AI Interview Kit

将用研方法论工程化为 AI Prompt，让每一通电话都有专业访谈的质量

追问到位率 34% → 94%  ·  经 50+ 轮迭代验证  ·  生产环境 2500+ 通外呼

_{▲ 50秒演示（英文）：输入研究问题 → AI推荐方法论 → 生成完整Prompt}

_{▲ 50秒演示（中文）：输入研究问题 → AI推荐方法论 → 生成完整Prompt}

为谁而做

如果你是用研从业者 —— 你一定经历过这些：

• 深度访谈效率太低，一周只能做 5-8 个样本
• 外包给执行公司，质量参差不齐，回来还得自己补访
• 想规模化但预算有限，最后只能砍样本量

如果你是产品经理 / 创业者 / 对洞察用户感兴趣的人 —— 你可能觉得：

• 用户访谈门槛太高，不知道问什么、怎么问
• 用 ChatGPT 问出来的都是表面答案，聊不下去
• 花了时间访谈，整理完发现没问到重点

我们的思路：把专业用研的方法论工程化成 AI Prompt，让非专业人士也能做专业级访谈，让专业人士能规模化执行。

核心创新：AI 控制精度

访谈不是让 AI 自由聊天。不同研究目标需要不同的 AI 自由度——验证性研究要求精确执行，探索性研究需要 AI 灵活发挥。这是用研老手凭经验做的事，我们把它参数化了。

AI 自由度:   低 ◄━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━► 高

            🎯 精细控制          ⚖️ 平衡模式          🔍 粗放模式
            验证性研究            大多数场景            探索性调研

为什么这很重要？ 传统用研中，访谈质量高度依赖访谈员的经验——何时深挖、何时跳过、何时接住话题展开。我们将这些隐性经验提炼为三个参数维度（信息点标注密度、追问回合上限、最低覆盖率），让你在项目启动前就能精确设定 AI 的行为边界。精细控制确保你不遗漏任何关键验证点；粗放模式则给了 AI 足够空间去发现你没想到的洞察。

How It Works：Prompt 工程化架构

一句话说清：通用框架（怎么问）+ 可插拔方法论（问什么）+ 项目变量（问谁）→ 自动组装为完整 Prompt。

SLOT 插槽机制

新增方法论只需写 3 个 SLOT，不用改框架；框架升级自动惠及所有方法论。

实验验证：从 50+ 次失败中迭代

发现的问题

❌ 低智闲聊：问了废话，用户翻白眼	❌ 节奏失调：一口气问太多，用户抓不住
用户："不是火车票抢不抢都一样的...你问的是啥呀？"	AI 一段话问了 3 个问题，用户只回应了最后一个

解决后的效果

✅ 精准归纳：实时总结全程信息，零遗漏	✅ 逐层下钻：从模糊表述追到具体场景
AI 一口气回收散落全程的关键信息——订酒店渠道、决策因素、会员感知、期望权益——用户直接回复"对对对"	用户只说了句模糊抱怨，AI 三步追到具体城市→具体酒店→具体事件："您当时已按时到达，却因系统判定被限制入住？"
✅ 自然拓展：像真人一样顺着语境延伸	✅ 精准下钻：层层深入抓住重点
AI 从"做什么工作"自然过渡到"每通电话多长时间""几轮能问全信息"，对话节奏接近真人访谈员	AI 精准追问"两个渠道"的选择原因，层层深入到价格差异

关键改进路径

v0.1  ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━  v0.4
 │                                                            │
 │  追问到位率 34% ──────────────────────► 追问到位率 94%       │
 │                                                            │
 ├─ v0.1 基础问题清单            问完就过，不追问               │
 ├─ v0.2 +关键信息点标注         AI知道要挖什么了     ──► 61%   │
 ├─ v0.3 +追问上限+三问必换题    节奏可控，不僵局     ──► 89%   │
 └─ v0.4 +方法论SLOT机制         方法论驱动深挖       ──► 94%   │

我们设计了 6 个极端场景来压力测试 Prompt：

评估维度：聊天节奏 · 问题挖掘深度 · 关键信息遗漏 · 异常挂断率 · 提示词鲁棒性

以下数据来自 Prompt 在实际外呼平台的生产运行：

B 项目有效访谈率达到 21%，超过行业基准 10-15%。

快速开始

git clone https://github.com/CyannSHI/ai-interview-kit.git
cd ai-interview-kit
# 用任意 AI 工具打开，说"生成 prompt"即可

闭环：复盘 → 迭代

外呼结束不是终点。把通话记录丢给 AI，它会告诉你下次怎么做得更好。

# 对AI说：
"评估这次外呼效果"
"复盘通话质量"
"检查Bad Case"

典型问题 → 迭代动作：

输出：Excel 报告（每通评分 + 问题定位 + 具体改进建议）→ 直接用于优化下一轮 Prompt

方法论库

想添加自定义方法论？复制 methodologies/_template.md，填写 3 个 SLOT，保存即可。

兼容性

技能指令使用纯自然语言编写，零 API 依赖，自动适配主流 AI 工具：

所有入口文件最终指向 skills/ 目录——技能逻辑只有一份，零重复。

.
├── skills/                     # 技能指令（唯一真实来源）
│   ├── generate-prompt.md      #   生成 Prompt
│   ├── generate-input.md       #   生成输入变量
│   └── evaluate.md             #   通话质量评估
├── framework/
│   └── base.md                 # 通用访谈框架（含 SLOT 插槽）
├── methodologies/              # 方法论库（可插拔）
│   ├── jtbd.md                 #   JTBD 需求迁移
│   ├── journey.md              #   用户旅程归因
│   ├── nps.md                  #   NPS/满意度
│   ├── laddering.md            #   心智培育
│   ├── lifecycle.md            #   用户生命周期
│   └── brand.md                #   品牌诊断
├── examples/                   # 示例文件
└── assets/                     # 图片资源

贡献

欢迎 Issue 和 PR！尤其欢迎贡献新的方法论模块、分享使用案例、改进框架的下钻逻辑。

愿景：洞察平权

让没有预算请专业用研公司的初创团队、公益组织，
也能低成本地"听见用户"，让产品设计真正回归"以人为本"。

如果这个项目对你有帮助，请给个 ⭐ Star 支持一下

MIT License