我平时做市场调研，最怕的不是数据少，而是问题没问对。市场调研提示词这件事，刚接触时我把它当成“让AI帮忙找资料的一句话”。真正用起来才发现，它更像一份微型研究说明书。我把它定义为：围绕一个明确的市场调研任务，把角色、背景、调研问题、输出要求和限制条件写清楚的自然语言指令。这个定义听起来有点长，实际写的时候我会问自己一句，别人拿到这段话，能不能独立把调研做出来。价值也在这里，提示词能把模糊想法拉成可执行动作，让团队少走弯路。
适用边界我也踩过坑。市场调研提示词很适合做行业扫描、竞品信息整理、用户访谈提纲生成、问卷初稿搭建、定性资料归纳。它不适合替代真实用户接触，也不适合直接拿模型编出来的数据当结论。我上一次做新消费赛道调研，提示词帮我快速铺开了渠道和人群假设，后面还是靠门店走访和用户访谈去验证。边界清楚，提示词才是帮手。
我更喜欢把提示词设计看成一个小型项目启动会。目标要讲清楚，背景要给足，交付物要明确，约束条件也要提前说。设计框架不复杂，难在每一层都别含糊。下面几个小节是我自己在用的拆解方式，按这个顺序写，提示词会稳很多。
1.1 市场调研提示词的定义、价值与适用边界
我习惯把市场调研提示词拆成三层看。表层是一段发给AI的指令，里层是一套调研任务的表达结构，底层是调研目标、对象和交付标准。三层对上了，提示词才有用。对不上时，输出很容易看着热闹，实际用不上。我见过一个团队让AI“分析一下咖啡市场”，拿到一大段泛泛而谈的内容，后来把目标改成“分析上海写字楼周边现磨咖啡的午间消费机会”，结果马上具体很多。
价值这块，我的体感是省沟通、省返工、省试错。提示词写清楚，团队里不同角色对同一份调研任务的理解会更一致。做策略的人知道要什么结论，做执行的人知道要找什么信息，写报告的人知道该留哪些证据。它还有一个隐性价值，逼着我把调研问题想明白。很多时候不是AI不会答，是我自己没问清楚。
适用边界我也愿意多说两句。市场调研提示词适合探索、整理、归纳、生成初稿，适合把零散信息压成结构。涉及关键决策时，它只能当辅助。用户真实偏好、渠道真实动销、价格敏感度这些信息，还是要靠一手数据。我通常会把提示词产出当“假设池”，再拿实际调研去筛。
1.2 市场调研提示词的目标设定与调研问题拆解
目标设定我一般分两问。第一问是这次调研要支持什么决策，是选赛道、定价、做产品概念，还是优化投放。第二问是决策需要什么颗粒度的信息，是要方向判断，还是要可量化的依据。这两问答完，提示词的目标就不会写成“了解市场”这种空话。我上一次做宠物食品调研，目标写成“判断高端猫粮在二线城市年轻女性中的价格接受区间”，后面所有问题都围着这个目标转。
调研问题拆解我喜欢用“从大到小、从外到内”的方式。先拆行业和竞争，再拆用户和场景，继续拆需求、支付意愿和替代方案。拆的时候我会控制层级，不让一个问题套三个小问题。一个提示词里塞太多任务，输出容易散。我的做法是先列问题树，再挑这次必须回答的枝干放进提示词。
我还会把问题分成“必须回答”和“可以补充”两类。必须回答的问题放进主提示词，补充问题放进追问。这样做的好处是，第一轮输出不会被边缘信息带偏，第二轮又能补细节。问题拆解不是越细越好，够用就好。我经常提醒自己，提示词是调研的起点，不是调研的全部。
1.3 角色设定、背景信息与任务指令的结构化表达
