AI的“灵魂”是什么？不是智能，是品味！全球顶尖公司正在为AI做的这件事，你一定要知道！

我们关注在AI领域使用新认知、新范式解决真问题的AI builder。我们认为，在技术极速变化的阶段，经验和观点一样重要。

这是第二期。

这半年，AI闹接触的 AI 创始人会频繁提一个词 ：品味。大家普遍认为，品味决定一款 Agent产品的竞争力。

但什么是 AI 的品味？如何为 AI 注入品味？

本期实践派我们编辑节选了知名视频播客《认知革命（Cognitive Revolution）》对 Atlassian 公司的 AI 负责人 Sherif Mansour****的采访。

• Sherif Mansour

《认知革命》是一档定位探索未来十年人工智能将如何改变社会的栏目，主持人Nathan Labenz曾是 Waymark 的创始人兼 CEO，这家公司被OpenAI 收录作为「生成式 AI 内容创作平台」的案例。

《认知革命》的访谈对象和《AI 实践派》很像，一线实践者，聚焦如何做，而不是模型或理论的讨论。

本期分享案例来自 Atlassian，一个全球知名的软件公司，核心产品 Jira 是一款企业级的任务跟踪、项目管理工具。公司在 2022 年成立，总部在澳大利亚，拥有30 万客户。

Atlassian 的 AI 负责人 Sherif Mansour（以下简称 sherif）不是一个典型的 AI工程师**，而是一个在** Atlassian 工作 15 年的产品人，他从 2024 年开始负责公司的 AI 战略转型，旗下的 AI 新品已经被数百万用户使用。

Atlassian 的产品两个非常鲜明的特点：

第一，产品使用者中有大量非技术用户（例如 HR、营销、运营等团队）。

第二，同时也有非常多的技术用户（如软件工程师）。

也因此 Sherif 有非常广阔的视角：如何让 AI 与组织的最深层工作流深度结合？与此同时，他也面对世界上最难的 AI 场景之一：多团队、多角色、多人协作、非结构化的知识，以及不停变化的工作流。

要在这么复杂的环境让 AI 发挥作用，Sherif 认为，现阶段最大的问题不是模型会**「犯错」或者「经常出现幻觉」，而是AI输出的结果整体表现「平庸」。**

他形容结果是****AI Slop ，翻译过来就是产出「很普通、很廉价、没有灵魂、像学生作业一样的废料。」

比如用户让****AI 写一段内容，它永远「正常得过分」，让它写 PRD，它根本写不出团队想要的风格。其核心原因是：

大模型是生成「平均值」，但人类所谓的风格本质是偏好。

由此，他提出 现在 Agent 产品的关键指标：Taste（品味）。「让它真正成为你身边和你品味相似的同事，而不是一个工具。」Sherif 说，为 AI注入品味这件事「绝对不是靠数据，而是要从使用者而来。」

这篇分享是基于《How Atlassian Gives AI Teammates Taste, Knowledge, & Workflows》整理，原视频约 100 分钟，我们重点选取了 Sherif 谈及「 品味」的部分，拆解成一个更易读、普适的版本。

方法 1：学习用户「选择」

大多数 AI 产品会让用户写示例、提供范文、上传文件，让模型学习写作风格。

但 sherif 发现：用户写的内容不一定是自己想要的、但用户的选择永远是真实的。

我们需要注意的是：哪一段被用户保留，哪一段被用户删掉，哪一段被改得最多，哪句话加了一个数据，哪个部分被认为不重要——这些是用户最真实的偏好。

Sherif 举个简单但非常有用的例子：

为什么 PM 总删掉 AI 写的背景介绍？

用户在 Atlassian 旗下的核心产品 Confluence 上写 PRD 时：

AI 自动生成的第一段背景有介绍，有 80% 的概率被用户直接删掉。但指标拆解这些内容会被保留。这意味着用户根本不需要****AI帮忙写背景，而是需要它帮 PM 把问题拆解清楚。

