我做用户访谈有些年头了。早些年，每到访谈前夜，我都在空白文档前磨问题。问题写得太散，访谈容易跑偏；写得太硬，受访者聊两句就收住了。后来我开始用提示词让AI帮我起草问题，效率上来了，质量也更稳。访谈问题设计提示词这几个字，听着像技术活，实际更像一份“访谈说明书”。你给AI的指令越清楚，它还给你的问题清单就越像样。
我对它的定义很朴素：把访谈目标、受访者信息、场景限制和输出要求，写成一段可执行指令，让AI或者团队成员据此生成、优化访谈问题。它不是访谈脚本本身。脚本会写到主持人怎么开场、怎么接话、怎么收尾。提示词更像任务书，边界落在“问题设计”这件事上。它也不等于问卷。问卷追求统一选项，访谈问题设计提示词追求对话里的追问空间。
这套东西的核心价值，我感受最深的是“降低空白页焦虑”。新人拿到一个访谈主题，脑子容易空。给他一份结构清楚的提示词，他能先产出可讨论的初稿。团队协作也受益。大家用同一套提示词框架，问题质量不会忽高忽低。站在受访者那一侧看，好提示词能减少诱导性提问，让对话更像聊天，不像审问。
1.1 什么是访谈问题设计提示词：定义、边界与核心价值
我常跟团队新人说，别把提示词写成许愿池。“帮我生成十个用户访谈问题”这种写法，AI只能给你一堆正确但空泛的句子。访谈问题设计提示词要交代清楚：这次访谈要解决什么信息缺口，受访者是谁，访谈大概多长，问题要偏探索还是偏验证，输出要主问题还是带追问。信息给到位，生成结果才有可用性。
边界这块，我踩过坑。有次我把“访谈流程”和“问题设计”混在一个提示词里，AI输出了一堆主持话术，问题本身反而很薄。后来我把任务拆开：提示词只管问题结构、问题措辞、追问触发条件。主持人怎么暖场、怎么记录，另放一份文档。边界清楚，输出才干净。
核心价值可以分三个视角看。研究者视角，提示词让访谈目标不容易丢。团队视角，它是一份可复用的质量基线。受访者视角，问题更中立、更顺滑，聊起来不别扭。我做流失回访时体会很深。提示词里写清“不要预设用户是因为价格离开”，AI生成的问题就会少一些“您是不是觉得贵”这种带方向的句子。
1.2 好提示词的五个要素：角色、目标、受访者画像、约束条件、输出格式
我现在写提示词，习惯先摆五个要素。角色、目标、受访者画像、约束条件、输出格式。少一个，结果就容易偏。角色不是摆架子，是给AI一个专业视角。比如“你是一位有经验的用户研究员，擅长做半结构化访谈”，这句话会改变它组织问题的语气和颗粒度。
目标要写到“信息缺口”这一层。“了解用户对产品的看法”太虚。“了解新用户在首次创建任务时卡在哪一步、他们如何绕过卡点”就实。受访者画像也别偷懒。年龄、职业、使用时长、决策角色，能写就写。我做B端访谈时，把“受访者是财务负责人，不直接操作系统”写进去，AI就不会问一堆操作细节。约束条件包括访谈时长、线上还是线下、是否允许追问敏感信息。输出格式要具体到“主问题八个，每个主问题下给两个追问，追问标注触发条件”。这么写，拿回来的东西基本能直接用。
这五个要素里，我最看重受访者画像。画像模糊，问题就会漂。有次我只写“年轻用户”，AI生成的问题一半在问校园生活，一半在问职场通勤。后来补上“毕业三年内的城市白领，租房，通勤地铁为主”，问题立刻贴地了。输出格式也别嫌麻烦。你不说清楚，AI很容易给你一大段散文式问题，整理起来费劲。
1.3 访谈问题设计原则：开放性、递进性、中立性、可追问性
开放性这件事，我吃过亏。早期我写“你是否喜欢这个功能”，受访者只能答是或否，后面就冷场。开放性问题像“你上次用这个功能是在什么场景下，当时想解决什么问题”，对方才有故事可讲。开放不等于漫无边际。问题得有个钩子，让受访者知道从哪说起。
递进性我理解成“从宽到窄，从行为到动机”。先聊最近一次使用经历，再聊当时的动作，再聊卡点，再聊为什么在意这个卡点。我自己做访谈时，喜欢把问题写成一条线。受访者顺着线走，回忆会自然被带出来。中立性更难。主持人心里有假设，嘴上容易漏出来。“你是不是觉得操作太复杂”这种问法，等于把答案递过去了。改成“你当时操作到那一步，心里是什么感受”，对方才有空间说真话。
可追问性常被忽略。好问题自带“下一句”。比如“你提到会先截图保存，这个动作一般发生在什么情况下”，这种问题能顺着受访者的原话往下挖。我在提示词里会专门写一句：每个主问题后面留两个追问方向，追问要基于受访者可能提到的关键词。AI按这个要求输出，问题清单会更有层次。受访者聊到具体动作时，主持人也不至于只会说“嗯嗯，还有呢”。