角色设定我一般不给虚名，会给工作视角。比如“你是一位负责消费品赛道的一线调研顾问，习惯先看用户场景再看数据”，这种设定比“你是资深专家”更有用。角色越贴近任务，输出的语气和取舍越稳。我有时也会给角色加一个限制，比如“你不做行业宏观预测，只基于给定信息做归纳”，这样能减少跑题。
背景信息我倾向于写四块：业务背景、调研对象、已有信息和限制条件。业务背景讲清楚为什么要调研，调研对象讲清楚看谁，已有信息讲清楚手上有什么，限制条件讲清楚别碰什么。这四块不用写成长文，短句就行。我上一次写背景信息只用了五句话，输出质量比之前写一大段“公司介绍”好很多。
任务指令要具体到动作和交付物。我会用“请完成以下任务”开头，后面写清楚要做什么、按什么顺序做、输出成什么样子。任务指令里我尽量少用形容词，多用动词。比如“列出三个用户分层，并说明每层的核心需求和购买阻碍”，就比“深入分析用户”好用。结构化表达不是把提示词写成公文，是把关键信息放在该在的位置。
1.4 输出格式、约束条件与结果可执行性设计
输出格式我通常会提前定死。表格、分点、报告框架、访谈提纲，不同任务用不同格式。做竞品分析时我喜欢要表格，列清楚品牌、定位、价格带、渠道、核心卖点和用户反馈。做用户访谈提纲时我喜欢要分层提纲，从暖场问题到深入问题再到收尾问题。格式定清楚，后面整理成本会低很多。
约束条件我一般写三类：信息范围、表达方式和质量要求。信息范围写“只基于我提供的资料，不补充未经验证的数据”，表达方式写“用短句，少用行业黑话”，质量要求写“每个结论后面给出依据或假设标记”。这些约束看起来琐碎，实际能挡掉不少空话。我还会加一句“遇到信息不足时，请明确标注并给出补充调研建议”，这比让模型硬编强。
结果可执行性是我判断提示词好坏的一个硬标准。输出能不能直接拿去做访谈、做问卷、做汇报，能不能让同事接着干活，能不能看出下一步动作。我有时会让提示词最后加一个“下一步行动清单”，要求列出需要补充的信息和验证方式。这个动作很小，效果挺明显。
1.5 市场调研提示词的常见误区与优化原则
常见误区我见过不少。一个是目标太大，提示词里写“帮我做市场分析”，输出自然泛。一个是背景太少，模型只能靠常识补，补出来的内容往往不对味。还有一个是任务太多，一份提示词里既要行业分析又要问卷设计还要写报告，结果每块都浅。我也犯过“格式要求很细、调研问题很虚”的毛病，表格很漂亮，内容没法用。
优化原则我总结成几句人话。目标要窄，问题要实，背景要短而关键，任务要能验收。提示词写完我会读一遍，问自己三个问题：这次调研到底要回答什么，输出给谁用，拿到结果后下一步做什么。三个问题答不上来，提示词还得改。我还会把长提示词拆成两轮，第一轮做框架和假设，第二轮做细化和验证。
另一个优化动作是留出追问空间。市场调研很少一轮就到位，我通常会在提示词末尾加一句“请先给出分析框架和关键假设，等我确认后再展开”。这样我能控制节奏，也能及时纠偏。提示词不是一次写死的文档，它更像一份可以迭代的工作底稿。
1.6 从调研目标到提示词框架的搭建流程
我自己的搭建流程比较朴素。先写调研目标，一句话说清楚要支持什么决策。再写调研问题树，列出必须回答的问题。接着写角色和背景，把AI放进具体工作场景。然后写任务指令和输出格式，把交付物定下来。最后补约束条件和追问机制。这个顺序不复杂，关键是每一步都别跳。我有时赶时间会直接从任务写起，写到一半发现目标没对齐，又得回头补。
