OpenClaw × 用户调研 Skill

用户调研 Skill不在 OpenClaw 的前十推荐里——OpenClaw更擅长本地工作区、目录化 Skill、命令和批处理，这个 Skill 的重心不完全在这里。它仍然可以正常安装使用，只是如果你要做的就是这件事，可以先看看下面几个更合适的 Agent。

用这个 Agent 跑「用户调研 Skill」，最省心的是逐条提取和上下文保留这两个环节。访谈稿、问卷 CSV 放进本地目录，跑完直接在旁边生成每个受访者或每条评论的中间数据文件，不怕丢上下文。选择研究模式和确认目标也顺。代价是没有独立产物区，聚类与评分、形成研究资产的结果都落在目录里，要打开 Markdown 或 CSV 手工核对。办公文档得先转格式，飞书要手工上传。如果你只想跑几十条访谈、要保留所有中间证据、团队习惯在终端看文件，就选它。不想碰命令行、想在手机上看进度、指望结果自动飞进飞书文档的，别选。

在「逐条提取信号」和「保留来源上下文」这两个环节，这个 Agent 把原始访谈稿、脚本、每条提取出的 JSON 或 Markdown、检查报告全留在本地目录里。跑完几十条 G2 评论，每一条的痛点和原声都有独立中间文件对应，能随时打开核对来源，不用担心 AI 把长上下文挤丢。先放 5 到 10 条样本进去确认格式和提取规则，没问题再复制扩展到整份名单。判断标准很简单：工作区目录里是否按受访者或评论 ID 生成了带来源链接的中间文件，打开后内容是否对得上原话。

1. 01

   选择研究模式

   在终端把目标用户分群和业务问题写进 prompt，Agent 直接读本地目录里的访谈稿或问卷 CSV 确定分析框架。不需要上传文件，确认框架后直接下发批量处理指令。

2. 02

   逐条提取信号

   Agent 原生支持批处理与写本地文件。它会遍历目录里的所有文件，把每个受访者或每条评论的动机、异议单独提取，生成对应的 Markdown 或 JSON 落在本地。跑通一条的提取规则，就能复制到几百条数据上。

3. 03

   聚类与评分

   这个环节有条件支持。Agent 会运行 Python 脚本对提取出的信号做聚类和频次统计，生成 CSV 报告。遇到数据量大或逻辑特别复杂的聚类，可能会中断，需要你拆分目录分批跑。

把访谈录音转写稿、问卷导出的 CSV、G2 评论复制出来的文本，放进本地一个专门的工作目录。Word 和 Excel 要先另存为 Markdown 或 CSV 再放进去。在终端里切到这个目录，用一句话下发任务，比如「读取该目录下所有 Markdown 文件，提取购买动机和阻力，按受访者生成独立 JSON 文件并汇总清单」。任务进度直接看终端的命令输出，以及工作区目录里不断新增的中间文件。没有网页端或即时通讯入口可以下发任务。

装完先跑一个最小任务。找 5 份带明显购买阻力的访谈稿或差评 CSV 放进目录，下达提取任务。终端跑完后，打开生成的中间数据文件，看三个信号：有没有按每条数据生成独立文件、里面有没有准确提取出你预设的业务阻力、文件名或字段里有没有保留原始数据来源的标识。如果这三个都在，说明提取规则立住了，可以把剩下几十上百条全丢进去批量跑。