Colay / 指南

综合客户访谈，而不依赖于某一模型的解释

多个 AI 解读可以帮助您发现 20 次访谈中的不同模式，但不同模型反复提出同一主题，不会增加参与者证据。用 Colay 比较建议的编码和主题，再逐项回到获准使用的原始摘录核查重要发现。结果应是一份其他研究人员能检查的证据表，而不是对哪个故事更有说服力进行投票。

Colay · 实用指南 · 2026年10月9日

在询问主题之前准备好证据

确认研究许可和组织规则允许把材料交给所选服务。删除身份标识和不必要的敏感细节。为每次访谈分配稳定编号，并为摘录标注段落或时间戳等位置。参与者身份对应表不要包含在提交材料中。

如果材料超出可用上下文范围，请按明确批次处理，并使用一致的编码指令。记录每批包含的访谈，保留原始摘录链接。不要假设模型读过没有提供的访谈记录，也不要假设不同对话会自动记住彼此内容。

GOV.UK 的研究分析指南区分观察内容、由此形成的发现和后续行动。在 AI 辅助流程中，应要求输出清楚展示这三个层次。客户的一句原话，不应悄悄变成产品需求。

先让可用智能体通过 Ask separately 对相同摘录提出编码，再比较定义、支持编号和例外。不同标签可能描述相同行为，相同标签也可能掩盖含义差异。合并之前先检查原始材料。

虚构数据集：20 个有关预约的采访。五名参与者提到更改预订很困难。一位参与者 I07 对同一事件描述了三遍。另一位 I12 表示，更改预订很容易，但理解确认信息却很困难。这些是为了说明该方法而发明的输入。

不要把 I07 的三段摘录算成三个独立参与者，也不要未核查差异就把 I12 归入同一个问题。即使确认 20 位参与者中有 5 位提到了该问题，这也只描述该样本，并不能确定所有客户中的普遍程度。

一个有用的分歧是，一个模型将材料编码为导航难度，另一个模型将材料编码为更改后的不确定性。返回到摘录并确定它们是否是单独的主题或一次体验的阶段。保留一个矛盾的案例而不是删除它以使故事更清晰。

需要综合时，把原始摘录和带标签的编码建议一并交给 Consensus。要求它指出重叠和分歧，但不能把模型一致当作额外证据。每次改写都保留来源编号。如果生成的引文无法在原文中准确找到，应删除并回到来源，不要凭记忆修补。

研究问题：[问题]。获准使用且已去标识化的摘录，附访谈编号和位置：[材料]。提出编码与主题。为每个主题列出定义、支持它的访谈编号、精确摘录位置、反例和其他解读。只有材料支持计数时才统计不同参与者，不要推断未提供的访谈。区分观察、解释和拟议行动。不要编造引文。标记需要回看原始访谈记录的论断。

交付编码手册、证据表、尚未解决的解读分歧和下一步研究问题。读者应能从论断找到相关摘录，并了解您接受这种解释的理由。核查所有重要发现，包括所有模型都赞同的发现。

根据可追溯性的质量和审核工作量来比较工作，而不是根据生成的见解的数量。 Colay 使用积分和限额；在扩展之前从可管理的允许摘录集开始。几种模型可以扩大候选解释，但您的研究判断和参与者证据仍然是结论的基础。

多个人工智能分析是独立的证据集吗？

没有。它们是对相同参与者材料的解释，并且可能存在错误。证据来自实际研究，但有其样本和方法的局限性。

我可以一次性上传所有 20 篇采访吗？

首先检查权限和可用的输入限制。如果需要，使用记录的批次并保留源 ID；不要假设考虑了遗漏的材料。

只有一个模型发现的主题，还应该保留吗？

如果源材料支持，请保留以供审核。模型输出的频率并不是接受或拒绝访谈结果的标准。

选择一个模型、使用 Auto，或通过 Consensus 汇集多种观点。