搭框架时我会做一次“信息盘点”。手上有什么资料，缺什么资料，哪些能让AI整理，哪些必须人工去拿。盘点完再写提示词，心里更有底。我还会把提示词分成“主提示词”和“追问提示词”，主提示词负责框架和初稿，追问提示词负责补细节和校验。这样写出来的提示词更像一套工作流，不是一段孤立的话。
流程走到最后，我会做一次小测试。拿一个小样本让AI跑一遍，看输出能不能用、缺什么、哪里跑偏。测试完再改提示词，比直接上大任务稳。我上一次做区域市场进入调研，先用一个城市试跑，发现输出对渠道层级描述太粗，补了渠道背景后效果好很多。提示词框架搭好了，后面的模板和场景化应用才有基础。
我电脑里有一个文件夹叫“调研模板库”，打开看其实没什么高大上的东西。大多是我自己攒的提示词草稿，文件夹按场景分，文件名按“用途+版本号”写。有一次同事问我，你每次做调研是不是都要从零写提示词。我说不是，我大部分时候是在改模板。市场调研这件事有个特点，任务类型其实不多，但每次做的行业、对象、决策问题都在变。模板能帮我省掉重复搭骨架的时间，把精力放在调参数和补背景上。这一章我就按自己常用的几个场景，把模板拆开讲讲。
2.1 市场调研AI提示词模板的组成要素与复用逻辑
我理解的提示词模板，不是一段写死的长指令。它更像一个带插槽的框架，固定的是结构和约束，可变的是行业、对象、目标和资料。我自己的模板一般包含几块：角色视角、任务背景、调研问题清单、输出结构、约束条件和追问机制。这六块里，前三块变化最多，后三块相对稳定。每次用模板，我主要改前两块，输出结构和约束条件基本沿用。
复用逻辑我总结成一句话：骨架复用，血肉替换。骨架指的是提示词的层次和顺序，血肉指的是具体的行业信息和调研目标。我上一次做母婴赛道调研，直接拿消费品模板改，只换了背景信息和问题清单，十分钟就搭好了初稿。如果没有模板，光想输出格式就得花半小时。模板的另一个好处是标准化，团队里的人用同一套模板，交付物的结构会比较一致，后面汇总和比对省事很多。
模板也不能直接套。我见过有人拿竞品分析模板去做用户访谈，输出看起来很完整，实际问题问偏了。我的做法是每次套模板前先问一句，这次调研的核心任务和模板预设的任务类型对不对得上。对不上就换模板或者拆成两段用。模板是工具，不是答案，这点我时刻提醒自己。
2.2 探索性调研与行业机会分析提示词模板
探索性调研我用得挺多，尤其是刚进入一个新赛道的时候。这种调研的特点是问题还没完全定型，信息面广但深度要求不高，主要目的是摸清地图、找到机会点和风险点。我的探索性调研模板一般会设定一个“行业观察员”的角色，要求AI先做三件事：梳理行业价值链、列出关键玩家和模式、标注信息缺口。输出格式我通常要一个分层结构，从行业层到赛道层再到机会层。
行业机会分析这块，我会在模板里加一个“机会筛选”的任务。不是让AI罗列一堆机会，而是让它按可进入性、需求强度和竞争密度三个维度做初筛。我上一次做银发经济调研，模板输出的机会清单有十几条，我按这三个维度筛完只剩三条值得深挖。模板里我还会加一句约束，“每个机会点必须说明依据和假设，不能只给结论”。这句话能挡掉不少空泛的判断。
模板用多了我发现，探索性调研最怕的不是信息少，是信息散。所以我在模板里会固定一个“信息归位”的收尾动作，要求AI把散落的信息归到行业、玩家、用户、渠道四个筐里。这个动作看起来机械，实际很有用。我拿着归好位的信息去开内部讨论会，大家讨论效率高很多。模板的价值有时候就在这些不起眼的收尾动作上。
2.3 竞品分析与用户画像调研提示词模板
