简短回答：分析备忘录（analytic memo）是研究者写下的一段带日期的文字，记录某个编码、主题或决策的含义及其理由。在 AI 辅助的定性分析中，备忘录是让机器生成的编码站得住脚的那一层：AI 提出建议，备忘录记录人类接受了什么、否决了什么、重新诠释了什么——以及为什么。
\n\n最后更新：2026 年 8 月 6 日
\n\n当 AI 接管第一轮编码时，最先流失的是思考本身。编码出现了，主题聚拢了，报告自动写好了——而输出里没有任何地方记录下促成这一切的判断。定性研究中的分析备忘录是目前最廉价的补救手段，而且比人工逐条编码的年代更有价值。
\n\n分析备忘录是一段简短、带日期、可归属到具体作者的文字，分析者在其中对数据进行纸面思考，而不是描述数据。Johnny Saldaña 把写备忘录视为编码的伴随实践而非可有可无的附加动作——备忘录正是一个编码从标签变成论证的地方（参见对 The Coding Manual for Qualitative Researchers 的评述，载于The Qualitative Report）。
\n实践中真正要紧的区分是这样的：
\n只有第三种是可证伪的，也只有第三种能告诉读者——或评审——这项分析实际是怎么建起来的。Andrea Bingham 的定性数据分析五阶段模型（International Journal of Qualitative Methods，2023）把写备忘录贯穿于各个阶段，而不是安排在某一步，因为需要被记录的推理是持续产生的。
\n\n三个理由，按对工作流程的影响程度排列。
\n\n过去备忘录之所以被跳过，是因为编码吃掉了全部预算。当一条 AI 流水线能在一个下午内跨 60 份访谈记录产出第一版编码手册时，这个约束就变了。关于 AI 与定性研究的行业评述——包括 Lumivero 对 AI 在定性研究中现状的综述——一致把 AI 功能定位为对摘要与早期编码的辅助，而非对分析判断的替代。省下来的时间不该就此蒸发；它就是备忘录的预算。
\n\n一位拆分了某个编码的人类编码者，会在自己的记忆里、通常也会在笔记里留下痕迹。而一个拆分了编码的模型，除了拆分结果之外什么都不留。如果日后你需要解释为什么信任变成了对供应商的信任与对数据的信任，而唯一的物证是一份编码手册的差异对比，你解释不了。备忘录就是这份来源记录。这一点直接关联到为 AI 定性分析建立审计轨迹。
\n\n\"我们用 AI 辅助编码\"已经不再是一句合格的方法陈述。备忘录让你能写出经得起追问的版本：哪几轮是模型生成的、建议编码中有多大比例被采纳、被否决的那些依据是什么。
\n\n无结构的备忘录容易退化成没人回看的日记。下面是 AI 辅助项目的最小可行集合。每一条都在十分钟内写完；篇幅不是重点。
\n\n| 备忘录类型 | 触发时机 | 必须包含的内容 | 典型频率 |
|---|---|---|---|
| 编码定义备忘录 | 某个编码被创建、更名、拆分或合并 | 定义、纳入规则、排除规则、一条锚点引语、一个边界案例 | 每次编码变动 |
| AI 裁定备忘录 | 你接受或否决一批模型建议的编码 | 模型建议了什么、你保留了什么、你套用的规则、分歧率 | 每轮编码 |
| 主题建构备忘录 | 若干编码被归并为一个候选主题 | 包含哪些编码、为何能聚合、该主题排除了什么、考虑过的另一种归并方式 | 每个主题 |
| 反身性备忘录 | 你察觉自己预期了某个结论，或发现自己太轻易地同意了模型 | 那个先入假设、它可能在哪里左右了决策、什么能推翻它 | 每周 |
| 反例备忘录 | 某份访谈记录与正在成形的主题相矛盾 | 矛盾证据本身、是收窄主题还是限定该案例的适用范围 | 遇到即写 |
AI 裁定备忘录是唯一在 AI 之前没有对应物的一类，也是最能改变你能主张什么的一类。如果只保留一种，就保留它。
\n\n最后两栏正是备忘录与普通笔记的分界。一个既没写出替代方案、也没写出证伪条件的决定，还称不上分析。
\n\n备忘录的基础设施正围绕 AI 输出重建，而不是围绕手写。MAXQDA 于 2026 年 3 月发布的 26.2 更新，把备忘录窗口重新设计成备忘录与摘要并排的视图，明确是为了让版式容纳 AI 生成的内容；同一版本还加入了片段级 AI 编码，建议需逐条批准或拒绝。NVivo 的 AI 功能同样被定位在摘要、备忘录支持与编码优化上，而非自主分析。
\n截至 2026 年 8 月 6 日，各家厂商的模式是趋同的：模型在片段层面提出，人类做出取舍，工具尝试把这个取舍记录下来。无论你的工具是否记录，你自己都该记录。