1.4 常见误区：问题过泛、诱导性提问、忽略访谈场景与对象差异
问题过泛是新手最容易犯的毛病。“你平时怎么用手机”“你对服务有什么建议”，这种问题听着礼貌，拿回来的信息很薄。受访者只能说些场面话。我改这类问题，会加时间、地点、动作。“你昨天最后一次用手机处理工作，是在什么地方，当时先点了哪个应用”，颗粒度一细，回忆就出来了。提示词里也可以直接约束：每个问题必须包含具体场景或最近一次行为。
诱导性提问更隐蔽。我在复盘录音时发现，自己说过“这个流程是不是有点绕”。受访者顺着我的话点头，后面全在吐槽流程。这种问题把主持人的判断塞进了对话。后来我在提示词里加了一条避坑提示：禁止使用“是不是”“对不对”“你觉得贵不贵”这类预设答案的句式。AI生成后，我还会人工过一遍，把带方向的词圈出来改掉。
场景和对象差异，我也交过学费。电话访谈二十分钟，问题不能太多，追问要短。线下深度访谈一小时，问题可以铺开。受访者是高管，问题要偏决策和业务影响。受访者是一线用户，问题要偏操作和感受。有次我把同一套问题用在两类人身上，高管嫌太细，一线嫌太虚。后来我在提示词里固定写清“访谈时长、访谈形式、受访者角色”，AI输出的问题数量和深度会跟着变。这一章聊的是基础认知，先把这些底子打牢，后面拆目标、套模板、做评估，才不容易走偏。
上一章聊了基础认知，这一章我想说说自己最常干的一件事：把一个模糊的访谈需求，拆成能写进提示词的具体指令。这事儿听起来像做填空题，实际更像剥洋葱。客户丢过来一句“帮我做个用户访谈，了解下产品体验”，你没法直接把这句话扔给AI。AI会还给你一堆正确但没用的通用问题。我后来养成一个习惯，拿到任何访谈需求，先不急着写提示词，先做一轮“需求拆解”。拆完了，提示词自己就长出来了。
拆解这事儿我分四步走。第一步找目标，第二步摸清受访者和场景，第三步搭问题层级，第四步才动笔写提示词。顺序不能乱。跳着写，后面大概率要返工。
2.1 明确访谈目标与信息缺口
访谈目标跟信息缺口，我常把它们比作导航目的地和当前定位。光说“往东走”没用，得知道自己在哪、要到哪。做访谈最怕目标写成“了解用户需求”。“需求”这个词太大了，受访者说啥都算需求，聊完了你也不知道该拿这些信息干什么。我现在写目标，逼自己写到能验证的颗粒度。比如“搞清楚新用户在注册后第三天还没创建第一个项目的原因”，这就具体了。缺什么信息，目标里得能看出来。
信息缺口这个词是后来才咂摸出味道的。有次我帮一个SaaS团队做访谈，他们想“了解用户流失原因”。我问了一句：你觉得你缺的是“谁流失了”还是“为什么流失”？他们愣了下，说其实知道谁走了，后台数据摆着，缺的是走了的人当时到底卡在哪个念头上了。目标定成“还原流失用户在放弃前一周的使用场景和决策瞬间”，问题方向立刻不一样了。所以我现在写提示词之前，会先拿张纸写两行字：我已知什么，我还想知道什么。这两行字就是信息缺口的草图。
没有信息缺口意识的时候，AI生成的问题容易大而全。你让它设计流失访谈问题，它给你价格、功能、竞品、客服四大类各五题，每类都浅尝辄止。我后来在提示词里加了一句“本次访谈优先填补的信息缺口是：用户在付费墙前的犹豫瞬间和替代方案比较过程”，AI输出就会往这个缺口上倾斜，问题少了，但每个都戳在点上。
2.2 拆解受访者画像、访谈场景与时长限制
受访者画像这件事，我吃过“写太细”和“写太粗”两种亏。写太粗，比如“年轻用户”，AI自由发挥，问题飘到天上去。写太细，比如把受访者的职位、工龄、汇报关系全列上，AI反而缩手缩脚，问题变得像HR面试。我现在的做法是分层写：一层是硬信息，职业、使用角色、使用频次；一层是软信息，他跟产品的关系、他做决策时的顾虑。硬信息框住范围，软信息决定语气。
场景和时长限制，很多人写提示词时容易漏。我觉得这块特别影响问题数量。四十分钟的电话访谈，我一般要八到十个主问题，留出追问和寒暄的时间。九十分钟的线下深访，主问题能铺到十五个左右，追问可以深挖两三层。你不告诉AI时长，它可能给你二十个问题，现场根本聊不完。场景也得写清楚。线上视频访谈，受访者容易分心，问题得短、得具体。线下面对面，可以玩卡片、让受访者画图、看实物，这些互动在提示词里提一句，AI会设计一些需要动手或回忆实物的题。