竞品分析模板是我用得最熟的一个。我的模板里固定要五列：品牌、定位、价格带、渠道、核心卖点。后来用着用着又加了两列，用户反馈和增长动作。加这两列是因为我发现光看静态信息不够，竞品在做什么动作、用户怎么评价，往往比定位描述更有参考价值。模板里我会要求AI对每列信息标注来源类型，是官网信息、媒体报道还是用户评论，方便后面判断可信度。
用户画像模板我踩过的坑最多。早期我写的模板太笼统，输出出来的画像都是“25到35岁、一二线城市、注重品质”这种谁都能写的描述。后来我改了模板，要求画像必须包含四个要素：典型场景、核心任务、购买阻碍和替代方案。这四个要素逼着AI从行为角度描述用户，不是从人口统计角度贴标签。我上一次做户外装备调研，模板输出的画像里有一条“周末轻徒步用户，买装备前先看小红书测评，价格敏感但愿意为轻量付溢价”，这条描述直接能拿去做产品沟通。
竞品分析和用户画像我有时会放在一个模板里连着跑。先跑竞品，拿到竞品的用户反馈关键词，再把关键词喂给用户画像模板做细化。这种串联用法比单独跑效果好，信息之间能互相印证。模板串联时我会注意一点，第二轮模板里要明确引用第一轮的输出，不然AI容易从头编。这个细节很小，实际用起来差别挺大。
2.4 用户访谈提纲与定性资料整理提示词模板
访谈提纲模板我改过很多版。现在的版本分三段：暖场问题、核心问题和收尾问题。暖场问题用来建立信任，核心问题围绕调研目标展开，收尾问题留给开放补充。模板里我会要求AI给每个问题标注“目的”，说明这个问题想拿到什么信息。这个标注很有用，访谈时我能根据现场情况灵活取舍，不至于照着提纲硬念。我上一次做B端软件调研，提纲里有个问题目的是“了解决策链”，现场发现受访者不太愿意聊这个，我马上换了个角度从使用场景切入，效果反而更好。
定性资料整理模板是我最近半年才认真搭的。以前访谈完录音转文字，整理全靠人工，费时费力。现在我用模板让AI先做一轮粗整理，任务是：按主题归类、提取原话、标注情绪倾向、列出待追问点。模板里我会加一个约束，“保留受访者原话，不要改写成书面语”。这条约束挺关键，原话里的语气和用词往往藏着真实态度，改写了就丢了。整理完我再人工过一遍，效率比纯手工高不少。
访谈提纲和资料整理这两个模板我通常连着用。提纲模板负责“问对问题”，整理模板负责“留住信息”。中间我会加一个动作，访谈结束后当天就把录音和笔记喂给整理模板，趁记忆还新鲜。拖几天再整理，很多现场感受就模糊了。模板能帮我把流程固定下来，流程固定了，质量才稳。
2.5 定量数据分析与调研报告生成提示词模板
定量数据分析模板我用得相对谨慎。定量数据的坑在于，AI很容易给出看起来合理的解读，实际经不起推敲。我的模板里会先设定一个边界，“只基于我提供的数据集做分析，不补充外部数据，不做因果推断”。分析任务我一般分三步：描述性统计、分组对比、异常值标注。三步走完再看有没有值得深挖的点。模板里我会要求输出时区分“数据事实”和“分析假设”，这个区分能帮我在写报告时守住分寸。
调研报告生成模板我主要用来搭框架和写初稿。模板里我固定要一个报告结构：背景与目标、调研方法、核心发现、分群洞察、机会与风险、下一步建议。这个结构不新鲜，好处是稳定，团队里谁写报告都按这个来，评审时省沟通。模板里我会加一条约束，“每个核心发现后面必须跟数据或原话支撑，没有支撑的发现标注为待验证”。这条约束能挡掉不少拍脑袋的结论。
