{"slug":"discussion-guide-ai-moderator-template","title":"如何为 AI 主持人撰写访谈提纲（2026 模板）","description":"一份实用的 2026 年模板：教你写出 AI 主持人真正能执行的访谈提纲，包含板块结构、追问示例和上线前就绪度检查清单。","keywords":"AI 主持人访谈提纲,AI 访谈提纲模板,访谈提纲模板,AI 主持访谈,AI 用户研究,定性研究,访谈脚本,用户体验研究","date":"2026-05-19","author":"Qualitati 研究团队","category":"操作指南","readTime":"10 分钟阅读","content":"<p><em>最后更新：2026年5月19日</em></p>\n\n<h2>简短回答</h2>\n<p>AI 主持人的访谈提纲，不是把人类主持人的脚本去掉“人”就完事。它是一个结构化对象：一个研究目标、4&ndash;7 个与研究问题对应的板块、每个板块一条开场问题、2&ndash;4 条带有停止条件的追问，以及关于何时转入下一题、何时追问、何时交给真人处理的明确指令。按这种方式来写，AI 主持人就能大规模开展严谨的访谈。</p>\n\n<h2>为什么 AI 主持人需要不同的访谈提纲</h2>\n<p>传统访谈提纲是写给人类主持人的：他们能察言观色、临场发挥，并始终记得研究目标。AI 主持人则会逐字执行指令。如果你不告诉它何时停止，它会无休止地追问；如果你把关键话题埋在大段文字里，它会跳过；如果措辞含糊，它会提出引导性问题。</p>\n<p>为 AI 主持人设计的提纲更像一份结构化配置，而不是一份 Word 文档。好消息是：一旦采用这种结构，你就能在数百名受访者之间获得更一致的访谈，下游的<a href=\"/blog/thematic-analysis-guide\">主题分析</a>也更容易，而且提纲可以像代码一样反复迭代。</p>\n\n<h2>核心要点</h2>\n<ul>\n  <li>让每个板块都对应一个研究问题。如果某个板块没有对应的研究问题，就删掉它。</li>\n  <li>开场提示要写成问题，而不是话题。“请讲讲你最近一次……的经历”胜过“探讨新手引导”。</li>\n  <li>给 AI 明确的停止条件：每个板块的最大追问次数、饱和的信号、受访者疲劳的信号。</li>\n  <li>设置少量升级触发条件（情绪困扰、反复跑题、安全问题），交给真人处理或妥善结束访谈。</li>\n  <li>规模化之前先用 5&ndash;10 位受访者试点。AI 主持人比真人更快暴露提纲设计的缺陷。</li>\n</ul>\n\n<h2>AI 主持人访谈提纲的 7 部分模板</h2>\n<p>把这七个模块作为每份提纲的骨架。每个模块都刻意写得简短；AI 主持人在简洁、无歧义的指令下表现更好。</p>\n\n<h3>1. 研究目标（一句话）</h3>\n<p>写明本研究要支持的那一个决策。例如：“了解首周用户为何放弃导入流程，以便为第三季度的修复排定优先级。”AI 会据此判断某个岔题是否值得深入。</p>\n\n<h3>2. 受访者背景</h3>\n<p>告诉主持人它面对的是谁、已知哪些信息：角色、近期行为、细分群体、语言。保持客观事实。这样既能为个性化提供依据，又不必写成脚本。</p>\n\n<h3>3. 与研究问题对应的板块</h3>\n<p>选择 4&ndash;7 个板块。每个板块包含：一个研究问题（内部使用）、一条开场问题（口头说出）、2&ndash;4 条追问（按条件触发）以及一句过渡语。</p>\n\n<h3>4. 带停止条件的追问库</h3>\n<p>为每个板块列出主持人可以使用的追问，以及何时应停止追问并转入下一题的条件。没有停止条件，AI 主持人会过度追问，消耗受访者的好感。</p>\n\n<h3>5. 行为规则</h3>\n<p>规定主持人绝不能做什么：引导、暗示答案、评价、提供产品建议、透露假设。同时规定遇到沉默、单字回答和跑题时的应对方式。</p>\n\n<h3>6. 升级与退出规则</h3>\n<p>明确何时提前结束（出现情绪困扰信号、超时、超出范围），如何向受访者致谢，以及如何确认后续联系的同意。对于敏感话题，交由真人审核。</p>\n\n<h3>7. 结束模块</h3>\n<p>一个开放式问题（“还有什么重要的内容我们没有谈到吗？”），必要时一次人口统计信息确认，以及清晰的结束语。务必干净利落地收尾 &mdash; 被截断的结尾会损害完成率和数据质量。</p>\n\n<h2>示例：新手引导研究</h2>\n<p>下面是针对新手引导研究目标的精简示例。在实际使用中，每个板块还会带有研究问题 ID，便于下游编码。</p>\n\n<table>\n  <thead>\n    <tr><th>板块</th><th>开场问题</th><th>追问</th><th>停止条件</th></tr>\n  </thead>\n  <tbody>\n    <tr>\n      <td>第一印象</td>\n      <td>请带我回顾一下你第一次打开这个应用时做了什么。</td>\n      <td>你当时想完成什么？有什么让你意外？你在哪里犹豫了？</td>\n      <td>最多追问 3 次；如果用户开始重复，就转入下一题。</td>\n    </tr>\n    <tr>\n      <td>导入流程</td>\n      <td>请讲讲你最近一次尝试导入数据的经历。</td>\n      <td>你原本期待什么？失败时你做了什么？接下来你又试了什么？</td>\n      <td>当受访者说出并描述了一个具体的失败或变通做法时停止。</td>\n    </tr>\n    <tr>\n      <td>寻求帮助</td>\n      <td>当你卡住的时候，你是怎么做的？