这是一个极其细致但非常有用的洞察。

Sherif 说，自此以后，他们设计一个「保留率」的指标，用这个指标训练模型。

这就是 AI 的第一层品味来源。

方法 2：学习团队「共识」

AI 的第二层品味来源来自，团队的习惯，每个团队都有自己的习惯，但它们往往不会写在文档里。

比如：

法务团队写任何内容开头都要加一句「此内容不构成法律建议」；

市场团队喜欢在文案里加 CTA 小结；

工程团队写技术 RFC 时一定会放一个架构图；

产品团队会先列「用户问题」，再列「解决方案；」

这些模型猜不出来。

Sherif 建议团队把所有的协作过程做成 AI 默认的风格。

举个例子，你让****AI 写一个品牌文案，传统的做法是让 AI 学一堆我们觉得合格的文案，但是最后输出的结果很商业味、像没有灵魂的 copy。

Sherif 建议。使用者要让把如何一遍遍修改文案，删掉了哪些词？基于文案的开会记录。品牌负责人最终为什么坚持换掉这些词，保留那些词…… 全部都注入 AI 。

也就是让 AI 看到的不是一份静态的结果，而是团队的工作路径。

它最终会总结出学习方向（direction），而不只是固定模式。

Sherif 在接受采访时的原话:「Taste is not a workflow. Taste is how your team keeps editing the workflow。」

这就像一个实习生刚加入团队，你让他天天看文档，他是无法对齐团队的风格，但是让他多参加几次会，看看同事如何争吵，如何讨论，如何达成共识，他就会很快明白：团队的品味是什么。

方法 3：让 AI 尽早参与

Sherif 在视频里谈到一个非常大胆的观点：随着模型技术的提升，AI 一定会把人的角色从执行者变成流程建构者。

也就是说，现阶段行业总在提及的「交付结果」并不是 AI的价值，它最大的价值应该是推动决策。

基于服务过全球 200个国家，近 30 万客户后，Sherif 认为，让 AI 帮你写一个 Jira 工单，或者生成一段内容，它并没有真正帮人节省时间。因为阻碍企业效率提升的，并不是一个人写不好文书或做不好一件具体的事情。而是：

多部门，多角色协同时，流程推进出现太多的摩擦。

这才是最消耗时间的卡点。

他认为， 未来 AI 最大的价值应该是做决策。

理想态是，一个 Agent应该能自动识别这个任务应该分配给谁（基于历史记录），且说明依赖哪个任务分配的，自动生成 deadline（基于项目节奏），自动链接相关知识文档，然后再发 Slack 通知相关的人，提醒谁要 review，谁要审批。

而做到以上这些，绝对需要一个 Agent具备品味，能完全理解团队偏好、组织的运转方式，规则和边界，然后作出专业判断，推动流程。

基于以上，sherif 的建议，使用者要尽早从源头开始用 AI。现阶段把任务分拆给 AI， 一点点做，比如要写一个 PRD，要让 AI 先整理用户访谈，再归纳用户需求，再列 edge case ，再写解决方案 ，最后再补充结构。运营、设计、品牌不同部门的工作都要如此

最终，AI 的「品味」培养是从使用者开启任务后就一直展开学习：这个团队看重什么，怎么提问题？

「AI 不应该通过看结果来反推企业的工作流。它应该被直接注入操作源头数据：知识图谱、事件流、对话记录。」sherif 说，「把任务拆解得越细致，它给出的结果就越有质感。」

—最后Sherif 展望—

随着模型越来越便宜，知识图谱和 workflow 也会被复制， AI****的品味将成为不可替代的护城河。它是否真的理解用户的工作方式乃至生活方式，一切取决于你如何使用它。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套 AI 大模型突围资料包：

• ✅ 从零到一的 AI 学习路径图
• ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
• ✅ 百度/阿里专家闭门录播课
• ✅ 大模型当下最新行业报告
• ✅ 真实大厂面试真题
• ✅ 2025 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要 《AI大模型入门+进阶学习资源包》，下方扫码获取~

① 全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

② 大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

④ AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

⑤ 大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

⑥ 大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

以上资料如何领取？

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

以上全套大模型资料如何领取？