简短回答：因为\"附和\"是最安全的默认行为。在 2026 年 8 月一项针对实时多模态 LLM 访谈者的研究中，深入追问仅占全部对话轮次的 4.9%，而 28.7% 的提问轮次把多个问题塞进了同一轮。模型听起来很专注，收集到的却是浅层数据。追问深度必须靠设计实现，不能想当然。
\n\n2026 年 8 月 11 日，He Zhang、Kambinachi Chukwuma、ChanMin Kim 与 John M. Carroll 发布了 《When the Interviewer Is a Bot: Behavior, Breakdowns, and Trust in MLLM-Led Interviews》。这项研究的设计有一处很实用的特别之处：作者构建的语音系统 InterviewBot 并非作为新架构提出，用他们自己的话说，它是一台研究仪器，用于观察当你只是要求一个实时多模态 LLM 去做半结构化访谈时，它默认会做什么。
\n15 名受访者完成了由机器人主持的半结构化访谈，每场之后都有一次由人类主持的复盘。研究团队编码了 428 个对话轮次。
\n支撑整篇论文的是两个数字：
\n| 行为 | 报告占比 | 对你的数据意味着什么 |
|---|---|---|
| 深入追问 | 占全部轮次的 4.9% | 大约每二十轮才有一轮越过了第一层回答。访谈的大部分停留在表面。 |
| 多问题轮次 | 占提问轮次的 28.7% | 接近三分之一的问题是打包抛出的——尽管指令明确禁止这样做。 |
第二个数字才是研究团队真正该担心的，因为它是在明确指令禁止的前提下依然发生的。一句\"每次只问一个问题\"的提示词并不是控制手段，它只是一个模型十次里满足七次的偏好。
\n\n当受访者听到\"那让你感觉如何，和上次有什么不一样，你还会再用吗？\"时，他们会回答最后一个或最容易的那个。访谈者用掉了自己的一轮，受访者也用掉了一轮，而你真正关心的那两个问题既没被问到，也没有留下任何标记。访谈记录里不会显示这次损失。你回头读时，会把它当作一次完整的交流。
\n这正是 AI 主持研究的隐性失效模式：它不会产出明显糟糕的访谈记录，而是产出看似合理、实则比表面更单薄的记录。
\n\n该研究识别出四类反复出现的数据采集故障。按它们真正的所在层级归类，才是可操作的做法：
\n| 故障 | 所在层级 | 提示词能修吗？ | 真正的解法 |
|---|---|---|---|
| 信息丢失 | 对话策略 | 部分可以 | 覆盖度追踪——主持方持有一份未回答子问题的清单并主动回访 |
| 过早结束 | 对话策略 | 部分可以 | 为每一节设定明确的完成标准，而不是轮次预算 |
| 延迟 | 传输 / 模型 | 不能 | 流式语音管线、更低的首字延迟、填充语管理 |
| 打断 | 轮次管理 / VAD | 不能 | 针对思考停顿调优的端点检测；插话处理 |
一半的失效面属于基础设施。如果你在评估 AI 访谈平台，而演示只给你看一个提示词编辑器，那你只看到了系统的一半。请追问：当受访者在话说到一半时停顿四秒会发生什么——对于没有专门调优的语音活动检测器来说，一次真正的思考停顿和一句说完的话是无法区分的。
\n\n受访者复盘环节浮现出三种动态，它们让\"AI 能消除社会赞许性偏差\"这一常见说法变得复杂。
\n社交压力降低与更浅的回答相关。让敏感话题更容易说出口的那种\"没有人在看着\"，同时也移除了继续说下去的对话义务。人类访谈者获得深度，部分正是靠那种让人忍不住去填补的沉默。
\n信任反映的是受访者感知到的组织分量，而非对话技巧。受访者在判断的是谁在做这项研究，而不是机器人听起来有多自然。这是多数团队闲置未用的设计杠杆：一个明确的发起方、一句清楚的研究目的、一个真实的知情同意页面，很可能比再调一轮人设带来更多坦诚。
\n受访者更看重基于内容的复述，而不是泛泛的社交填充语。\"听起来挺让人沮丧的\"是填充语；\"所以你已经重命名了文件之后导出才失败的——你有再试一次吗？\"才是落地。它证明访谈者记住了细节，也因此换来了下一个回答。
\n\n这是一份原创清单，正式投放研究前可用于一份试访记录。取一场完成的试访，统计轮次，逐项打分，大约需要二十分钟。
\n| # | 检查项 | 如何测量 | 通过阈值 |
|---|---|---|---|
| 1 | 追问率 | 深入追问数除以主持方全部轮次。深入追问指引用受访者刚说过的内容并要求展开。 | 不低于主持方轮次的 20% |
| 2 | 问题堆叠 | 包含一个以上问题的主持方轮次，除以提问轮次 | 10% 或更低 |
| 3 | 有据复述 | 引用或复述了具体细节（而非泛泛情绪）的附和占全部附和的比例 | 不低于附和的 50% |
| 4 | 覆盖度 | 实际获得回答的提纲子问题，除以提纲中的子问题总数 | 不低于 90% |
| 5 | 被遗弃的线索 | 受访者主动提出但主持方再未回访的话题数量 | 每一节为零 |
| 6 | 打断率 | 在受访者话语结束前就开始的主持方轮次 | 不超过轮次的 2% |
| 7 | 回答长度趋势 | 受访者字数中位数，访谈前三分之一与后三分之一对比 | 下降不超过 30% |
第 1 至 3 项中有两项不通过，说明是提示词与对话策略的问题。第 6 或第 7 项不通过，说明是传输或疲劳问题，再怎么改写提示词也无济于事。
\n\n深度是一个序列，而不是一个问题。为每个重点话题给主持方一份明确的阶梯：
\n一轮爬一级。这个阶梯同时给了你一个可计数的审计指标：对于一个重点话题，主持方实际爬上了几级？