\n\nQualitati 是面向产品、UX 与消费者洞察团队的 AI 用户研究平台。它的分析层正是围绕上述\"提出—取舍\"模式构建的，而不是围绕单一的黑箱输出。
\nQualitati 不替你写备忘录，也不应该替你写。诠释性的主张要由研究者提出，并由研究者署名。
\n\n如果你产出的结论将被发表、被审计、被用来支撑一项代价高昂的决策，或者要交给一个当时不在场的团队，那就采用它。如果你只是在五场访谈上跑一次一次性的探索冲刺，而你既是唯一的分析者也是唯一的读者，那就跳过完整清单——保留编码定义备忘录，其余从略。
\n\n定性研究中的分析备忘录，历来是最容易因赶时间而被砍掉的一项实践。AI 辅助分析取消了这个借口，同时抬高了跳过它的代价，因为机器生成的编码到手时并不附带任何推理。五类备忘录清单——编码定义、AI 裁定、主题建构、反身性、反例——是一个站得住脚的下限，而且塞得进一个工作周。
\n\n编码是贴在数据片段上的标签。备忘录是关于这个标签的书面推理——它的定义、边界，以及使用它的决定。编码组织数据；备忘录解释这种组织。
\n\n长到足以说清一个决策、一条理由、一个替代方案和一个证伪条件——通常 100 到 300 字。篇幅不是质量信号；一条点明了你所否决的替代方案的短备忘录，胜过一整页描述。
\n\n承载你诠释性主张的那些，它不该代写。让 LLM 为自己的编码作辩护，产出的是一段听似合理的重构，而非其输出的真实依据。AI 可以有用地起草描述性的骨架——两轮之间发生了什么变化、哪些编码挪动了——把推理留给你。
\n\n它们是审计轨迹的主要内容。一组带日期、落到决策层面的备忘录，能让外部读者重建结论是如何得出的，而这正是可靠性与可确认性主张所依托的东西。把它们与版本化的编码手册和留存的模型输出配套使用。
\n\n比无结构做法产生的要少。预期是：每次编码变动一条、每轮编码一条、每个候选主题一条、每周一条反身性备忘录、每个反例一条。在一个 40 份访谈记录的项目里，通常是 30 到 60 条，而不是几百条。
\n\n存在能让它始终附着于对应对象的地方——那个编码、那个主题、那一轮。脱离对象、单独放在另一个文档里的备忘录，注定没人读。多数 QDA 工具现在都支持对象级备忘录；用起来。
\n\n跑一个 AI 主持的访谈、焦点小组、对话式问卷或主题分析项目，并让推理始终附着在输出上。免费开始，赠送 30 个积分——无需信用卡——或查看透明定价。如果你正在做选型，可以把 Qualitati 与 NVivo、ATLAS.ti 和 MAXQDA 做对比。
\n\n延伸阅读：如何为 AI 辅助定性分析构建编码手册、AI 定性研究中的可信度，以及反例分析。
\n","related":[{"slug":"sentiment-analysis-vs-thematic-analysis-2026","title":"情感分析与主题分析的区别：何时用哪种（2026 指南）","description":"情感分析与主题分析有何不同？本文说明两种方法各自回答什么问题、适用场景，以及在定性数据中结合两者的框架。","category":"主题分析与 QDA","date":"2026-09-17","readTime":"9 分钟阅读","author":"Qualitati 研究团队"},{"slug":"codebook-drift-ai-qualitative-coding-2026","title":"AI 定性编码中的编码手册漂移（2026）","description":"编码手册漂移是 code 应用方式随时间无声位移。一套 2026 年的检测流程，用于 AI 辅助定性编码，含四类漂移分类法。","category":"主题分析与 QDA","date":"2026-09-03","readTime":"9 分钟阅读","author":"Qualitati 研究团队"},{"slug":"quote-selection-bias-ai-thematic-analysis-2026","title":"AI 主题分析中的引语选择偏差（2026）","description":"AI 替你挑选例证主题的引语。证据显示 LLM 编码错误在受访者之间并非随机分布。这里是一套 7 项检查的审计方法。","category":"主题分析与 QDA","date":"2026-08-20","readTime":"10 分钟阅读","author":"Qualitati 研究团队"}]}