Skip to content
AgentSurvey

MVP 落地计划

MVP 落地计划

MVP 目标

在第一版中完成一个最小但完整的闭环：

创建 Project/Study
  -> 配置研究目标、知识库、输出 schema、Agent 能力
  -> 发布访谈链接
  -> 受访者与 AI 对话并使用交互组件
  -> 系统抽取结构化结果并绑定 evidence
  -> 研究人员查看/修正/导出结果

MVP 非目标

暂不做：

  • 复杂多团队权限；
  • participant panel；
  • 视频访谈；
  • 可视化 workflow builder；
  • 自动 PPT 报告；
  • 移动端原生 app；
  • 企业级 SSO；
  • 多人焦点小组；
  • 高级统计分析。

MVP Scope

1. Project / Study 管理

必须实现：

  • 创建 project；
  • 创建 study；
  • study 状态：draft / published / archived；
  • study version；
  • public link。

字段：

  • name；
  • description；
  • research brief；
  • target participant；
  • language；
  • max duration / max turns。

2. Study Builder

必须实现配置区：

  • Research goals；
  • Objectives；
  • Interview guide；
  • Agent config；
  • Output schema；
  • Enabled interaction tools；
  • Knowledge base selection；
  • Preview。

3. Participant Interview UI

必须实现：

  • chat interface；
  • streaming assistant message；
  • single choice；
  • multiple choice；
  • Likert / rating；
  • ranking；
  • submit/skip；
  • session completion。

4. Agent Harness

必须实现动作：

  • ask_question；
  • probe；
  • render_interaction；
  • extract_fields；
  • conclude。

必须实现 state：

  • current objective；
  • covered objectives；
  • missing fields；
  • pending interaction；
  • turn count；
  • transcript summary。

5. Extraction

必须实现：

  • post-session extraction；
  • basic real-time coverage extraction；
  • field confidence；
  • evidence quote；
  • needs_review；
  • manual correction。

6. Results Dashboard

必须实现：

  • sessions list；
  • session transcript；
  • tool calls；
  • extracted fields table；
  • evidence panel；
  • JSON/CSV export。

7. Knowledge Base

MVP 可做轻量：

  • project/study 文本知识库；
  • 文件上传可后置；
  • simple chunk + vector retrieval；
  • retrieval tool 给 Agent 使用。

MVP 用户故事

Researcher

  • 作为研究人员，我可以创建一个 project，以便管理同一主题下多个 study。
  • 作为研究人员，我可以配置 study 的研究目标，以便 Agent 知道访谈要完成什么。
  • 作为研究人员，我可以配置输出 schema，以便访谈结果变成结构化数据。
  • 作为研究人员，我可以启用单选/多选/评分/排序工具，以便 Agent 在需要时渲染交互组件。
  • 作为研究人员，我可以查看每个字段的证据，以便判断 AI 抽取是否可信。

Participant

  • 作为受访者，我可以通过公开链接进入访谈。
  • 作为受访者，我可以用自然语言回答问题。
  • 作为受访者，我可以通过按钮/卡片/排序快速表达选择。
  • 作为受访者，我可以跳过不想回答的问题。
  • 作为受访者，我可以在结束前确认 AI 总结是否准确。

Developer/Admin

  • 作为开发者，我可以配置模型 provider。
  • 作为开发者，我可以查看 tool call 和 agent decision log。
  • 作为开发者，我可以新增 interaction tool 类型。

MVP 验收标准

Functional Acceptance

  1. 可以创建两个 project，每个 project 有多个 study。
  2. 每个 study 可以有独立 objectives、KB、output schema、enabled tools。
  3. 发布链接后，匿名受访者可以完成一次 session。
  4. Agent 至少能调用 4 种 UI 组件：single choice、multiple choice、Likert、ranking。
  5. Session 结束后生成结构化字段。
  6. 每个 required 字段至少有一个 evidence 或标记 needs_review。
  7. 研究人员可以人工修改字段值。
  8. 可以导出 JSON/CSV。

Technical Acceptance

  1. Session runtime 不依赖全局单例配置。
  2. Study config 有版本号。
  3. Tool call/result 可持久化。
  4. Transcript 可重放。
  5. Model provider 可替换。
  6. Extraction 可重跑。
  7. Frontend component 由 interaction schema 驱动。

UX Acceptance

  1. 受访者不需要理解 Agent 或工具概念。
  2. 每次交互都清楚、轻量、不突兀。
  3. 研究人员能在 15 分钟内创建一个简单 study。
  4. Results 页面能一眼看出哪些字段可信、哪些需要 review。

推荐第一期 Demo Study

主题：AI Agent 用户调研平台需求验证。

目标：

  • 识别目标用户当前调研流程。
  • 识别主要痛点。
  • 评估 Agentic survey 的吸引力。
  • 排序最重要的平台能力。
  • 判断付费/使用意愿。

输出字段：

  • user_role；
  • current_research_workflow；
  • main_pain_point；
  • pain_intensity；
  • current_tools；
  • desired_capabilities；
  • feature_ranking；
  • willingness_to_try；
  • willingness_to_pay；
  • representative_quote。

交互组件：

  • role single choice；
  • pain point multiple choice；
  • value Likert；
  • feature ranking；
  • willingness single choice。

这个 demo 正好可以用 AgentSurvey 调研 AgentSurvey 自己。