核心用户流程

Flow 1：研究人员创建项目

进入 Dashboard
  -> New Project
  -> 输入项目名称、研究背景、目标用户
  -> 上传/添加知识库
  -> 选择默认研究模板或空白项目
  -> 创建 Project

关键表单字段：

project_name；
project_description；
target_user_segments；
business_context；
default_language；
privacy_level；
default_model_provider。

成功结果：

创建 project；
初始化默认 KB；
初始化标签和 participant metadata schema。

Flow 2：创建 Study

Project -> New Study
  -> 选择模板
  -> 填写 Research Brief
  -> 配置目标和问题
  -> 配置 Agent 行为
  -> 选择启用工具
  -> 配置输出 schema
  -> Preview
  -> Publish

Study 配置包括：

research objectives；
key questions；
must-cover topics；
optional topics；
disallowed topics；
participant eligibility；
session length target；
tone；
language；
enabled tools；
output fields；
quality rubric。

Flow 3：配置输出 schema

Study Builder -> Output Schema
  -> 添加字段
  -> 选择字段类型
  -> 写字段定义
  -> 配置 evidence requirement
  -> 配置 confidence threshold
  -> 配置 review rule
  -> 保存 schema version

字段示例：

main_pain_point: string；
pain_intensity: integer 1-5；
current_workaround: string；
feature_priority: enum；
willingness_to_pay: object；
representative_quote: evidence quote；
segment_fit: enum。

Flow 4：受访者完成 AI 调研

打开公开链接
  -> consent / screening
  -> AI 开场并解释目的
  -> 问背景问题
  -> 根据回答追问
  -> Agent 调用交互组件
  -> 用户点击/选择/排序/评分
  -> Agent 继续追问
  -> 覆盖关键目标后总结确认
  -> 结束并感谢

受访者体验原则：

不要像填长表；
每次只问一个清晰问题；
对结构化问题使用轻量交互组件；
对模糊回答做自然追问；
让用户知道还剩大概几个主题；
允许跳过；
允许改正之前回答。

Flow 5：Agent 调用交互式组件

Agent 判断需要结构化输入
  -> 调用 render_interaction 工具
  -> 后端记录 tool_call
  -> 前端根据 interaction schema 渲染组件
  -> 用户操作组件
  -> 前端提交 interaction_result
  -> 后端写入 transcript/tool_result
  -> Agent 使用结果继续访谈

示例：

{
  "tool": "render_interaction",
  "type": "single_choice",
  "title": "你最常遇到的问题是哪一个？",
  "options": [
    {"id": "setup", "label": "配置复杂"},
    {"id": "quality", "label": "输出质量不稳定"},
    {"id": "cost", "label": "成本太高"}
  ],
  "required": true,
  "research_intent": "identify_primary_pain_point"
}

Flow 6：研究人员查看结果

Study -> Results
  -> 查看 session 列表
  -> 打开某个 session
  -> 查看 transcript + tool calls
  -> 查看结构化抽取字段
  -> 点击字段 evidence
  -> 回到原始 turn/quote
  -> 标记正确/需要修正
  -> 导出结果

结果视图应支持：

field coverage；
confidence；
evidence count；
needs_review；
manual correction；
session quality score；
export status。

Flow 7：跨 session synthesis

Study -> Synthesis
  -> 选择 sessions
  -> 选择 synthesis template
  -> AI 聚合 themes
  -> 每个 theme 绑定多个 evidence
  -> 研究人员 review
  -> 导出 report / Notion / Markdown

第一版可以先做轻量 synthesis：

高频 pain points；
segment differences；
representative quotes；
top opportunities；
open questions。

Flow 8：人工 Review

Extraction Queue
  -> 按 needs_review / low_confidence 过滤
  -> 查看字段值和 evidence
  -> 接受 / 修改 / 标记无效
  -> 系统记录 reviewer 和变更历史

Review 对象：

extracted field；
insight；
quote；
session quality；
PII redaction。

Flow 9：版本迭代

Study Settings
  -> 修改 guide / schema / agent config / KB
  -> 创建新 config version
  -> 后续 sessions 使用新版本
  -> 旧 sessions 保留旧版本引用

原则：

已完成 session 的解释不能被新配置覆盖。
分析时可以选择按 config version 过滤。
重要配置变更需要 changelog。