作为文章灵感来源；首页和产品页只能作为背景，不能当成具体文章依据。可这个判断从来没被写进系统。那次修正之后，我加了一条规则：没有读到正文的链接，不能作为文章灵感来源；首页和产品页只能作为背景。

这多存了一条信息吗？

没有。这是更新了一条判断标准。

你看，这两件事其实是同一回事。你脑子里的判断一直在工作，但它没有被外显、记录和系统化。它对你有用，对 AI 没用。波兰尼说过一句话：“我们能知道的多于我们能言说的。”你的 Taste 就是这种东西。你确实知道，但你没说清楚。

AI 只能调用你说清楚的那部分。

所以现在可以看到两条路的区别了：

信息库保存的是你看过什么，判断库保存的是你如何判断。一个存内容，一个存标准；一个越存越满，一个越用越准。

AI 时代的个人系统，不应该只是记忆外包，还要完成判断外显。 因为 AI 什么信息都能查到，但它查不到你的判断。

03

PART

给判断写一份说明书

给自己写一份判断说明书

那怎么把 Taste 变成可调用的判断？

我后来做了一件很简单的事：给自己写了一份文件。它不是待办，不是笔记，也不是资料摘录，而是一份专门写给系统看的判断标准。里面写清楚我喜欢什么类型的选题，不碰什么方向，什么样的内容值得深挖，什么样的热闹我不跟，我的取舍原则、审美倾向，甚至我明确不做什么。

写完之后，我把这份文件喂给选题 Agent，效果很直接。它选出来的东西，不再是“每个都好但跟我没关系”，而是真的像从我的视角筛过一遍。那些“好但不是我的”选题，被砍掉了，留下来的，是我看了会想点进去的那种。

这件事其实不新鲜。AI 开发圈里有个做法，叫 SOUL.md。它像一份灵魂文件，定义一个 AI Agent 的人格、原则和行为边界。每次对话启动时，这个文件会被加载进去，AI 就知道自己该以什么姿态做事。

我做的是同一件事，只不过方向反过来了。我给 AI 写的，是我的判断标准。让它知道，从我这个角度看过去，什么值得，什么不值得。

你可以把这份文件理解成一份“判断说明书”。它不需要长，但需要一层一层说清楚。

第一层：你的视线落在哪

先写你关注什么、不关注什么。你的兴趣范围、专业领域、愿意花时间深挖的方向，以及你明确不想碰的那些东西，哪怕它们看起来很热闹。

这一层回答的是：你的视线落在哪。

很多人卡在这里，因为他们以为自己什么都感兴趣。结果每个方向都碰一点，每个方向都不够深。你要先把自己的边界画出来：哪些你愿意长期追，哪些只是看着热闹，哪些你一开始就不打算碰。这一层不说清楚，AI 会把所有“热门”都塞给你。

第二层：你凭什么选

再往下，写你觉得好在哪里、差在哪里。光写“我喜欢这个方向”不够，你得说清楚它好在哪一点，差在哪一点，为什么这个比那个更值得，为什么那个虽然漂亮，但方向不对。

这一层回答的是：你凭什么选。

这也是 Taste 真正开始显形的地方。因为判断不是喜欢，判断是你能说出理由。很多人说自己有 Taste，但一问为什么，他只能说“感觉不对”。感觉当然重要，但只停在感觉里，它就没法被系统调用。你必须把感觉翻译成标准。

而标准最核心的部分，是取舍。什么情况下，你会放弃一个看起来很好的选项？什么东西即使有流量，你也不写？什么东西短期没那么热，但你愿意持续投入？真正能说明你是谁的，通常不是你选择了一个明显正确的东西，而是你在两个都不错的东西之间，放弃了哪一个。取舍逼你在两个都对的东西之间做选择，而那个选择，才是你真正的判断标准。

第三层：你愿不愿意推翻自己

最深的一层，是复盘之后的修正。你上次判断错了，错在哪里？下次怎么改？哪条标准被证明太宽了？哪条标准需要更严格？哪类东西以前你以为值得，后来发现只是热闹？

判断标准不是一成不变的。它会在每一次复盘里变得更精确。每次更新这份文件，你的系统就更清楚你是谁。这里真正难的地方，不是把自己喜欢什么写下来，而是承认自己过去的判断有漏洞，并且愿意把那条漏洞修进系统里。

这一层回答的是：你愿不愿意推翻自己。

写这份文件的过程，本身就是一次判断外显。你会发现，有些判断你以为自己很清楚，真要写下来的时候，突然就露馅了。你写不出来，只能说“反正我就是不喜欢这个方向”。那个“好像知道，但写不出来”的瞬间，说明你的判断标准还停留在直觉层——写不出来的地方，就是你还没真正想清楚的地方。写下来，它才真正变成可以调用、可以验证、可以修正的东西。

Taste 不是感觉。Taste 是被系统保存下来的选择标准。而这份文件，就是你的 Taste 从脑子里走进系统里的那个入口。

04

PART

你缺的不是更好的AI

回到开头那个问题。AI 给你的选项每一个都“好”，但跟你没关系。你以为是 AI 不够聪明，以为是提示词不够好，以为是来源质量不行，于是花了很多时间在外面找原因。

但真相是，你的判断标准从来没被说清楚过，AI 根本调不到它。

这不只是选题 Agent 的问题。你用 AI 写东西，出来的东西看着都对，但总觉得不是你的；你用 AI 筛选信息，它给你的都是“有道理的”，不是“跟你有关的”；你用 AI 做决策，它能列出一堆选项，但不知道哪一个更符合你的长期方向。背后都是同一个原因：你从来没把自己的判断告诉它。

AI 不会自动知道什么对你重要。它只能放大你已经说清楚、存下来、反复使用过的判断。所以未来值得积累的，不是更多资料，不是更多收藏。

真正值得积累的，是一个越来越清楚自己如何判断的人。一个把选择标准写下来、喂给系统、在每一次使用中不断修正的人。

你缺的不是更好的 AI，是把自己的判断说清楚。

而说清楚这件事，没有人能替你做。