</td>\n      <td>你首先去哪里找？你有没有问别人？什么会对你有帮助？</td>\n      <td>最多追问 2 次；不要推荐求助渠道。</td>\n    </tr>\n    <tr>\n      <td>是否继续使用的决定</td>\n      <td>是什么让你决定是否继续使用它？</td>\n      <td>什么差点让你放弃？什么让你坚持下来？</td>\n      <td>在受访者描述出一个明确的关键时刻后停止。</td>\n    </tr>\n  </tbody>\n</table>\n\n<h2>AI 访谈就绪度评分表</h2>\n<p>在启动之前，请按以下八个维度为你的提纲打分，每项 0&ndash;2 分。得分低于 12/16 的提纲尚未准备好。</p>\n<ul>\n  <li><strong>目标清晰度：</strong>一句话，一个决策。</li>\n  <li><strong>研究问题对应：</strong>每个板块都与一个研究问题相连。</li>\n  <li><strong>问题措辞：</strong>以经历类问题而非观点类问题开场。</li>\n  <li><strong>追问纪律：</strong>追问已列出；停止条件明确。</li>\n  <li><strong>中立性：</strong>没有引导性语言，没有产品框架。</li>\n  <li><strong>升级规则：</strong>已写明情绪困扰、跑题和退出规则。</li>\n  <li><strong>时长现实性：</strong>预计时间符合受访者的时长上限（AI 主持的文字或语音访谈通常为 15&ndash;25 分钟）。</li>\n  <li><strong>试点计划：</strong>规模化之前已安排 5&ndash;10 次试点。</li>\n</ul>\n\n<h2>常见失败模式（及修复方法）</h2>\n<ul>\n  <li><strong>过度追问：</strong>AI 不停地问“能再多说一点吗？”修复：限制每个板块的追问次数，并加入饱和信号（“一旦受访者说出了带有情境的具体事例，就转入下一题”）。</li>\n  <li><strong>引导性问题：</strong>AI 继承了你的假设。修复：从问题中删除产品名称和带有价值判断的形容词。</li>\n  <li><strong>话题漂移：</strong>受访者把对话带向别处。修复：写明过渡语，并加入“回到本板块”的规则。</li>\n  <li><strong>回答单薄：</strong>以单字回答为主。修复：让开场问题立足于过去的行为（“你最近一次……”），而不是抽象的观点。</li>\n  <li><strong>分析数据缺失：</strong>板块与研究问题的对应不清晰，导致后续<a href=\"/blog/how-to-code-qualitative-data\">编码</a>十分痛苦。修复：要求每个板块都标注研究问题 ID。</li>\n</ul>\n\n<h2>语音提纲与文字提纲</h2>\n<p>语音访谈适合更短的问题，并且更需要频繁的回应确认；文字访谈可以容忍更长的问题，但由于受访者流失更快，需要更严格的追问上限。对于语音研究，还要记下你打算日后分析的声学信号 &mdash; 请参阅我们的<a href=\"/blog/voice-analytics-user-interviews-2026\">用户访谈中的语音分析</a>概述。</p>\n\n<h2>Qualitati 的定位</h2>\n<p>Qualitati 是一个 AI 用户研究平台，正是围绕这类结构化提纲而设计的。创建研究时，你可以在同一处定义板块、研究问题、追问和停止条件；AI 主持人以文字或语音形式、用 10 种语言开展访谈，而 <a href=\"/blog/thematic-analysis-guide\">ThemeLens AI</a> 会把编码映射回你在提纲中写下的研究问题。<a href=\"/\">免费开始，赠送 30 积分</a> &mdash; 无需信用卡 &mdash; 在规模化之前，先用五位受访者试点你的第一份提纲。</p>\n\n<h2>局限与权衡</h2>\n<p>AI 主持人并不适合所有研究。高度敏感的话题（创伤、临床、受监管行业）仍然适合由真人主持人或混合模式来完成，例如 Qualitati 的 Active Listener 模式：由真人主导，AI 实时提示。AI 主持人对提纲质量的依赖也比真人更强：含糊的人类提纲可以由熟练的主持人在现场补救；含糊的 AI 提纲则会大规模地产出含糊的数据。把试点纳入每一项研究，并把提纲当作每周修订的活文档。</p>\n\n<h2>常见问题</h2>\n<h3>AI 主持人的访谈提纲应该多长？</h3>\n<p>通常为 4&ndash;7 个板块，导出为纯文本时 1&ndash;2 页。提纲过长通常说明研究问题尚未排定优先级。</p>\n\n<h3>我可以直接复用人工访谈提纲吗？</h3>\n<p>可以把它作为起点，但要把每个板块改写成“开场问题 + 追问 + 停止条件”的格式。纯文字叙述的提纲在 AI 主持人那里表现较差。</p>\n\n<h3>每个板块追问多少次算太多？</h3>\n<p>两到四次。超过这个数，完成率会下降，受访者也会开始重复自己，给分析增加噪声。</p>\n\n<h3>我应该把假设告诉 AI 吗？</h3>\n<p>分享研究目标和决策背景，不要分享假设。假设往往会渗入问题中，使回答产生偏差。</p>\n\n<h3>AI 很稳定，我还需要试点吗？</h3>\n<p>需要。AI 稳定意味着糟糕的提纲会稳定地产出糟糕的数据。请用 5&ndash;10 位受访者试点并修订。</p>\n\n<h3>多语言研究怎么办？