茶叶
**优化茶：N=4 实验**
2025年6月
茶是一种鲜为人知的饮料，人们饮茶是为了味道，有时也是为了推测其具有提神作用。茶的制作方法是将茶树的叶子浸泡在热水中。但水温应该是多少呢？
为了解决这个问题，我用四种不同的温度冲泡同一种茶，全部加热到统一的饮用温度，然后让四个受试者从四个维度进行评分。
受试者
受试者A是一位经验丰富的茶客，只喝加大量牛奶和糖的红茶。
受试者B也是一位资深茶客，主要喝加大量牛奶和糖的红茶。近年来，B一直受到D的压力，尝试其他茶类。B喜欢高档红茶，并声称自己喜欢高档乌龙茶，但不会喝绿茶。
受试者C与A 相似。
受试者D 喜欢各种茶，生活中的乐趣很大一部分来自茶，是世界上最杰出的存在主义焦虑 + 科学博主。
茶与冲泡
为了使茶尽可能“正常”，我使用了金字塔形的PG Tips茶包（立顿茶，产地英国，特拉福德公园路，特拉福德公园，斯特雷特福德，曼彻斯特 M17 1NH）。
我按照包装盒上的说明冲泡，将一袋茶包浸入250毫升水中2.5分钟。我用79°C至100°C的水冲泡了四次。为了在冲泡过程中保持水温基本恒定，我使用了一个耐热玻璃量杯（康宁公司，产地美国：1 Riverfront Plaza, Corning, New York, 14831, USA），将量杯放在炉子上的一锅热水中。
冲泡后，我把茶水倒入四个一模一样的杯子里，用Sharpie Pro马克笔（Newell Brands，产地美国：5 Concourse Pkwy Atlanta, GA 30328, USA）在杯底写上冲泡温度。有兴趣重复这个实验的读者可能会注意到，三个月后的今天，这些温度仍然清晰可见。杯子呈深红色，看不出茶汤有任何变化。
冲泡后，我把所有杯子放入一锅热水中，直到的温度达到 80°C，这样就可以在相同的温度下饮用。
服务
我把杯子打乱，然后按随机顺序摆放在桌子上。然后，我让受试者品尝每个杯子里的茶，并根据以下几点对茶进行评分：
- “香气”
- “味道”
- “浓度”
- “好感”
每个评级采用 1-5 的等级，其中 1=差，5=好。
受试者A、B和C对不同茶的冲泡方法一无所知。受试者D知道，但却不知道哪种茶装在哪个杯子里。
在品茶过程中，受试者A和C毫不留情地纠缠受试者D，问他们茶的浓度怎么会是“好”或“坏”。受试者D拒绝了这些问题，理由是“好”无法被有效地还原为其他词语，并敦促受试者A和C复习维特根斯坦的“意义即用途”概念等等。受试者B则质疑这些讨论的价值。
评分结束后，我把所有杯子里的茶倒空，直到每个杯子剩下100毫升，然后加入约1克（1/4茶匙）的糖，加热至80°C。之后，我重新洗牌，让所有杯子都经过第二轮评分。
结果
对于单个摘要，我有点随意地将四个评级组合成一个“质量”分数，定义为
（品质）= 0.1 × （香气）+ 0.3 × （味道）+ 0.1 × （浓度）+ 0.5 × （好感）。
这是受试者A的数据，以及咖啡品质与冲泡温度的线性拟合结果。总体而言，A喜欢所有咖啡，但没有任何趋势性迹象。
而对于受试者 B 来说也是如此，他显然讨厌一切。
受试者 C 的情况也一样，他喜欢一切，但却没有显示出任何趋势的证据。
受试者D的情况也一样。这显示出极其强烈的负面趋势证据。但是，同样，尽管受试者对订单视而不见，但他知道酿造流程。
最后，以下是综合所有受试者数据的结果。结果显示趋势较为温和，主要由受试者 D 推动。
思考
- 这个实验提供的证据表明可能泡茶太热了，但证据却非常薄弱。主要证明了受试者D认为中低档红茶在较冷的温度下冲泡味道更好。我早就知道了。
- 还有很多其他维度需要探索，例如茶的种类、冲泡时间、茶的用量以及饮用温度。我认为理想情况下，我会将所有这些维度随机化，收集大量样本，然后进行某种回归分析。
- 调制几十种不同的茶，然后根据不同的温度盲品，听起来太麻烦了。也许有更简单的方法？谁能帮我造个机器人？
- 如果渴望查看 C 的原始香气分数或其他信息，可以下载数据或单击此表中的某个条目：
^ Subject ^ Aroma ^ Flavor ^ Strength ^ Goodness ^ Quality |