报告模板我还有一个用法，让AI先出“一页纸摘要”再出全文。一页纸摘要逼着我把最核心的三条发现想清楚，想不清楚就回去补分析。我上一次做区域市场报告，一页纸摘要改了四版才定下来，定完之后全文写得很顺。模板不只是生成工具，它也是一种思考工具。这个体会是我用了一年多才慢慢有的。
2.6 模板参数化、版本管理与跨场景迁移方法
模板参数化是我最近在练的一个动作。简单说就是把模板里可变的部分抽出来，做成填空位。比如行业名称、调研对象、决策问题、时间范围、地域范围，这些做成参数，每次用的时候填。参数化之后模板更好管，也更好传。我给团队做内部分享时，直接给参数化模板，大家填自己的参数就能用，不用从头理解整段提示词。参数化不是要把模板搞复杂，是把变化的部分和不变的部分分开。
版本管理我吃过亏。早期模板改完就覆盖，后来想找回旧版本找不到了。现在的做法是文件名带日期和版本号，每次大改存一个新文件，小改在文件里加一行修改说明。我还会在模板开头写一段“适用场景和已知限制”，提醒自己这个版本适合什么任务、不适合什么任务。这个习惯看起来有点笨，实际帮我省了不少重复踩坑的时间。
跨场景迁移我一般按“近迁移”和“远迁移”分开处理。近迁移是同类型任务换个行业，比如消费品竞品模板拿去做家电竞品分析，改背景信息就行。远迁移是跨任务类型，比如把访谈提纲模板改造成问卷设计模板，这种迁移要动结构，不能只换词。我做远迁移时会先小样本试跑，看输出结构对不对，再决定要不要改模板骨架。模板迁移的底线是任务逻辑要对得上，逻辑对不上，改再多词也没用。
模板攒到现在，我最大的感受是，好模板不是写出来的，是用出来的。每个模板背后都有一堆跑偏的输出和返工的经历。我现在的模板库还在长，有些模板半年没用就删了，有些模板用着用着就拆成了两个。模板是活的，跟着调研任务一起变。这个状态我觉得挺正常。
问卷这个东西，我刚入行的时候觉得它最简单。不就是列一堆问题让人填吗。后来被现实教育了。一份问卷从设计到回收再到出结论，每个环节都能翻车，而且翻得悄无声息。你拿到一堆数据，看起来漂漂亮亮，分析半天发现全是噪音。我现在的习惯是，问卷还没发出去，先把提示词打磨三遍。这一章我按问卷的流程顺序，把每个环节的提示词怎么用、怎么防坑，拆开说说。
3.1 市场调研问卷设计提示词的目标对齐与结构规划
我见过太多问卷死在目标不清晰上。写提示词之前，我会先逼自己回答一个问题：这份问卷的结论要用来做什么决策。这句听着像废话，实际做起来很多人跳过了。我上一次帮一个做餐饮的朋友设计问卷，他一开始说想知道顾客满不满意。我问然后呢，他说满意就继续，不满意就改。这个目标太糊了，没法写提示词。后来我们聊了半小时，把决策问题锁定成“要不要上早餐品类”。目标一聚焦，问卷结构马上就清晰了。
提示词的第一步我会写一段“目标对齐”指令，要求AI先把调研目标拆成三个层级：决策目标、信息需求、题项方向。决策目标是最终要做什么决定，信息需求是回答这个决定需要知道什么，题项方向是每个信息需求对应什么类型的问题。这个三层拆解我会在提示词里明确写出来，让AI按这个结构先输出一版逻辑树，我看完确认没问题再往下走。跳过这一步直接让AI出题项，出来的东西往往散。
结构规划这块我在提示词里会固定一个约束：问卷总时长不超过八分钟，核心题项控制在十五题以内。这个约束逼着AI做取舍。我以前不设这个限制，AI一口气给二十五道题，每道题都“很有价值”，实际投放后完成率不到六成。现在我把时长和题量写死在提示词里，AI会自动砍掉边缘题项。目标对齐和结构规划是一体的，目标定得越清楚，结构越紧凑。