有回我给一个硬件团队做访谈，提示词里写了“线下场景，受访者可以接触产品实物”，AI就设计了一道“请您把设备拿在手上，从上到下摸一遍，哪个位置让您觉得最陌生”的题。现场效果出奇好。场景不是背景板，它直接影响问题长什么样。
2.3 设计问题层级：暖场、行为、情境、痛点、动机、收束
问题层级这套结构，我最早是从做记者朋友那儿偷师的。她采访人从不一上来就问硬题。先聊点轻松的，把场子暖开。我后来把这个逻辑揉进访谈提示词里，变成六层：暖场、行为、情境、痛点、动机、收束。暖场题不产出信息，它的任务是让受访者放松。我常写“你平时周末一般怎么过”或者“最近有没有为工作上的事发过愁”。别小看这一两句，受访者笑一下，后面聊正事时戒备心会低很多。
行为层和情境层是连体婴。行为层问“你上次用这个功能做了什么”，情境层追问“当时在哪、周围有谁、用什么设备”。这两层配合好了，能拿到很具体的画面。我特别看重情境层，因为人的决策受环境影响很大。同样是打开一个App，在办公室被老板盯着和在沙发上躺着，动作完全不一样。痛点层要小心，别问成“你觉得哪里难用”。我习惯改成“您刚才提到那一步您停了一下，当时在想什么”或者“这个操作跟您平时习惯的方式比，差在哪”。从行为里捡痛点，比直接问痛点准。
动机层最难写。你问“您为什么选这个方案”，受访者往往给你一个事后合理化的答案。我的经验是从替代方案切进去。“您当时还考虑过别的办法吗？那个办法差在哪？”受访者对比着说，真实动机更容易漏出来。收束层我一般放两个问题：一个问“今天聊的这些，有没有哪个点您觉得我理解偏了”，一个问“如果让您给产品团队提一个建议，您会提什么”。第一个问题帮我校准信息，第二个问题经常蹦出意外收获。
2.4 将需求转写为提示词指令：背景、任务、约束、示例与输出格式
前面三步拆完了，第四步才是写提示词。我写提示词的结构跟上一章说的五要素有重叠，但更偏“指令体”。背景、任务、约束、示例、输出格式，五块拼起来。背景这块交代来龙去脉：产品是什么、这次访谈在项目里承担什么角色、之前有没有做过类似访谈。任务块写清楚要AI产出什么：主问题清单、追问方向、还是带触发条件的追问脚本。约束块是重点，时长、受访者类型、不能问什么、必须覆盖哪几个信息缺口，都往这儿塞。
示例这块我一开始懒得写。后来发现给一个示例，AI的输出质量能上一个台阶。示例不用完整，给一两个问题的样子就行。比如我想让AI生成的问题带具体场景，就写一个示例：“您上次在手机上下单，是从哪个入口点进去的？当时身边有人跟您一起挑吗？”AI看到这个模板，再生成的问题就会带动作和场景。输出格式也得较真。我一般要求“每个主问题编号，下面缩进两条追问，追问前标注触发条件”。不这么写，AI经常把追问和主问题揉成一段，后期整理要花双倍时间。
说个真实的例子。上周我帮一个做在线课程的朋友设计流失用户访谈提示词。背景写了“课程完成率低于30%，续费率低”。任务写了“生成十个主问题，覆盖用户报名动机、首周体验、放弃触发点、替代方案四个信息缺口”。约束写了“二十五分钟电话访谈，受访者为在职成年人，避免问及收入”。示例给了一条暖场和一条痛点问题。输出格式要求每条主问题带两条追问并标注触发条件。跑出来的结果我改了两处措辞就用上了。拆解做到位，提示词写起来不费劲，改起来也快。
这一章说的拆解方法，落到日常就是一张纸一支笔的事。目标、缺口、人、场景、层级、指令，挨个填一遍。填不顺的地方，就是访谈设计还没想清楚的地方。别急着让AI帮你补，那些地方你自己得先有答案。下一章聊模板，模板是拆解的产物，拆得细，模板才立得住。
上一章聊拆解，这一章聊模板。拆解是把需求揉碎，模板是把碎的东西重新捏成能反复用的形状。我自己对模板的感情挺复杂，一开始觉得模板是偷懒的东西，后来发现真正好用的模板，是帮你把思考过程固化下来，省下力气去处理那些真正需要动脑子的部分。这一章我把手头常用的几个模板摊开，都是踩过坑之后留下来的。
3.1 通用模板结构：角色设定、访谈目标、问题类型、输出格式
通用模板是我的底牌。写任何访谈提示词之前，我都先把这个骨架搭好，再往里填肉。骨架四根柱子：角色设定、访谈目标、问题类型、输出格式。角色这块，我一般不会写“你是一个资深用户研究员”这种虚职。更管用的是写清楚AI要以什么视角说话。比如“你是一个刚开始用这个产品两周的新用户，正在跟我聊你的真实感受”，AI切换到受访者视角之后，生成的问题反而更贴地气。或者反过来，写“你是一个有五年经验的B端产品访谈顾问，习惯用行为证据追问”，出来的问题会更老练。
