访谈策略
先判断应该做探索、问题验证、方案验证、定价、流失还是定位访谈，避免直接套通用问题清单。
工具任务
用户访谈提纲生成器
不是泛泛列问题，而是围绕产品决策生成访谈作战手册：该找谁、怎么聊、重点听什么、哪些回答才算强信号。
生成一套可复核的用户访谈提纲
输入产品背景、访谈目标和目标受访者，Tomako 会通过 Agent 生成结构化访谈提纲，并把缺失信息、假设和人工复核点一起写出来。
你会得到什么
受访者筛选条件
把“找用户聊聊”改成可执行的筛选条件，优先找近期发生过相关行为、能讲具体案例的人。
问题、目的和追问
每个问题都会说明为什么问、重点听什么、怎样继续追问，以及哪些诱导式问法应该避免。
证据信号和复核清单
把强信号、弱反馈、风险信号、缺失信息和访谈后交接动作拆开，方便团队复盘。
适合哪些场景
- 你要在做功能或 MVP 前验证痛点是否真实、是否够强。
- 你需要围绕一个产品决策设计访谈，而不是收集泛泛意见。
- 你已经有原型、demo 或页面，想知道用户在什么条件下会使用。
- 你要把访谈交给团队成员执行，需要清楚的流程、追问和证据信号。
不适合哪些场景
- 不能替代真实访谈、行为数据、转化实验或付款测试。
- 不能根据一句模糊想法直接判断产品一定值得做。
- 不适合处理医疗、法律、金融等需要专业合规审查的访谈设计。
- 如果输入只有测试文本、数字或空泛描述，结果会被阻止或标记为需要补充信息。
失败和恢复方式
- 如果任务提交失败，页面会保留输入内容，补充上下文后可以重新生成。
- 如果 Agent 没有写回结构化结果，页面会显示任务号，方便排查 Skills-OL 写回链路。
- 如果返回结果类型或 schema 不匹配，页面不会展示伪成功结果。
- 生成结果仍需人工检查敏感问题、受访者范围和是否过度诱导。
如何使用生成结果
- 先检查研究目标是否真的对应一个近期要做的产品决策。
- 用受访者条件写 screener，过滤掉没有最近真实经历的人。
- 访谈中按真实经历追问，不要急着解释你的方案。
- 访谈后把转写文本交给访谈记录生成器，再把多份记录合成洞察报告。
为什么用 Tomako 做这一步
面向决策，而不是面向文档
结果会把问题、追问、信号和交接动作绑定到产品决策，减少“聊完但不知道怎么判断”的情况。
有明确的失败边界
页面会暴露缺失信息和复核点；拿不到合法 Skill Result 时不会把本地模板冒充为生成结果。
能接到后续研究链路
同一套访谈结果可以继续进入记录整理和多场访谈洞察报告，减少手动重排证据的成本。
适合小团队快速迭代
独立开发者、PM 和创始人可以先拿到可执行草案，再用 1-2 场试访谈校准。
好工具的判断标准
- 输入不足时应该指出缺口，而不是生成看似完整的答案。
- 输出要能直接支持招募、访谈、记录和复盘，不只是一段建议。
- 每个问题都应该有目的、追问和反诱导提醒。
- 结果必须能复制、复核、交接，并保留任务号用于排查。
常见问题
这个工具会直接告诉我产品是否值得做吗？
不会。它帮助你设计能获得证据的访谈。是否值得做还要结合访谈记录、行为数据、竞争、技术成本和真实转化实验。
可以直接问用户愿不愿意付费吗？
可以问，但不能只看口头意愿。更重要的是过去是否付过钱、现在怎么解决、问题造成多大代价，以及是否愿意进入下一步测试。
没有原型也能访谈吗？
可以。没有原型时更适合做探索或问题验证，先还原用户最近一次真实经历，再决定是否值得做方案验证。
生成结果为什么还要人工复核？
访谈会影响招募、隐私、敏感问题和产品判断。Tomako 会生成结构化草案，但团队仍要确认问题是否合规、是否适合目标受访者。