\n\nQualitati 是一个面向产品、UX 和客户洞察团队的 AI 用户研究平台。它支持文字与语音的 AI 主持访谈、AI 主持焦点小组，以及带有 AI 驱动追问和分支逻辑的对话式问卷，并通过 ThemeLens 主题分析和 QDA Workspace 完成结果分析。
\n平台中有三个部分直接针对追问深度问题：
\n我们并不声称 Qualitati 对这项研究中的行为免疫。任何构建在通用 LLM 之上的 AI 主持方，都会继承同样的、偏向附和的默认倾向。关键在于：追问深度是你手中这台仪器的一项可测量属性，你应当在自己的试访记录上测量它，而不是相信任何厂商的说法——包括我们的。
\n\n请如实看待这项源研究。15 名受访者和 428 个轮次是一项实践性研究，不是基准测试；作者将其定位为对某一系统在某一时间点默认行为的观察。模型行为变化很快，换一套语音栈、换一套端点检测参数，打断相关的数字就会不同。
\nZhang 及其同事在 CHIWORK '26 上的研究——一项由 17 位定性研究者（10 位新手、5 位中级、2 位资深）参与、转述 GPT-4o 生成追问的 Wizard-of-Oz 设计——补充了五项值得权衡的伦理张力：实时生成中的语言风险、对融洽关系的损害、对技术不熟悉者的参与不平等、AI 出错时的责任归属模糊，以及实时录音与转录带来的隐私暴露。
\n何时不该使用 AI 主持：
\n多数团队最终采用的混合模式并不炫目，但很稳妥：用 AI 主持覆盖广度——结构化探索、概念检验、持续反馈；在深度、敏感性或判断力才是关键的地方，由人类主持。
\n\n一个热情附和、极少追问的 AI 访谈者，会产出经得起快速浏览、却经不起综合分析的访谈记录。2026 年 8 月 InterviewBot 研究报告的 4.9% 追问率和 28.7% 问题堆叠率，并不是对 AI 主持研究的判决书；它们描述的是你若不加以设计对抗，就会默认继承的行为。先在一份试访上跑一遍追问深度审计：第 1 至 3 项去修对话策略，第 6 和第 7 项去修语音栈。然后再正式投放。
\n\n正在评估或已在运行 AI 主持访谈的 UX 研究者与研究运营负责人；在阅读 AI 生成的访谈记录、疑惑洞察为何单薄的产品经理；正在为 AI 研究技术栈制定质量标准的洞察负责人。
\n\n深入追问指主持方的一个轮次，它引用受访者刚说过的内容并要求展开——要求更具体、举例、对比，或受访者赋予它的意义。它不同于附和（表示在听但不索取更多），也不同于新话题提问（转向别处）。
\n目前没有公认标准。作为半结构化探索的工作目标，我们建议至少 20% 的主持方轮次应为深入追问；并建议把 Zhang 等（2026）报告的 4.9% 作为默认行为的地板值来对照自查，而不是当作可接受水平。
\n只能部分解决。在该研究中，问题堆叠在明令禁止的情况下依然存在，所以仅靠提示词并不可靠。结构性控制更有效：由对话策略强制执行的\"每轮一问\"、每一节的完成标准，以及会回访未回答子问题的覆盖度追踪。延迟和打断则是提示词完全触及不到的基础设施问题。
\n证据是混合的，值得谨慎表述。在 2026 年这项研究中，社交压力的降低既伴随更容易的坦白，也伴随更浅的回答。移除观众，同时移除了顾虑和展开叙述的义务。
\n主要不会。该研究中受访者的信任反映的是感知到的机构分量——谁在做这项研究、为什么做——而非对话技巧。明确的发起方、清楚的目的和真实的知情同意，杠杆很可能高于语音的拟真度。
\n用上文的七项追问深度审计检查一份试访记录：追问率、问题堆叠、有据复述、覆盖度、被遗弃的线索、打断率和回答长度趋势。第 1 至 3 项不通过指向对话策略；第 6 和第 7 项不通过指向语音栈。
\n\n在下一项研究开始前，先在你自己的试访上跑一遍这份审计。如果你想实际投放一场，可以免费开始，赠送 30 个 credits——无需信用卡——并查看透明定价了解按 credit 的使用费率。你也可以对比语音与文字 AI 访谈，阅读我们关于受访者为何中途退出 AI 访谈的分析，或回顾 AI 主持研究中的知情同意。
\n\n最后更新：2026 年 9 月 7 日。本文是对公开研究的独立编辑性摘要，与被引用作者无隶属关系，亦未获其背书。关于 AI 主持方行为的方法论主张，应结合你自己的试访数据加以验证。
","related":[{"slug":"ai-interview-completion-rate-drop-off-2026","title":"受访者为什么中途退出 AI 访谈？（2026）","description":"AI 访谈完成率其实是一个抽样效度指标。2026 年指南：如何按轮次编号诊断流失，附 5 区诊断表与 10 项健康检查清单。","category":"AI 主持访谈","date":"2026-08-30","readTime":"10 分钟阅读","author":"Qualitati 研究团队"},{"slug":"pilot-ai-moderated-interview-checklist-2026","title":"如何试验AI主持访谈：2026清单","description":"在正式启动前，用3-8场试验会议来试验AI主持访谈。使用我们的免费清单和就绪评分卡，在问题扩大前发现指南缺陷。","category":"AI 主持访谈","date":"2026-06-09","readTime":"11分钟阅读","author":"Qualitati 研究团队"}]}