简短回答：专业水平自适应 AI 访谈员会根据受访者的回答判断其对话题的了解程度，并据此调整下一个问题的难度。在 2026 年一项涵盖 246 场访谈的研究中，一个本地运行的小型 LLM 对专业水平的判断与受访者自评结果的一致率达到 78.9%，问题复杂度也随之相应变化。
大多数 AI 访谈员对所有人提出同样深度的问题。新手面对为专家设计的问题，只能给出单薄的回答；专家面对基础问题，则很快失去兴趣。Aisvarya Adeseye、Jouni Isoaho、Adeyemi Adeseye、Seppo Virtanen 和 Mohammad Tahir 的一篇新预印本测试了另一种设计：访谈员在每次回答后评估受访者的专业水平，并据此调整下一个问题的深浅。本文概述他们构建的系统、数据结果，以及这对开展 AI 主持访谈的研究者意味着什么。
\n\n研究检验的是：一个运行在本地小模型上、由提示词驱动的访谈员，能否在不打断对话脉络的前提下，按每位受访者调整问题深度。根据 Adeseye 等人（2026），该系统运行在 Llama 3.2 3B 上，全程本地部署，受访者的回答不会发送到任何外部 LLM 服务。
\n访谈主题是员工如何在工作中使用 LLM。每场访谈包含 16 个面向受访者的问题，分布在五个研究领域：对 LLM 的认知与了解、组织内的应用、技能与培训、数据隐私与安全，以及组织规范。每个领域设有优先级（高、中、低）和问题配额。受访者为具有职场经验的成年人，通过大学和专业人脉招募，以英语在线完成访谈。
\n\n它由五个提示词驱动的模块组成流水线，共享一份持续更新的访谈记录。所有角色都由同一个模型承担：
\n所谓“证据可追溯”，指的就是这份共享的访谈状态记录。它保存此前的问题、回答、各研究领域的覆盖情况、专业水平估计，以及唯一性校验的决定及其理由，研究者事后可以看到每个问题为何被提出。
\n\n相当准确。Adeseye 等人将模型给出的水平标签与受访者独立填写的自评水平进行比较。246 场访谈中有 194 场完全一致（78.9%），相差不超过一个相邻等级的比例为 98.4%。线性加权 Cohen's kappa 为 0.80，仅有四名受访者被误判超过一个等级。
\n自评分布较为均衡：新手 52 人（21.1%）、基础了解 73 人（29.7%）、进阶了解 76 人（30.9%）、专家 45 人（18.3%），因此结果并非由某一主导群体驱动。
\n\n是的。编码员按 1–4 分对全部 3,690 个追问的复杂度进行评分（编码员间完全一致率 89.1%，加权 kappa 0.86）。平均复杂度随评估水平稳步上升，Spearman 相关系数为 .79（p < .001）：
\n| 评估的专业水平 | 平均问题复杂度（1–4） | 标准差 |
|---|---|---|
| 新手 | 1.42 | 0.55 |
| 基础了解 | 2.08 | 0.60 |
| 进阶了解 | 2.91 | 0.63 |
| 专家 | 3.56 | 0.51 |
来源：Adeseye 等人（2026），arXiv:2610.11651。
\n\n它拦下了一小部分但确实存在的重复。校验模块首轮接受了 3,690 个候选问题中的 3,469 个（94.0%），将 221 个（6.0%）因与已问问题过于相似而退回。其中 207 个在重新生成一次后通过，14 个需要两次或更多。重复提问是对 AI 访谈员最常见的抱怨之一，这种成本低、规则明确的校验值得借鉴。
\n\n评价很高。在 5 分量表上，受访者对问题相关性与连贯性的评分为 4.41，投入度为 4.32，总体满意度为 4.38。这些均为自评数据，且没有固定顺序提问的对照组，因此只能说明自适应访谈员受到好评，不能证明它优于非自适应的版本。
\n\n作者指出了两点。一是只测试了一个模型，其他本地模型是否表现相同尚不清楚。二是自评专业水平只是参照，而非真实标准：人们会高估或低估自己的知识，因此 78.9% 衡量的是与受访者自我认知的一致程度。此外，研究只涉及一个主题和一种语言，没有报告响应延迟，也没有对过渡语质量做定量评估。研究者还应考虑自适应对可比性的影响：如果新手和专家收到的问题不同，跨群体比较在分析阶段需要格外谨慎。
\n\n如果你想在自己的访谈提纲上尝试自适应追问，QualiTaTi AI 访谈员支持文字和语音访谈，话题和追问由研究者设定；之后可用 ThemeLens 对访谈记录进行主题分析。
\n\n它是一种 AI 访谈员，会从受访者的回答中推断其了解程度，并调整后续问题的复杂度，让新手不至于无所适从，也让专家被进一步追问。
\n五个模块全部使用本地运行的 Llama 3.2 3B。作者将测试其他本地模型列为后续工作。
\n只是部分可靠。作者承认自我评估可能高估或低估知识水平，因此 78.9% 这一数字反映的是与受访者自我认知的一致程度。
\n预印本《Evidence-Traceable Dynamic Interviewer Architecture for Expertise-Adaptive Qualitative Interviews Using Local LLMs》发布在 arXiv（2610.11651）。作者注明该文已被 Springer Nature 出版的图书 AI in Education: Pedagogy, Ethics, and Society 接收。
\n\n最后更新：2026 年 10 月 9 日。本文是对第三方研究的独立编辑摘要，QualiTaTi 与论文作者无任何关联。
\n","related":[{"slug":"synthetic-data-accuracy-digital-twins-forgotten-question-2026","title":"合成数据准确率：数字孪生的准确率说法为何相互矛盾（2026）","description":"数字孪生准确率为何从 95% 到接近随机不等？一项 2026 年合成数据研究厘清了各类指标，并检验了一种提前识别可回答问卷题目的筛选方法。","category":"AI 用户研究","date":"2026-10-08","readTime":"7 分钟阅读","author":"Qualitati 研究团队"},{"slug":"synthetic-participants-first-click-testing-gpt-2026","title":"GPT 能预测用户点哪里吗？2026 年首次点击测试研究","description":"合成受访者能替代 UX 测试吗？一项涵盖 3,431 名用户的 2026 年研究发现，GPT 的首次点击预测在 53% 的任务中与真实行为显著不同。","category":"AI 用户研究","date":"2026-10-07","readTime":"7 分钟阅读","author":"Qualitati 研究团队"},{"slug":"custom-gpt-ai-interviewer-field-report-2026","title":"自定义 GPT 能做研究访谈吗？一份 2026 年实地报告","description":"自定义 GPT 能做研究访谈吗？一份 2026 年、66 名受访者参与的实地报告发现：受访者接受度高，但追问笼统，AI 生成的访谈摘要也无法核实。","category":"AI 用户研究","date":"2026-10-02","readTime":"7 分钟阅读","author":"Qualitati 研究团队"}]}