访谈辅助

核心原则

1. 人类主导AI辅助——访谈执行由人类主导，AI负责脚本设计、转录分析和洞察提取，不可替代人类判断
2. 脚本服务于目标不是目标本身——访谈脚本是验证假设的工具，人类可基于现场判断偏离脚本追问，灵活性优先于完整性
3. 追问比主问题更有价值——主问题打开话题，追问挖掘深度，脚本必须包含追问策略和探针提示
4. 访谈是验证不是探索——访谈目标来自已有数据发现的假设，每场访谈必须回答"验证了什么/推翻了什么"

交互模式

👤→🤖 人类AI协作 — 人类主导访谈执行，AI负责脚本设计、转录分析和洞察提取

输入

输入格式

{
  "persona_path": "output/pm-discovery/user-research-user-modeling/persona.json",
  "research_objectives": {
    "primary_questions": ["string"],
    "hypotheses_to_validate": ["string"],
    "areas_to_explore": ["string"]
  },
  "interview_config": {
    "target_count": "number",
    "duration_minutes": "number",
    "format": "in_person|video|phone",
    "recording_available": "boolean"
  },
  "existing_analysis": {
    "voice_analysis_path": "output/pm-discovery/user-research-voice-analysis/voice-analysis.json",
    "behavior_analysis_path": "output/pm-discovery/user-research-behavior-analysis/behavior-analysis.json"
  }
}

输入依赖：

• persona.json（如已生成）：用于定向访谈对象和脚本设计
• 研究目标（人类输入）：定义本次访谈要验证的假设和探索的方向
• voice-analysis.json / behavior-analysis.json：提供待验证的数据发现

执行步骤

阶段一：访谈前准备（AI生成，人类确认）

#### Step 1：生成目标清单

• 基于研究目标和已有数据分析结果，生成访谈目标清单
• 每个目标标注：
• 来源假设（来自哪个数据发现或推断）
• 验证方式（直接提问 / 行为观察 / 投射技术）
• 优先级（必须验证 / 建议验证 / 可选探索）
• 识别已有数据中的矛盾点，列为重点验证目标
• 输出：访谈目标清单

#### Step 2：生成半结构化访谈脚本

• 基于目标清单生成半结构化脚本，包含：
• 开场：破冰问题，建立信任
• 核心模块：按目标优先级排列的问题组
• 每个问题：
• 主问题（开放式）
• 追问策略（2-3个方向性追问）
• 探针提示（当用户回答模糊时的引导方向）
• 对应目标（该问题验证哪个假设）
• 收尾：开放性问题，让用户补充
• 脚本设计原则：
• 先行为后态度（先问做了什么，再问怎么想）
• 先具体后抽象（先问具体场景，再问一般观点）
• 避免引导性问题
• 输出：interview-script.json

#### Step 3：推荐访谈对象

• 基于Persona推荐访谈对象特征：
• 优先覆盖不同Persona类型
• 优先选择数据中有矛盾行为的用户
• 优先选择voice-analysis中高频痛点的反馈者
• 推荐人数：目标Persona数 × 3-5人
• 输出：推荐访谈对象列表

阶段二：访谈执行（人类主导）

• 人类按脚本执行访谈
• AI不参与实时访谈过程
• 人类可偏离脚本追问（鼓励基于现场判断的追问）
• 建议录音（需征得受访者同意）

阶段三：访谈后分析（AI辅助）

#### Step 4：转录与结构化

• 如有录音，AI辅助转录
• 将访谈内容按主题结构化整理
• 标注关键引用（原声）
• 输出：结构化访谈记录

#### Step 5：关键洞察提取

• 从每场访谈中提取关键洞察：
• 验证的假设：哪些假设被访谈数据支持
• 推翻的假设：哪些假设被访谈数据否定
• 新发现：访谈中出现的未预期发现
• 用户原声：支撑每个洞察的代表性引用
• 每个洞察标注置信度
• 区分：直接陈述（用户明确说） vs 推断（从行为描述推断）
• 输出：洞察列表

#### Step 6：跨访谈聚类

• 将多场访谈的洞察进行跨访谈聚类
• 识别跨访谈的共同模式（多个受访者独立提及）
• 识别独特但有价值的洞察（仅一人提及但深度高）
• 评估每个聚类的饱和度（是否需要更多访谈）
• 输出：跨访谈洞察聚类

#### Step 7：更新Persona

• 基于访谈发现更新Persona：
• 补充或修正Persona特征
• 提升低置信度字段的置信度（如访谈验证了推断）
• 降低被推翻假设的置信度
• 新增访谈中发现的新特征
• 标注更新来源：interview-validated / interview-revised / interview-discovered
• 输出：更新后的persona.json