</h3>\n<p>用一种语言写好主提纲，再由平台翻译问题和追问。启动前请让母语者审阅译文 &mdash; 追问中的习语是最常见的出错点。</p>\n\n<h2>结论</h2>\n<p>AI 主持人的水平取决于它所执行的提纲。把访谈提纲当作一个结构化对象 &mdash; 目标、板块、问题、追问、停止条件、升级规则 &mdash; 你就能获得既严谨又可规模化的访谈。在下一项研究中<a href=\"/\">试用 Qualitati 的模板</a>，依据真实的试点数据而不是猜测来迭代。</p>\n\n<script type=\"application/ld+json\">\n{\"@context\":\"https://schema.org\",\"@type\":\"Article\",\"headline\":\"如何为 AI 主持人撰写访谈提纲（2026 模板）\",\"datePublished\":\"2026-05-19\",\"dateModified\":\"2026-05-19\",\"author\":{\"@type\":\"Organization\",\"name\":\"Qualitati 研究团队\"},\"publisher\":{\"@type\":\"Organization\",\"name\":\"Qualitati\",\"url\":\"https://qualitati.com\"},\"description\":\"一份实用的 2026 年模板，帮你写出 AI 主持人真正能够执行的访谈提纲。\",\"mainEntityOfPage\":\"https://qualitati.com/blog/discussion-guide-ai-moderator-template\"}\n</script>\n\n<script type=\"application/ld+json\">\n{\"@context\":\"https://schema.org\",\"@type\":\"FAQPage\",\"mainEntity\":[{\"@type\":\"Question\",\"name\":\"AI 主持人的访谈提纲应该多长？\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"通常为 4-7 个板块，导出为纯文本时 1-2 页。\"}},{\"@type\":\"Question\",\"name\":\"我可以直接复用人工访谈提纲吗？\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"可以把它作为起点，但要把每个板块改写成开场问题、追问和停止条件的格式。\"}},{\"@type\":\"Question\",\"name\":\"每个板块追问多少次算太多？\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"每个板块两到四次追问。超过这个数，完成率会下降，受访者也会开始重复。\"}},{\"@type\":\"Question\",\"name\":\"我应该把假设告诉 AI 吗？\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"分享研究目标和决策背景，不要分享假设。假设往往会渗入问题中。\"}},{\"@type\":\"Question\",\"name\":\"AI 很稳定，我还需要试点吗？\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"需要。AI 稳定地执行糟糕的提纲，就会稳定地产出糟糕的数据。请用 5-10 位受访者试点。\"}},{\"@type\":\"Question\",\"name\":\"多语言研究怎么办？\",\"acceptedAnswer\":{\"@type\":\"Answer\",\"text\":\"用一种语言写好主提纲并翻译问题，然后在启动前由母语者审阅。\"}}]}\n</script>\n","related":[{"slug":"qualitative-methods-section-template-2026","title":"如何撰写定性研究的方法部分（2026 模板）","description":"如何撰写定性研究方法部分：九模块写作模板、COREQ/SRQR/JARS-Qual 选择表，以及报告 AI 使用的新 COREQ+LLM 清单（31 项）。","category":"操作指南","date":"2026-10-13","readTime":"10 分钟阅读","author":"Qualitati 研究团队"},{"slug":"nps-follow-up-interviews-ai-2026","title":"如何用 AI 访谈跟进 NPS 评分","description":"如何用 AI 访谈跟进 NPS 评分：在三个群体中抽样，以客户原话开场，中立追问，并按群体对主题编码，让分数背后的原因真正落地。","category":"操作指南","date":"2026-09-22","readTime":"9 分钟阅读","author":"Qualitati 研究团队"},{"slug":"how-to-write-user-research-plan-2026","title":"如何撰写用户研究计划（2026 模板）","description":"为 AI 主持访谈撰写用户研究计划：9 个模块的模板、就绪度评分表，以及人工判断必须保留的环节。","category":"操作指南","date":"2026-09-15","readTime":"9 分钟阅读","author":"Qualitati 研究团队"}]}