访谈目标在通用模板里只占一两行，但这两行决定AI发力的方向。我的写法是“本次访谈要回答的核心问题是：__。如果受访者只说了表面原因，需要往__方向追问”。填空的部分得具体到能当验证标准。有回我填了“新用户为什么没完成新手引导”，跑出来的问题全在引导步骤上打转，但受访者流失可能发生在引导之前，我后来补了一句“包括引导开始前的犹豫阶段”，问题覆盖面才打开。目标后面留个补丁位，挺管用。
问题类型这一栏，我只写三到五个大类，不贪多。常用的是“行为重现类”“决策情境类”“对比类”“感受标签类”。每个大类后面加一句解释，比如“对比类：让受访者把当前做法跟替代方案放一起比”。输出格式我固定写三句：按问题层级分组、每个主问题下附两条追问、追问题标注触发条件。这三句看着简单，省了我大量整理时间。不写清楚，AI交上来的东西像一团没解开的毛线。
3.2 分场景模板：探索型、验证型、流失回访型、可用性测试型
探索型访谈的模板，我在角色设定里会加一句“受访者对话题没有预设答案，需要的是打开话匣子而不是确认观点”。这类访谈最怕AI生成一堆选择题式的提问，把受访者逼进是或否的窄胡同。我一般的处理是在问题类型里强调“行为故事”和“场景还原”，少放“评价类”问题。探索型访谈的目标栏我会写“收集足够多的意外信息”，这个“意外”两个字很重要，它逼着AI别老在预设框架里打转。有次做一个宠物用品的新市场探索，AI给的问题让我眼前一亮，有题是“您最近一次给宠物买东西，是在什么心情下打开的购物App”，这就把情绪和场景搅在一起了，比单问“您多久买一次”有意思得多。
验证型访谈是另一种路数。这类访谈通常带着假设进去，问题是冲着检验假设去的。模板里我会在角色设定中明确“你心里有个待验证的判断，但不能在问题里露出来”。约束条件里加一条“避免任何暗示假设成立的措辞”。验证型最容易出的毛病是诱导，AI一不留神就写出“您是不是觉得这个功能不好用”这种句子。我的应对是在输出格式里要求“每个问题后面标注该问题验证的是哪条假设”，这样跑完一眼就能看出哪些问题是真在验证，哪些是凑数的。
流失回访型和可用性测试型，我在模板里共用一个特殊槽位叫“情绪缓冲”。流失用户心里可能有气，可用性测试用户容易紧张。缓冲的设计是在暖场和正式问题之间插一道“中性过渡题”，比如“聊产品之前，先说说您平时用类似工具一般是什么场景”。这题不产出核心信息，它的任务是让受访者从防御状态里松下来。可用性测试型还有一点不同，模板里要写明“问题嵌入任务流程中”，AI需要把问题拆到每个操作步骤后面，而不是集中成一张清单。有回我漏了这句，AI给了一份完整的访谈提纲，但现场是边操作边聊的，根本对不上。
3.3 问题清单模板：主问题、追问、追问触发条件与避坑提示
问题清单模板是我用得最频繁的。结构分四层：主问题、追问、追问触发条件、避坑提示。主问题我一般控制在八到十个，每个主问题下面跟两条追问。追问题是备用的，不是每个都要问。触发条件写清楚在什么情况下掏出这条追问。比如主问题是“您上次创建项目卡在哪一步”，追问可以是“当时屏幕上显示的是什么”，触发条件是“如果受访者回答‘忘了’或‘就卡住了’”。有条件在前面挡着，现场翻清单时脑子不慌。
避坑提示这一栏，很多人写模板时容易省掉。我吃过亏之后每次必写。避坑提示是给现场访谈者看的，提醒哪些话不能说、哪些方向不能追。比如流失回访的清单里，我常写“避免问‘您为什么不续费’，改成‘您当时在考虑续费时，脑子里冒出来的第一个念头是什么’”。还有一条通用避坑提示我每次都放：“受访者说‘还行’‘差不多’时，不要放过，追问具体场景”。这些提示看着像小事，现场一紧张就容易忘。
清单模板还有个细节，我要求每个主问题后面标一个预估时长。三十分钟的访谈，主问题时长加起来不能超过二十分钟，剩下的留给追问和收束。不标时长的话，AI可能会设计出需要聊四十分钟的问题密度，现场根本跑不完。有回我拿到的清单没标时长，现场第三个问题就聊了十五分钟，后面七个问题全挤在十分钟里，数据质量差了一大截。从那以后，时长栏成了模板的必填项。
3.4 模板复用与个性化调整：行业、对象、时长与样本差异
