简短回答：要对 AI 访谈提纲做试测，请在正式开展田野工作前跑 5–8 场：两场由研究者角色扮演，三场邀请真实受访者，其余作为小范围试运行。检查追问深度、题目理解度、时长、中途流失与知情同意的清晰度，然后集中修改一次并复跑。试测能发现提纲本身的缺陷——这类缺陷再多的访谈记录也补不回来。
\n\nAI 主持人消除的是排期瓶颈，而不是设计瓶颈。当你一次把研究推送给 200 个人时，一道措辞糟糕的题目不会只在一场访谈里悄悄失败——它会以完全相同的方式失败 200 次，而这一切都发生在任何人读到访谈记录之前。这正是 AI 主持带来的特有风险：缺陷扩散的速度和田野工作的速度一样快。
\n试测在定性方法中是由来已久的做法。Nielsen Norman Group 的建议非常直白——在真正收集数据前先跑一两场，检查研究设计（NN/g，《Pilot Testing in UX Research》）。方法学文献给出的理由相同：试测通过受访者的反馈提升题目质量，并在修改成本还很低的阶段暴露设计缺陷（Majid 等，《Piloting for Interviews in Qualitative Research》，IJARBSS，2017）。
\n换成 AI 主持人之后，改变的是你试测的对象。你不再只是检验题目措辞，而是在检验一套支配机器追问行为的指令。这是两个不同的失效面，试测必须同时覆盖。
\n\n比多数团队写的要短。Federica Zavattaro 与 Felix Gille 基于 100 多场卫生政策访谈的经验建议：30 分钟访谈最多五道核心题——理想为四道；开场白控制在五到七分钟以内；追问提示要事先准备好，而不是临场发挥（《The 30-Minute Interview Methods Guide》，International Journal of Qualitative Methods，2026）。他们的其他建议——通过充分试测打磨节奏与措辞、用简洁的问答式知情同意书替代法律术语——同样可直接迁移到 AI 主持的形式上。
\n五题上限这一约束，对 AI 提纲尤其有用。如果主持人被要求在每道题上追问两到三层，五道题就已经是一场 25 轮的对话。那些写了十二道题、然后困惑于 AI 为何一路赶场的团队，问题出在长度，而不是模型。
\n\n以下是我们自己的五阶段流程，设计目标是在一个工作日内完成。
\n\n| 阶段 | 场次 | 由谁参与 | 检验什么 | 否决标准 |
|---|---|---|---|---|
| 1. 对抗式角色扮演 | 2 | 一位刻意不配合的同事 | AI 会对单词回答追问吗？遇到「我不知道」能否化解？ | AI 接受了非回答并直接推进 |
| 2. 理解度检查 | 1 | 研究团队之外的人 | 受访者对每道题的理解是否与你的本意一致？ | 任何一道题需要重新解释 |
| 3. 有监督的真人访谈 | 2–3 | 真实目标受访者 | 节奏、深度、流失点、知情同意的清晰度 | 完成度中位数不足提纲的 60% |
| 4. 修订 | — | 研究者 | 一次集中的修改——而非每场之后零敲碎打 | — |
| 5. 小范围试运行 | 3–5 | 真实受访者 | 仅作确认：修改是否奏效？ | 第 1–3 阶段的任何缺陷再次出现 |
表中有两处设计是刻意为之。阶段 1 排在真实受访者之前，是因为追问失效是代价最高的缺陷，同时也最容易被有意诱发——你不需要一位陌生人来告诉你主持人是否满足于「还行吧」这种回答。而阶段 4 是一次性的集中修订，而非每场之后都改，因为场次之间改动意味着你永远不会观察到同一份提纲两次，也就无从判断某处修改是否真的有效。
\n\n读试测记录不同于读正式研究的记录。你审计的是工具，而不是结论。请关注：
\n每项按 0（缺失）、1（部分具备）、2（扎实）打分。低于 20 分中的 14 分，请先修订再进入田野。
\nQualitati 是面向产品、UX 与客户洞察团队的 AI 用户研究平台。上述试测流程可以直接映射到平台功能上，无需另起一套工作流：你配置 AI 访谈者的题目与每题的行为规则，先用正式链接自己跑前几场，读完整访谈记录之后再开放招募。
\n有两项能力对试测尤为重要。AI 主持访谈支持文字与语音两种形式，因此你可以按将来真正投放的形式来试测——语音节奏和文字节奏的失效方式并不相同。而主动倾听（Active Listener）模式——由人类访谈者实时接收提示与章节进度——是阶段 3 的好工具：用同一份提纲跑一场有人主持的访谈，比较人类抓住而 AI 略过了哪些追问。
\n多语言研究请分语言分别试测。Qualitati 支持十种语言的研究，而一道在英文中读来中立的题目，翻译之后可能变成诱导性提问——这类缺陷任何英文试测都发现不了。
\n\n试测有真实成本，也有已知的限度，坦率说明是必要的。
\n什么时候不必这么做：如果你只做一场探索性访谈，或者沿用上季度在同一人群中原样投放过的提纲，完整的五阶段试测就是多余开销。只跑阶段 1，然后直接进行即可。
\n\n五到八场，分摊到角色扮演、理解度检查与小范围试运行。少于五场很难暴露追问缺陷；多于八场通常说明提纲存在结构性问题，再加一场也诊断不出来。
\n\n只有在此后提纲未作改动的情况下可以。如果你修改了任何一道题或追问指令，那么试测场次用的是另一套工具，应单独报告或予以排除。规则要在试测之前就定好。
\n\n合成受访者在阶段 1 很有用——检查主持人是否会追问、能否化解卡壳、是否遵守章节顺序——因为它便宜且可重复。但它不能替代阶段 2 的理解度检验：语言模型不会告诉你真人读错了你的题目。
\n\n据我们的经验是笼统的追问指令。团队写出了很好的题目，然后只挂上一条全局规则，例如「追问一次」。结果就是回声式追问。针对具体题目的追问规则——挖什么、何时收——才是解法。
\n\n有。语音场次在节奏、打断和转写清晰度上出问题；文字场次则在题目长度与阅读疲劳上出问题。按你将要投放的形式来试测；若计划让受访者二选一，两种都要试。
\n\n流程相同，只需增加一点：在阶段 1 刻意给出前后矛盾的回答，以显式检验分支逻辑，并在正式启动前确认每条分支都可达。
\n\n试测 AI 访谈提纲，是 AI 主持研究中杠杆率最高的一个小时——因为 AI 主持扩散缺陷的效率，和它扩展田野工作的效率一样高。跑完五阶段流程，读记录时审计漏掉的与回声式的追问而非结论，集中修订一次，再做确认。约束几乎总是来自提纲，而不是模型。
\n免费开始，赠送 30 个额度——无需信用卡——今天就试测你的第一份提纲；或先查看透明定价，再决定是否扩大研究规模。
\n\n最后更新：2026 年 8 月 25 日。本文的方法学建议属编辑观点，取材自文中引用的公开来源；涉及敏感议题的研究设计应交由合格的研究者或伦理委员会审核。
","related":[{"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"},{"slug":"how-to-run-jobs-to-be-done-interviews-2026","title":"如何开展 Jobs-to-Be-Done（JTBD）访谈（2026 指南）","description":"如何开展 Jobs-to-Be-Done（Switch）访谈：时间线模板、进步四力、访谈准备清单，以及 2026 年 AI 在其中的作用。","category":"操作指南","date":"2026-07-28","readTime":"10 分钟阅读","author":"Qualitati 研究团队"}]}