3.2 研究问题转化为问卷题项与题型选择提示词
把研究问题翻译成问卷题项，这一步最考验提示词的精度。我的做法是在提示词里要求AI做“一问三题”的转换：每个研究问题至少对应三种题型的候选方案，然后标注每种方案的适用条件和局限。比如研究问题是“用户对价格的态度”，单选题适合测价格敏感度区间，量表题适合测价格容忍度，开放题适合抓价格相关的原话。三种题型各有利弊，AI标注清楚了我再选。
题型选择我踩过的坑是滥用量表。早期我什么题都用量表，五级七级十级，输出整齐好看。后来发现量表题对受访者的认知要求高，很多人填的时候凭感觉点中间值，数据区分度很差。现在我在提示词里会加一条规则：量表题只用于测态度和倾向，事实类问题一律用单选或多选，行为类问题优先用单选加开放补充。这条规则写进提示词后，AI出的题型搭配合理多了。
开放题的比例我也在提示词里设了上限，不超过总题量的两成。开放题信息质量高但回收率低，放太多受访者会烦。我一般把开放题放在问卷后半段，提示词里会要求AI在开放题前面加一句引导语，降低填写门槛。有一次我做B端问卷，开放题问“您对供应商最不满意的地方”，回收的原话里有一条写了两百多字，直接成了报告的核心引用。题项转化这件事，精准比数量重要得多。
3.3 问卷措辞、选项设置与偏差规避提示词
问卷措辞的偏差是最隐蔽的坑。我写提示词时会专门加一段“偏差扫描”指令，要求AI对每道题的措辞做三件事：检查是否有引导性词汇、检查是否有双重问题、检查是否有预设假设。引导性词汇比如“您是否同意我们新推出的高品质服务”，高品质三个字就是引导。双重问题比如“您对我们的产品和售后是否满意”，产品和售后是两码事，受访者没法用一个答案回应。预设假设比如“您多久使用一次我们的会员功能”，前提是受访者已经是会员。
选项设置我的提示词里有一条硬规则：选项必须互斥且穷尽。互斥是选项之间不能重叠，比如年龄分段不能出现“25到35”和“30到40”这种交叉。穷尽是要覆盖所有可能的回答，不能漏掉“其他”或者“以上都不是”这类兜底选项。我还会在提示词里要求AI检查每个选项的粒度是否一致。有一次一份问卷的价格选项从“50以下”跳到“50到100”再跳到“200到500”，中间100到200的区间漏了，这种错误不扫描很难发现。
偏差规避我还有一个做法，提示词里要求AI对敏感问题做“缓冲处理”。直接问收入、年龄、职业，很多人会跳过或者乱填。我会让AI把敏感问题放在问卷靠后位置，前面先放一些轻松的事实题建立填写惯性。措辞上把“您的月收入是多少”改成“您个人每月的可支配消费大致在哪个范围”，回收率明显提升。措辞和选项的打磨是问卷设计里最耗时的部分，提示词能帮我做第一轮扫描，最终定稿还是得我自己逐题过。
3.4 问卷逻辑跳转、预测试与样本投放提示词
逻辑跳转的提示词我会单独写一段，不混在题项设计里。问卷的跳转逻辑是硬约束，写错了会导致数据错位。我的提示词里会要求AI用“条件-动作”的格式描述每一条跳转规则，比如“如果Q3选B，则跳过Q4到Q6，直接进入Q7”。这种格式写出来我能一眼检查逻辑有没有漏洞。有一次一份问卷的跳转规则写了七条，我对着提示词输出逐条核对，发现两条互相冲突，如果没有格式化的规则清单，这个错误投放后才会暴露。