模板复用这件事，我现在的理解是“骨架不动，皮肤换”。通用骨架是角色、目标、问题类型、输出格式这四根柱子，换行业换对象的时候调整的是填进去的内容和措辞。行业差异主要体现在术语和场景描述上。做医疗产品访谈，问题里得带“就诊”“复诊”“医嘱”这些词，受访者才有代入感。做电商访谈，“下单”“购物车”“比价”是常用锚点。我在模板里留了一个“行业锚词”栏，每次填三到五个词进去，AI生成的问题会自动带上这些词的质感。
对象差异比行业差异更微妙。同样是流失回访，对年轻用户和对中年用户，语气差很多。年轻用户吃“您当时刷手机看到什么”这种口语化追问，中年用户可能更适应“您当时在什么情况下决定不继续使用”这种稍微正式的表述。我在模板里加了一行“语气参考”，填一两个例句进去，AI会照着那个调子走。时长和样本差异也影响模板密度。二十分钟的访谈，主问题压到五个以内，追问砍到一条。六十分钟的深访，可以加到十二个主问题，追问放开到三条。样本量大的访谈，比如一次跑二十个用户，模板里要加“标准化提问”的约束，减少灵活发挥的空间，保证数据可比。
有回我做一个跨行业的访谈项目，上午聊教育产品用户，下午聊金融产品用户。我用同一个骨架模板，只换了行业锚词和语气参考两栏，跑出来的两套问题风格差异明显，但结构完全对齐。后期整理数据时省了很多力气，因为问题层级和追问逻辑是一套体系。模板的个性化调整，说到底是在统一框架里给不同场景留呼吸的口子。不留口子，模板就僵了。口子留太大，模板又形同虚设。这个度，得靠几次项目慢慢摸。
这一章写下来，我自己也重新理了一遍手头这几个模板。模板这东西，放在硬盘里是死的，用起来才是活的。下一章聊AI生成深度访谈提纲，算是模板的升级版——不只是填模板，而是让AI在模板基础上自己长出追问链来。那一步走稳了，访谈的深度能往上蹿一截。
上一章把模板的骨架搭好了，这一章我要聊的是怎么让AI在这个骨架上自己长出血肉。模板是死的，AI是活的，但活的东西容易跑偏。我自己的体会是，让AI生成深度访谈提纲，核心不在于提示词写得多长，而在于你有没有把“往哪儿深挖”这件事说明白。说不明白，AI给你的东西表面上像模像样，一问就散。
4.1 让AI生成深度提纲的提示词框架：目标树、问题链与追问策略
我最早让AI生成提纲，给的提示词是“请围绕XX主题生成一份深度访谈提纲”。跑出来的东西不能说没用，但每道题都像从模板里抠出来的，问完“您平时怎么用”就问“您觉得哪里不好”，中间缺了爬坡的过程。后来我换了个思路，把访谈目标画成一棵树再交给AI。主干是这次访谈要回答的核心问题，枝干是支撑这个问题的几个子维度，叶子是每个子维度下面具体想拿到的信息点。这棵树不用画得漂亮，但得画完。我把这棵树用文字描述给AI的时候，会明确说“第三层的信息点是你生成问题的落脚处，每个问题至少要够到一片叶子”。
问题链是目标树下面的藤蔓。光有树，AI还是容易把每个信息点单独生成一道题，问完就扔。问题链的意思是，前一道题的答案能自然带出后一道题。我在提示词里会加一段“问题链示意”：“如果受访者说X，下一题往Y方向走；如果受访者说Z，下一题往W方向走。”这段示意不用写全，写两三组就让AI明白你要的是有走向的对话，是一串连着的珠子。有回我做一款协作工具的深度访谈，AI在问题链示意的引导下生成了一个很妙的组合：先问“您上一次跟同事在文档里同时编辑是什么场景”，紧接着追问“当时你们俩有没有在同一个地方改来改去”，这俩问题之间的跳跃非常自然，现场顺着聊就能摸到协作摩擦的根上。
追问策略单独成段写在提示词末尾。我一般写三句话：“追问要追到具体行为发生的那一天那一刻”“追问要区分受访者说的和做的”“追问要有放弃条件，受访者明显不耐烦时收住”。这三句话看着简单，能挡住AI生成一堆机械式的“为什么”。AI默认的追问方式是连问三个“为什么”，问到第三个受访者就烦了。我更喜欢把追问拆成不同质地：证据型追问、场景型追问、对比型追问，每类给一两个例句，AI就知道该怎么换着花样往下挖。
4.2 AI生成深度访谈提纲提示词示例：从主题到分层问题库