输出

interview-script.json

输出文件：output/pm-discovery/user-research-interview-assist/interview-script.json

输出Schema：

{
  "type": "object",
  "required": ["script_id", "research_objectives", "core_modules"],
  "properties": {
    "script_id": {"type": "string", "description": "访谈脚本唯一标识"},
    "research_objectives": {"type": "array", "description": "研究目标列表"},
    "target_personas": {"type": "array", "description": "目标Persona类型列表"},
    "opening": {"type": "object", "description": "开场模块，含破冰问题和背景设定"},
    "core_modules": {"type": "array", "description": "核心问题模块列表"},
    "closing": {"type": "object", "description": "收尾模块"},
    "recommended_participants": {"type": "array", "description": "推荐访谈对象列表"}
  }
}

输出校验规则：

{
  "script_id": "string",
  "research_objectives": ["string"],
  "target_personas": ["string"],
  "opening": {
    "icebreaker_questions": ["string"],
    "context_setting": "string"
  },
  "core_modules": [
    {
      "module_name": "string",
      "objective": "string",
      "hypothesis_to_validate": "string",
      "priority": "must_validate|should_validate|optional",
      "questions": [
        {
          "id": "string",
          "main_question": "string",
          "follow_up_strategies": ["string"],
          "probes": ["string"],
          "target_objective": "string"
        }
      ]
    }
  ],
  "closing": {
    "open_ended_question": "string",
    "wrap_up": "string"
  },
  "recommended_participants": [
    {
      "persona_type": "string",
      "key_characteristics": ["string"],
      "priority": "high|medium|low",
      "reason": "string"
    }
  ]
}

interview-insights.json

输出文件：output/pm-discovery/user-research-interview-assist/interview-insights.json

输出Schema：

{
  "type": "object",
  "required": ["interviews_conducted", "validated_hypotheses", "new_discoveries", "metadata"],
  "properties": {
    "interviews_conducted": {"type": "number", "description": "已执行访谈数量"},
    "validated_hypotheses": {"type": "array", "description": "已验证的假设列表"},
    "refuted_hypotheses": {"type": "array", "description": "被推翻的假设列表"},
    "new_discoveries": {"type": "array", "description": "新发现列表"},
    "cross_interview_patterns": {"type": "array", "description": "跨访谈共同模式列表"},
    "persona_updates": {"type": "array", "description": "Persona更新列表"},
    "data_cross_validation": {"type": "object", "description": "与已有数据的交叉验证结果"},
    "metadata": {"type": "object", "description": "分析元数据，含时间戳和整体置信度"}
  }
}

输出校验规则：

{
  "interviews_conducted": "number",
  "validated_hypotheses": [
    {
      "hypothesis": "string",
      "supporting_evidence": ["string"],
      "supporting_quotes": ["string"],
      "interview_count": "number",
      "confidence": "number"
    }
  ],
  "refuted_hypotheses": [
    {
      "hypothesis": "string",
      "refuting_evidence": ["string"],
      "refuting_quotes": ["string"],
      "interview_count": "number",
      "confidence": "number"
    }
  ],
  "new_discoveries": [
    {
      "discovery": "string",
      "evidence": ["string"],
      "quotes": ["string"],
      "interview_count": "number",
      "confidence": "number",
      "needs_further_validation": "boolean"
    }
  ],
  "cross_interview_patterns": [
    {
      "pattern": "string",
      "frequency": "number",
      "interview_ids": ["string"],
      "confidence": "number",
      "saturation_level": "saturated|near_saturated|needs_more"
    }
  ],
  "persona_updates": [
    {
      "persona_id": "string",
      "updates": [
        {
          "field": "string",
          "previous_value": "string",
          "updated_value": "string",
          "update_type": "interview-validated|interview-revised|interview-discovered",
          "confidence": "number"
        }
      ]
    }
  ],
  "data_cross_validation": {
    "consistent_with_voice_analysis": ["string"],
    "consistent_with_behavior_analysis": ["string"],
    "contradictions_found": [
      {
        "data_source": "string",
        "interview_finding": "string",
        "existing_finding": "string",
        "possible_explanation": "string",
        "resolution": "string"
      }
    ]
  },
  "metadata": {
    "analysis_timestamp": "string",
    "total_interviews": "number",
    "total_insights": "number",
    "confidence_overall": "number"
  }
}

决策规则

质量检查

降级策略

当上游文件不存在时，本Skill仍可独立执行：

数据获取说明

本Skill需要Persona和用户研究数据，请通过以下方式之一提供：

1. 直接描述研究目标、假设和目标用户特征
2. 上传persona.json / voice-analysis.json / behavior-analysis.json文件
3. 提供数据文件路径

• AI不负责外部数据采集，仅负责分析

上游变更响应

上游变更影响

下游通知机制