AI 访谈员能按受访者专业水平调整提问吗？2026 年研究发现

Qualitati 研究团队 · 2026-10-09 · 7 分钟阅读

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。

这项研究测试了什么？

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。

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。

专业水平自适应 AI 访谈员如何工作？

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：

生成系统提示词。把研究者的访谈配置转化为一份可复用的系统提示词，涵盖访谈员的角色、目的、伦理准则、知识处理规则、行为一致性和输出格式。
生成开场问题。从高优先级领域提出一个易于回答、开放式、低复杂度的开场问题。它用于校准，但不直接决定受访者的水平。
评估专业水平。每次回答后，将受访者归为新手、基础了解、进阶了解或专家，依据四个因素：术语与具体程度、概念准确性、推理深度，以及应用与评价能力。
生成下一轮对话。写出对回答的回应、通往下一话题的过渡语，以及复杂度与当前专业水平匹配的下一个问题。
校验问题唯一性。将每个候选问题与已问过的全部问题比较，决定接受或退回重新生成。

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。

专业水平评估有多准确？

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。

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。

问题难度真的随专业水平变化吗？

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）：

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。

唯一性校验能阻止重复提问吗？

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。

受访者如何评价这些访谈？

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。

研究有哪些局限？

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。

对研究者意味着什么

本地小模型已可胜任访谈员。一个 3B 参数的模型完成了水平评估、问题生成和重复校验，这对数据不能离开机构的研究尤为重要。
把访谈员拆分为不同角色。将评估、生成和校验分开，使每一步都可检查。一句“当一个好的访谈员”的提示词，没有任何可审计之处。
记录推理过程，而不只是访谈记录。保留每个问题被提出的原因，有助于建立审稿人越来越期待的 AI 辅助定性研究审计轨迹。
用已知背景的受访者做预测试。正式开展前，先找几位你已了解其专业水平的人试访，检查访谈员的提问深度是否匹配。

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。

常见问题

什么是专业水平自适应 AI 访谈员？

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。

研究使用了哪个模型？

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。

自评专业水平是可靠的基准吗？

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。

在哪里可以阅读论文？

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。

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。