拿一个真实项目举例。去年我帮一个做在线课程的团队做用户深访，主题是“为什么完课率卡在第四节”。提示词我是这么写的：先给角色——“你是一个擅长行为追溯的用户研究员，相信用户说的原因往往不是真原因”；再给目标树——“主干：第四节完课率低的真实原因。枝干一：第四节课的内容体验。枝干二：学员在第四节前后的时间安排。枝干三：平台在第四节的提醒与激励设计。每根枝干下挂三到五个信息点”；然后是问题链示意——“如果受访者提到内容太难，追问具体难在哪个知识点；如果提到没时间，追问那段时间在忙什么具体的事”；最后给输出格式——“按暖场、行为回溯、情境还原、痛点深挖、收束五个层级输出，每个主问题下附两条追问，标注追问触发条件”。
这套提示词跑出来的结果比我预期好。AI没有直接问“您为什么没学完第四节”，它生成的第一道行为回溯题是“您回忆一下最后一次打开第四节课的那个晚上，从打开到关掉之间发生了什么”。这个问题把时间锚点、动作序列和情绪状态全包进去了，受访者一开口就是故事而不是判断。后面跟的追问也够狠，有一条是“关掉之后您做了什么别的”，这个问题让我拿到了一个意外发现——很多人关掉课程后打开了短视频，不是没时间，是注意力被更轻松的东西截走了。这个发现是AI在追问链里自己长出来的，我写提示词的时候压根没往那个方向想。
分层问题库的输出形式帮了大忙。AI把问题按五个层级摆好之后，我一眼就能看出哪一层太薄。那次“情境还原”那层只给了两个问题，我回头在提示词里补了一句“情境层至少给四个问题，覆盖不同时间段和不同设备场景”，重新跑了一遍才补齐。分层还有个好处，现场访谈时我可以按层跳着走。受访者如果暖场阶段就掏出了核心痛点，我直接切到痛点深挖层，不用非按顺序来。AI给的是地图，走路的人是我。
4.3 引导AI追问与深挖：证据、感受、替代方案、决策因素
追问这件事，AI天然容易往“评价”上跑。你让它追问，它十有八九给你“您觉得这个功能怎么样”“您对这次体验满意吗”。这类问题拿不到新东西。我在提示词里专门开了一栏叫“追问质地”，把追问分成四类，每类给AI一个指令模板。
证据类追问的指令我写的是“让受访者回到具体时刻，说出当时看到、听到、点到的具体东西”。AI照着这个指令生成的问题往往很实，比如“您说找不到导出按钮，当时您眼睛在屏幕上扫过了哪些区域”这种问题逼着受访者从模糊回忆里捞出细节。感受类追问我要求AI“问情绪最强烈的那一秒，不要问整体感受”。整体感受全是“还行”“挺方便”这种糊弄词，问那一秒的感受，受访者容易说出“当时我烦得想关电脑”这种带体温的话。替代方案类追问的指令是“问受访者如果这个产品明天消失，他会拿什么顶上”。这个问题往往能挖出竞品名单和真实需求边界。决策因素类追问我让AI“把决策拆成时间线，问每个节点上什么信息推了他一把”。
这四类追问在我现在的提示词里是标配。有回做一个支付产品的访谈提纲，AI在决策因素那条线上生成了一道题让我印象很深：“您从看到这个分期选项到点确认，中间有没有退出过这个页面”。这道题表面上在问操作路径，实际上在测犹豫点。受访者如果回答“退出过一次去算利息”，你就知道费率透明度是决策卡点。这种问题不是我想出来的，是AI在“拆时间线”的指令下自己生成的。提示词的价值就在这里，你把挖掘的方向写清楚，AI能沿着方向找到你没想到的角落。
但AI追问有个通病，它容易追得太紧太硬。连着三道追问像审讯，受访者会竖起防御。我在提示词里加了一条“追问之间留呼吸口”，具体写法是“每两条追问之间插一条中性过渡问句，比如‘聊到这儿我想到另一个事儿’”。AI收到这个指令后会生成一些过渡句，现场念出来不那么生硬。这条补丁是我被受访者瞪过两次之后加的。
4.4 AI输出质量控制：去重、去诱导、覆盖度检查与人工校准
AI生成的提纲拿到手，我从来不直接用。第一件事是去重。AI有个毛病，同一个信息点换层皮出现在不同层级里。暖场层问“您平时用什么工具”，行为层又问“您日常工具使用习惯是什么”。这种重复不删掉，现场访谈会显得很傻。我的做法是把AI输出的问题按关键词列一个清单，同一个关键词出现两次以上的问题标黄。提示词里也可以提前防，加一句“每个信息点只生成一个问题，不要在层级间重复覆盖”。
去诱导是第二道关。AI写诱导性问题是惯性，尤其是验证型访谈。你给它一个待验证的假设，它生成的题目里十有八九藏着“您是不是也觉得……”的句式。我在提示词里写了一条硬约束：“任何问题不得包含对答案方向的暗示，问题结尾不能用‘对吧’‘是不是’‘有没有觉得’”。这条约束写进去之后，AI的输出干净了很多，但偶尔还是会漏。我的办法是跑完提纲后用搜索功能找“是不是”“对不对”“有没有觉得”这几个词，挨个改。改的时候把封闭式问句掰成开放式，比如“您是不是觉得加载太慢”改成“加载那几秒您当时在做什么”。