预测试的提示词我常用的任务是让AI扮演“挑刺型受访者”，把问卷从头到尾走一遍，标注三类问题：看不懂的题、不想答的题、觉得重复的题。这个角色扮演比让AI直接审问卷有效得多，因为它站在填写者的角度。我上一次做员工满意度问卷，预测试输出里标注了“Q8和Q11问的是同一件事”，我回去一看确实重复了，删掉一道题，问卷时长省了快一分钟。
样本投放的提示词我主要用来生成投放说明和配额检查清单。投放说明包括目标样本量、分层配额、投放渠道建议和回收时间窗口。配额检查清单是给AI一个样本结构要求，让它帮我核对回收数据的分层比例是否达标。我一般会在提示词里设一个偏差容忍度，比如某一层的实际回收比例偏离目标超过五个百分点就标黄提醒。投放环节提示词能做的事有限，但它能帮我把检查动作标准化，不至于凭感觉判断样本质量。
3.5 问卷数据清洗、分析解读与结果校验提示词
数据清洗的提示词我写得比较细。问卷数据常见的脏数据有三类：规律性作答、逻辑矛盾、缺失值集中。规律性作答比如整份问卷全选A或者全选中间值，逻辑矛盾比如前面说没买过产品后面又评价了产品功能。我会在提示词里把这三类问题的识别规则写清楚，让AI先出一份数据质量报告，标注每一类问题的占比和分布。这份报告我看了之后才决定哪些样本剔除、哪些保留。
分析解读的提示词我会守住一条边界：只基于提供的数据集做分析，不补充外部信息，不做因果推断。问卷数据大部分是相关性的，说“A导致B”是越界。我的提示词里会要求AI输出时区分“数据事实”和“分析假设”。数据事实是“选A的人里七成也选了B”，分析假设是“可能因为A和B共享某个用户动机”。这个区分在写报告时极其重要，不然很容易把假设写成结论。
结果校验是我后来才加进提示词的一个环节。具体做法是让AI做两件事：一是交叉验证，把问卷数据和之前访谈的定性资料对照，看有没有矛盾的地方。二是逻辑回查，从结论倒推回原始数据，确认每一条结论都有数据支撑。我上一次做区域市场问卷，交叉验证时发现问卷里说“价格是首要考虑因素”的人，在访谈里更在意售后响应速度。这个矛盾让我重新回去看数据，发现问卷的价格题选项设计有问题，把“性价比”和“低价”混在了一起。校验这个动作看起来多一步，实际能挡住不少误判。
3.6 问卷设计提示词的迭代评估与质量检查清单
问卷提示词不是写完就完了，我用完一轮会做一次复盘。复盘我主要看三个指标：完成率、逻辑冲突数、开放题有效回答占比。完成率低于预期说明题量或难度有问题，逻辑冲突数多说明跳转规则或措辞有漏洞，开放题有效回答占比低说明引导语或开放题位置需要调。这三个指标我会写进下一轮提示词的约束条件里，作为迭代依据。迭代不是每次大改，有时候只调一个措辞或者一个跳转条件，效果就差很多。
质量检查清单我现在固定用一份，大概七八条，每次问卷定稿前逐条过。清单内容包括：目标对齐检查、题量和时长检查、题型搭配检查、措辞偏差扫描、选项互斥穷尽检查、跳转逻辑核对、预测试反馈处理、投放配额确认。这八条不是每一条都花很多时间，但每一条都过一遍，能挡掉大部分低级错误。我把这份清单嵌在提示词的最后一段，让AI在我定稿前帮我逐条核对一遍，输出一个检查结果表。
问卷设计提示词的迭代我还有一个习惯，每次项目结束后把提示词和实际效果一起存档。效果包括完成率、数据质量报告摘要、校验时发现的问题。存多了之后我能看出一些规律，比如某类措辞反复出问题，某个题型组合完成率特别高。这些规律反过来指导我改提示词模板。问卷提示词的质量不是靠一次写到位，是靠一轮一轮用出来的。这个道理跟上一章的模板一样，工具是活的，得跟着任务一起长。