| A | [[https://dynomight.net/img/tea/aroma_A.pdf|x]] | [[https://dynomight.net/img/tea/flavor_A.pdf|x]] | [[https://dynomight.net/img/tea/strength_A.pdf|x]] | [[https://dynomight.net/img/tea/goodness_A.pdf|x]] | [[https://dynomight.net/img/tea/quality_A.pdf|x]] | | B | [[https://dynomight.net/img/tea/aroma_B.pdf|x]] | [[https://dynomight.net/img/tea/flavor_B.pdf|x]] | [[https://dynomight.net/img/tea/strength_B.pdf|x]] | [[https://dynomight.net/img/tea/goodness_B.pdf|x]] | [[https://dynomight.net/img/tea/quality_B.pdf|x]] | | C | [[https://dynomight.net/img/tea/aroma_C.pdf|x]] | [[https://dynomight.net/img/tea/flavor_C.pdf|x]] | [[https://dynomight.net/img/tea/strength_C.pdf|x]] | [[https://dynomight.net/img/tea/goodness_C.pdf|x]] | [[https://dynomight.net/img/tea/quality_C.pdf|x]] | | D | [[https://dynomight.net/img/tea/aroma_D.pdf|x]] | [[https://dynomight.net/img/tea/flavor_D.pdf|x]] | [[https://dynomight.net/img/tea/strength_D.pdf|x]] | [[https://dynomight.net/img/tea/goodness_D.pdf|x]] | [[https://dynomight.net/img/tea/quality_D.pdf|x]] | | All | [[https://dynomight.net/img/tea/aroma_all.pdf|x]] | [[https://dynomight.net/img/tea/flavor_all.pdf|x]] | [[https://dynomight.net/img/tea/strength_all.pdf|x]] | [[https://dynomight.net/img/tea/goodness_all.pdf|x]] | [[https://dynomight.net/img/tea/quality_all.pdf|x]] | - D 在这方面确实很擅长；为什么每个人都不能像 D 一样？
D:2025.11.28
**一、核心实验信息总结**
| 项目 | 具体内容 |
|---|---|
| 实验主题 | 验证不同冲泡水温对红茶口感的影响，探索最优泡茶水温 |
| 发布平台 / 作者 | dynomight（独立科学探索类博主），发布于 2025 年 6 月 |
| 实验设计 | 单因素变量（冲泡水温）+ 多维度评分，含 “无糖”“加 1 克糖” 两轮测试 |
| 实验对象（N=4） | - A/C：资深红茶饮用者，习惯加奶加糖，对冲泡方式不知情- B：资深红茶饮用者，偏好高端红茶 / 乌龙茶、不喝绿茶，对冲泡方式不知情- D：全能茶爱好者（博主本人），知晓实验方案但对杯子对应的水温盲测 |
| 茶品与冲泡条件 | - 茶品：PG Tips 金字塔袋泡茶（统一标准化茶品）- 冲泡参数：每杯 250ml 水、1 个茶包、浸泡 2.5 分钟；水温梯度为 79°C-100°C（分 4 组）- 控制变量：冲泡后统一冷却 / 加热至 80°C 饮用，用深红色杯子遮挡茶汤差异，随机打乱杯子顺序 |
| 评分维度 | 香气（Aroma）、风味（Flavor）、浓度（Strength）、整体满意度（Goodness），均为 1-5 分（1 = 差，5 = 好）；并通过加权公式计算 “综合品质分”（Goodness 占比 50%，Flavor 占 30%，Aroma 和 Strength 各占 10%） |
**二、核心实验结果**
- 个体差异显著：
- A/C：对所有水温的茶均表示满意，综合品质分无明显趋势，未体现水温偏好；
- B：对所有水温的茶均不认可，评分普遍偏低，无明确水温相关趋势；
- D：呈现极强的负相关趋势 —— 冲泡水温越低，综合品质分越高，明确偏好低温冲泡的茶。
- 整体趋势：综合 4 人数据，仅呈现微弱的 “水温越低口感越优” 趋势，且该趋势完全由 D 的评分主导，无普遍适用性。
- 加糖影响：两轮测试（无糖 / 加糖）未改变核心趋势，加糖后未显著改善不同水温茶的评分差异。