覆盖度检查是我最近才养成的习惯。我把目标树打印出来，拿着AI生成的提纲一条条划线，每个信息点至少有一道主问题和一道追问能够到它。够不到的回去补提示词，重新生成那一层。这个动作花不了十分钟，能挡住现场聊了四十分钟才发现有个枝干压根没问的尴尬。人工校准是最后一关，也是最重要的一关。AI生成的提纲里总有那么几道题读起来别扭，不像人话。我一般会对着镜子把每道题念一遍，念着舌头打结的，改。念着像问卷不像聊天的，改。念着受访者可能听不懂的术语，换成大白话。这道工序AI替不了你，它不知道你的受访者说话是什么调调。
有回我把AI生成的提纲直接发给一个刚入行的同事去访谈，回来他跟我说受访者中途问了一句“你是在念稿子吗”。我拿回提纲一看，问题确实太书面了，每道题都完整得像考试题。从那以后我给自己定了个规矩：AI生成的提纲必须手改一遍，改的标准是“这道题我能不能在咖啡店里跟陌生人聊出来”。聊不出来的，接着改。
这一章写下来，我最大的感受是AI生成深度提纲这件事，提示词决定了天花板。你把目标树、问题链、追问质地、质量约束都写清楚了，AI能给你一个七十分的底稿，人工校准把那三十分补上。你不写清楚，AI给你四十分的东西，人工校准得花两倍力气去救。下一章聊落地、评估和持续优化，那是把这一章的东西变成日常流程的事儿。
上一章末尾我留了个话头，说这一章要把前面那些东西变成日常流程。说实话，写提纲是一回事，把提纲跑顺、跑稳、跑出可复用的资产是另一回事。我最早做访谈提纲的时候，每做一个项目就重新想一遍提示词，做完就扔，下个项目再从零开始。这种搞法持续了大半年，效率低得让人心慌。后来我把攒下来的提示词归了归类，才发现有些东西是真能沉淀下来的。
5.1 建立访谈问题设计提示词库与版本管理
提示词库这个东西，听着像大公司才玩得起的工程。我一开始也这么觉得。真正让我改主意的是去年连着做了三个to B产品的用户访谈，每次都得从头写提示词，写到第三次的时候我翻出前两次的聊天记录，发现有好几段话是重复敲的。那一刻我意识到，不攒不行了。
我的提示词库分三层。最底层是"零件"，比如角色设定的一段话、追问质地的四类指令、去诱导的硬约束、输出格式的模板。这些东西跟具体项目无关，什么访谈都能往上拼。中间层是"场景包"，探索型访谈一个包、验证型一个包、流失回访一个包，每个包里装着这个场景常用的零件组合和几条场景专属的约束。最上层是"项目实例"，每个项目一个文件夹，里面存这次用的完整提示词、跑出来的提纲、现场访谈的记录和事后复盘。三层之间是往上叠的关系，做新项目时从零件和场景包里挑，拼出一个初稿，再按项目特性加料。
版本管理没搞那么复杂。我用的是最土的办法：每个提示词文件命名带上日期和版本号，改完在文件末尾加一行改动说明，写清楚这次动了哪儿、为什么动。有一回我回头翻一个流失回访提示词的v3和v7，发现v7里加的那条"先问流失前最后一次使用场景，再问流失决定"其实是v3里删掉的东西又捡回来了。那次让我明白，版本记录不是给自己看的档案，是防止自己兜圈子的刹车。
小提醒：提示词库最怕的不是乱，是"没人往里存"。我给自己定了个硬规矩，每个项目收尾那天，不管多累，花二十分钟把这次用的提示词和踩的坑归档。这个动作救过我好几次。
5.2 小样本测试与评估指标：相关性、覆盖度、追问深度、可用性
提示词写完直接上正式访谈，这个险我冒过一次，结果很难看。那是一个做母婴社区的用户访谈，提示词跑出来的提纲看着挺漂亮，正式访谈第一场就发现有一半问题受访者根本接不上话。那场访谈做完我脸红了一下午。从那以后，每个提示词跑出来的提纲，我都要先做一轮小样本测试。
小样本测试就是找两三个跟目标受访者画像接近的人，真刀真枪聊二十分钟。不用全流程，挑提纲里最没把握的那几层聊。聊完问自己四个问题。相关性——AI给的问题跟这次访谈的目标搭不搭，有没有跑偏到隔壁主题去。覆盖度——目标树上每根枝干是不是都有问题够到了，哪根枝干的问题薄得像纸。追问深度——顺着主问题往下追两三层，还能不能追出东西来，追到第二层就干了的说明追问链设计有问题。可用性——这道题念出来顺不顺嘴，受访者听不听得懂，有没有当场卡壳的。
