社会科学研究中，深度访谈是获取一手质性数据的关键方法。然而，传统访谈模式长期受困于几个难题：设计成本高昂，领域专家需投入漫长周期打磨问题；访谈质量参差不齐，高度依赖访谈员的个人技巧与临场发挥；数据深度有限，难以对所有受访者进行标准化追问；后期处理繁重，口音识别、录音转录与内容分析构成巨大的人力瓶颈。这些痛点使得访谈成为一项典型的“劳动密集型”工作。

2024年11月，南京大学启动“研究生AI+创新能力提升行动计划”，设立“AI赋能研究生教育教学”板块。孔繁斌教授、于君博教授团队负责的教改课题入选专项，目标直指上述难题。经过一年多的探索，团队联合煜道信息技术高放团队，推出了一款新一代智能访谈平台，试图将访谈从“劳动密集型”推向“智能驱动型”。

该平台的核心定位是“个性化访谈、动态智能交互、自动化分析”。它并非简单地将聊天机器人套用到访谈场景，而是构建了一个由多种大、小模型协同驱动的系统。技术架构上，平台融合了经访谈场景定向微调的14B参数级小模型，并协同DeepSeek-V3.1、KIMI-K2等国内主流开源大模型，在全栈国产化架构下运行。这种混合模型设计既保障了访谈的专业性与可控性，又借助大模型的深度与广度提升了对话质量。

平台的优势体现在四个维度。首先是访谈模式的个性化：基于“访谈议题-知识库-垂类模型-受访者信息”的协同驱动机制，平台能实现问题的动态生成与个体适配，使访谈从“千人一面”的静态问卷转向“一人一访谈”的定制化模式。其次是流程的全程智能化：系统不再是单向提问工具，而是能根据上下文实时调整提问策略，并通过示例启发受访者深入表达，同时内置安全审查机制过滤不当内容。第三是数据采集的高效化：依托经场景优化的高精度语音识别技术，平台支持自然语言输入并兼顾方言适配，降低了使用门槛。最后是结果分析的自动化：系统集成自动转录与多维语义分析功能，可提炼核心观点、梳理逻辑结构并进行主题聚类，显著缩短研究周期。

从具体应用场景看，平台覆盖了访谈的全流程。在筹备阶段，管理员可为各访谈项目定制专属议题与可编辑的领域知识库。执行阶段，AI根据预设议题、知识库及受访者信息实时生成连贯、深入的问题；当受访者回答不完善或模糊时，系统能自动生成引导性问题进行追问；若受访者对问题存在困惑，AI还可举例辅助其理解。受访者可采用语音作答，系统实时转换为文本。访谈结束后，用户一键即可生成结构化总结、核心观点提炼和专业评价。

平台的一个突出亮点在于其方法的效度与可靠性验证。研究团队发现，智能访谈在质性数据采集与分析环节具备与传统方法相当的效度。市场上同类工具如Claude Interviewer的文本分析表现与本研究结论基本一致，形成了交叉验证（参考来源：https://www.anthropic.com/research/anthropic-interviewer）。这为AI赋能社会科学研究的可信度提供了有力支撑。

目前，智能访谈系统Beta-V1.1版本已上线，为南京大学公共管理类研究生培养提供了稳定服务。它不仅大幅节省了深度访谈的时间与人力成本，其“一人一访谈”及智能追问模式，也使研究生在研究实践中获得了优于传统模式的学习体验与能力提升。

团队表示，当前成果只是阶段性进展。未来，他们将持续推进系统迭代：重点优化访谈提问与动态追问质量，探索更自然、更具共情性与启发性的交互形式；同时深化访谈结果的多维度智能分析，提升报告洞察价值。这一平台的应用前景不止于学术研究，还可为公共政策评估、人才管理等领域提供创新支撑，助力人工智能应用在社会科学的落地。

参考来源

• Anthropic. (2024).The Claude Interviewer: A system for automated qualitative interviews. Retrieved from https://www.anthropic.com/research/anthropic-interviewer