核心原则：Code is cheap. Taste matters

当代码生成与实现的边际成本被大模型与张量化底座压到趋近于零，科研与系统构建的稀缺资源就从“能不能写出来”转移到“值不值得做、怎样才算做得好”。

Code is cheap 是对工程现状的客观描述：实现成本塌缩之后，代码不再是壁垒，也不再是科研贡献的度量单位——“能跑通”从成果退化为前提，从可以被展示的成绩变成继续工作的入场券。

Taste matters 是对人机分工之后人类职责的重新定位：当“AI 实现答案、人类把控方向”成为默认分工，人类这一侧真正稀缺的，是提出关键问题、设定评价标准、在多目标冲突中判断方向的能力。

稀缺性转移到了哪里

• 问题选择：做哪个问题，比用什么方法做更能决定上限。方向错误时，实现越快越浪费。
• 目标函数与评价标准的设计：指标一旦选错，模型只会高效地朝错误方向收敛。
• 多目标权衡的取舍准则：性能、可复现性、可维护性、落地成本之间的偏好必须被显式声明，而不是临时拍板。
• 结果的解释与归因：区分“碰巧跑通”与“真的理解”，并判断收益究竟来自哪些改动。

品味必须可被检验

品味不是审美断言，也不能靠资历或投票来裁定。它必须通过“进入真实环境—接受真实反馈”被证伪：把判断写成可验证的假设，用真实场景里的失败与成功来修订它。否则，讨论就只剩下偏好的争执。

基础设施的意义：让品味有落点

EvoX 的终极目标正落在这个位置上：建设能够进入真实环境、接受真实反馈的开放基础设施。开放、解耦、可组合的底座把落地成本降到足够低，使好想法能够低成本地进入真实场景，被筛选、被沉淀、被继承——判断力因此有了一个可以被反复打磨的载体。

边界意识：Code cheap 不等于工程可省略

验收网关、可复现性、可维护性与反馈闭环仍然构成真实门槛。品味恰恰体现在对这些门槛的取舍判断上：什么样的反馈值得采信，什么样的指标必须坚守，什么样的失败尝试应当被拒绝而不是被合并。这也正是 Genesis 式机制的价值所在——候选修改只有通过编译、测试、行为检查与上层验收，才能成为后续执行者可以继承的历史基础。

本页承接上一页“AI 实现答案、人类把控方向”的分工，给出支撑这一分工的核心原则；下一页将转入对话引导 AI 完成 EvoX 任务的实操。