你无法为品味做单元测试

“品味”的本质以及它是否可测试

• 许多人认为你无法完全通过单元测试来测试品味，因为：
  • 品味是你忘了写进规格，或者根本无法清楚表达出来的那部分。
  • 规则会需要例外，而例外又取决于上下文判断；剩下的就是“品味”。
  • 你只能外化出一小部分类似规则的切片；其余部分仍然是隐性的。
• 也有人反驳说，有些部分可以被编码：
  • 成对的“喜欢或不喜欢”比较可以训练机器学习评分函数。
  • 风格指南、模式语言和 UI 指南能捕捉一些共有标准。
  • Linter 和脚本可以强制执行约定（命名、品牌色、层边界）。

AI、LLM，以及个人/组织品味

• LLM 被描述为很强，但仍停留在“聪明的新员工”水平：
  • 没有持久的、个性化的长期记忆。
  • RL / 反馈往往会平均化为通用风格，而不是某一个人的品味。
  • 除非受到严格治理，模型经常会做出自信但没品味或有风险的决策。
• 提出的做法：
  • 为每个人/团队分别训练偏好模型；当它们不一致时就失败。
  • 使用 agent，再配合人类“门禁”或验证工单，在关闭工作前进行检查。
  • 把 LLM 当作初级开发者；把决策写进 ADR/文档里，让它们照着执行。

测试哲学与 TDD 的边界

• 测试被认为是确保事情“不是错的”，而不是让它们“很好”或有品味。
• 重度 TDD 和底层单元测试受到批评：
  • 正确性不会整齐地组合起来；涌现行为会出现在更高层级。
  • 过度 mock 和 100% 覆盖率目标会降低信心并拖慢变更。
• 也有人为 TDD 辩护，前提是它应用在合适的抽象层级，并且用于修复 bug。
• 对于图形/UI，建议使用快照测试和视觉回归，但它们无法捕捉“感觉对不对”。

UX、视觉与“感觉”

• 许多人指出，AI 生成的 UI/图像常常让人感觉廉价或不对劲。
• 有些人认为，只要有足够多带标签的示例，神经网络就能识别出“俗气”之类的品质。
• 工具可以测试客观方面（颜色、布局一致性），但主观的 UX 摩擦仍然需要人类判断。

直觉、拟人化与务实主义

• 人类直觉（例如感知结构失效）被类比为品味：扎根于经验，但难以编码。
• 与 AI 协作者一起使用“我们”这一说法，引发了对细微拟人化的担忧。
• 不少声音主张接受“足够好”，把 AI 当作辅助工具，而由人类保留最终品味和治理权。