这四个指标我不打分，打分容易自己骗自己。我的办法是拿张纸把提纲打印出来，每道题旁边画正字，聊一次画一笔。正字画得稀稀拉拉的那几道题，回头就得改。覆盖度检查我做得最细，把目标树画在旁边，一条条连线，连不上的当场标红。有一次我发现情境还原那一层五道题全连到同一片叶子上，另外两片叶子一道题都没有。这种偏科光看提纲看不出来，非得拿树对着看。
可用性那条最容易被忽略。AI写的题有时候语法没问题，逻辑也对，就是不像人话。我现在的测试方式是让受访者念一遍题目，念完问他"你听懂我问啥了吗"。有回受访者念完一道题愣了三秒，说"大概是问我平时怎么用吧"。这个"大概"就是信号，题目不够清楚。后来我把那道题拆成了两道，每道只问一件事。
5.3 基于访谈反馈迭代提示词与问题提纲
访谈做完的当天晚上，我有个固定动作：趁记忆还热乎，把现场发生的事记下来。哪些问题受访者答得顺、哪些问题答得敷衍、哪些追问追出了意外收获、哪些问题让现场气氛突然变冷。这些记录不写下来，过三天就忘干净了。
这些记录是迭代提示词的原料。我拿一个支付产品的例子说。第一轮访谈下来，我发现"决策因素"那一层的问题受访者答得特别空，问"您为什么选这个支付方式"，回答全是"方便""习惯了"这种没营养的话。我回去翻访谈记录，发现有个受访者在聊别的题时无意中说了一句"那次我就是想赶紧付完走人"。这句话提醒我，决策因素不能直接问原因，得问当时那个场景里他急不急、旁边有没有人催、手机电量还剩多少。我把这个发现写回提示词，在决策因素那一栏加了一条指令："把决策还原到具体场景的压力条件下，问时间压力、环境干扰和当下替代选项的可得性"。下一轮跑出来的题明显实了，有一道是"您点付款那一刻，手机电量大概还剩多少"，听着怪，但受访者一答就能带出当时是不是在赶路、是不是在排队。
迭代不是每次都要大改。我的习惯是小步改，改完马上找一个人试聊两道题。试完觉得行就留下，不行就退回上一版。这样改出来的提示词是一层层夯实的，不是推倒重来的。有个流失回访的提示词我前后改了十一版，现在跑出来的提纲基本不用大动，现场直接能用。
还有一类迭代来自提纲本身，不是提示词。有时候提示词没问题，是AI生成的某道题特别好，我把它拿出来当范例塞回提示词的"示例"栏里。AI看到好示例，后面生成的题会往那个方向靠。这个动作我管它叫"喂好题"。喂过几轮之后，提示词里攒的示例越来越贴近我的访谈风格，跑出来的东西也越来越像是我自己写的。
5.4 团队协作与合规注意事项：隐私、偏见、记录与复盘
一个人做访谈和一群人做访谈，中间隔着一整套协作规矩。我带过一个小团队做用户研究，最开始各写各的提示词，各跑各的提纲，访谈做完汇总的时候发现三个人问的问题重合度不到一半，同一个用户群体的画像拼出来互相打架。那次之后我们定了几条规矩。
提示词库共享，谁改了哪一版在群里说一声，改动说明写在文件里。提纲跑出来之后交叉审一遍，重点看诱导性问题和覆盖度。访谈记录统一模板，按"问题编号—受访者原话摘录—现场观察"三栏记，方便后面的人对着提纲复盘。复盘会两周一次，每次挑一个项目把提示词和提纲摊开聊，聊哪些题问废了、哪些追问追出了东西。
隐私这条线不能松。访谈记录里受访者的姓名、联系方式、具体公司名一律不进共享文档，用代号。AI生成提纲的时候我也不把受访者的真实信息往提示词里塞，只给画像描述。有回一个同事图省事把受访者公司的内部流程细节写进了提示词，我让他删了重写。提示词是要在团队里传的，传出去的东西不能带敏感信息。
偏见这件事更隐蔽。AI生成的提纲会带着训练数据里的偏见，比如问女性用户就爱问家庭场景，问年轻用户就爱问社交需求。这种偏见单看每道题都不明显，拼在一起就歪了。我们的做法是交叉审的时候专门有人负责挑偏见，看问题里有没有预设受访者的身份、职业、生活方式。挑出来就改，改成中性问法。有一回我们发现一组针对下沉市场用户的提纲里，所有关于支付的题都默认受访者用不惯智能手机。这个预设是从提示词里带出来的，写提示词的人自己没意识到。改了提示词之后重新跑，题目干净多了。
复盘会我坚持每次留十分钟聊"这次哪个问题问得最值"。这个问题逼着大家回头看现场，找出真正撬动了受访者的那道题。找出来的题我会抄进提示词库的"好题范例"里。时间长了，这个范例库成了团队最值钱的东西，比任何模板都好用。新人进来先读范例库，读上三十道好题，手感就有了。提示词落地这件事，说到底不是把工具用起来，是把团队的经验一点点存进去，让下一次开工的人站在上一次的肩膀上。
