自嗨式提问是最大坑：不带场景的问句，用户心里回“不知道，也不想知道”

一、问题的提出：为什么“问句”会成为最大的坑

先看一个几乎每个人都遇到过的场景。产品团队做用户访谈，开场第一个问题是：“你平时用这类产品多吗？”受访者愣了一下，回答：“还行吧。”访谈继续，第二个问题：“你觉得我们这个东西怎么样？”受访者：“挺好的。”第三个问题：“有什么建议吗？”受访者：“暂时没有。”访谈结束，团队拿着“用户觉得挺好”的结论回去，三个月后功能上线，数据惨淡。

问题出在哪？不是用户不配合，也不是访谈技巧不够圆滑，而是这三个问题本身就没有给受访者任何可回答的抓手。“用得多吗”没有时间尺度，“怎么样”没有评价维度，“有什么建议”没有任务边界。受访者不是不想回答，而是无法回答——于是只能用最省力的方式结束对话。

本文评述：很多人把这类失败归因于“用户表达能力差”或“样本不够多”，这是典型的归因错位。真正的问题在提问端：提问者用自己脑子里的完整语境去发问，却忘了对方脑子里没有这套语境。信息在提问者一侧是稠密的，在回答者一侧是稀疏的，这种语境不对称才是坑的根源。

这个问题在传统用户研究里已经存在几十年，但在大模型时代被急剧放大。因为现在“提问”不再只是研究员对受访者，还包括产品经理对AI、开发者对Agent、运营对客服机器人。一个不带场景的提示词，模型同样会给你一段“看起来正确但毫无用处”的回答——这和受访者回你“不知道，也不想知道”在机制上是同构的。

所以本文要处理的不是“访谈技巧”这种局部问题，而是一个跨场景的通用命题：如何判断一个问句是否自带场景，以及如何系统性地把场景补回去。这条主线会贯穿后面所有章节。

二、自嗨式提问的定义、谱系与典型样本

2.1 定义

自嗨式提问（Self-Indulgent Questioning）指：提问者以自身已有的完整语境为默认前提，向缺乏该语境的回答者发出的、缺少情境锚点与可判定标准的问句。其典型特征是提问者问完之后自我感觉“问到了点子上”，而回答者感到无从下手。

本文评述：这个定义里有两个关键词容易被忽略——“默认前提”和“可判定标准”。前者说明自嗨是提问者的认知盲区，不是恶意；后者说明自嗨的后果是回答无法被验证，不是单纯的不礼貌。这两点决定了修复手段必须是结构化的，而不是靠“多练练就好”。

2.2 谱系：从轻度到重度

等级	问句示例	缺失要素	典型回应
L1 轻度	“你觉得这个功能好用吗？”	评价维度	“还行”“挺好的”
L2 中度	“如果有个新功能你会用吗？”	情境+成本	“看情况吧”
L3 重度	“你对我们的产品有什么建议？”	任务+边界	“暂时没有”
L4 极重度	“你觉得未来这个行业会怎么发展？”	全部四维	沉默 / 泛泛而谈

这张表是笔者根据多年访谈与提示词评审经验整理的模拟分级，不是严格量表，但能帮助团队快速定位问题严重程度。可以看到，等级越高，缺失的维度越多，回答的信息熵越低。

2.3 一个反直觉的观察

很多团队认为“开放式问题”比“封闭式问题”更高级，因为开放式能挖到更多信息。但实际访谈中，没有场景约束的开放式问题，信息量往往低于设计良好的封闭式问题。原因很简单：封闭式问题至少给了回答者一个坐标系，开放式问题如果连坐标系都没有，回答者只能自由发挥，而自由发挥的内容与你的研究目标往往无关。

本文评述：这解释了为什么“你还有什么想说的吗”这种问题几乎从不产生有效信息。它不是开放，而是空洞。开放的前提是有边界，没有边界的开放等于把认知负担全部甩给对方。

三、理论根基：从认知负荷到社会赞许性作答

3.1 认知负荷理论视角

Sweller 在1988年提出的认知负荷理论（Cognitive Load Theory）把工作记忆的容量限制作为教学设计的基本约束。该理论区分内在负荷、外在负荷与相关负荷。本文评述：自嗨式提问制造的正是典型的外在负荷——回答者需要先自行补全提问者省略的语境，才能开始思考问题本身。这部分负荷不产生任何有效信息，纯粹是浪费。

更麻烦的是，工作记忆容量有限（Miller 1956 提出的“7±2”虽然后续被修正，但容量有限这一结论稳固），当补全语境的负荷挤占了可用容量，回答者剩下的认知资源只够给出最省力的答案。这就是“不知道，也不想知道”的认知经济学解释。

3.2 社会赞许性作答

问卷方法学中的社会赞许性偏差（Social Desirability Bias）指受访者倾向于给出符合社会期待而非真实情况的回答。经典测量工具如 Crowne & Marlowe 的社会赞许性量表（1960）以及后来的平衡式社会赞许性量表（Paulhus, 1991）都试图量化这一偏差。

本文评述：自嗨式提问会放大社会赞许性偏差。因为当问题没有具体场景时，回答者无法基于真实经历作答，只能基于“我应该怎么回答才得体”来作答。于是“挺好的”“还行”“没什么建议”成为默认选项。这不是用户在撒谎，而是问题本身逼迫他们进入社交模式而非回忆模式。

3.3 对话系统的“无依据回答”问题

在自然语言处理领域，对话系统的“无依据回答”（ungrounded response）长期是难点。相关研究指出，缺乏上下文依据的对话模型容易生成通用、安全但无信息量的回复。这一现象与人类受访者的敷衍行为在结构上高度相似。

本文评述：把人类访谈和对话系统放在一起看，会发现同一个规律：当输入缺少可锚定的场景，输出就会退化为最大公约数式的安全回答。人类说“挺好的”，模型说“这是一个很好的问题”，本质是一回事。

四、核心主线：场景锚定度（SGD）四维模型

前面铺垫了现象和理论，现在进入本文的核心贡献：用场景锚定度（SGD）作为统一的分析主线。SGD 定义为：一个问句把回答者约束到具体情境、具体任务、具体约束条件、可判定结果中的程度。它由四个维度构成。

4.1 维度一：情境（Situation）

情境回答“在什么时候、什么地点、什么状态下”。例如“你上次在通勤路上用手机找路线的时候”——这里给出了时间（上次）、地点（通勤路上）、设备（手机）、任务（找路线）。情境越具体，回答者越容易调取真实记忆。

本文评述：情境的作用是触发情景记忆。认知心理学中，情景记忆（episodic memory）的提取高度依赖线索，线索越丰富，提取越准确。自嗨式提问恰恰不提供线索，于是回答者只能调用语义记忆给出泛泛判断。

4.2 维度二：任务（Task）

任务回答“要做什么”。例如“你要在30秒内决定走哪条路”——这给出了明确的任务目标和时间压力。没有任务的问句，回答者不知道自己该以什么角色、什么目标来回答。

4.3 维度三：约束（Constraint）

约束回答“有什么限制条件”。例如“手机只剩10%电量、地铁里没信号”。约束是区分真实决策与空想的关键。没有约束，回答者会假设一切理想条件，给出的答案自然与真实行为脱节。

本文评述：约束维度最容易被忽略，也最能提升信息质量。很多团队问“你会不会用”，用户答“会”，但加上“需要额外花5分钟”这个约束后，答案可能立刻变成“那算了”。约束是照妖镜。

4.4 维度四：可判定性（Decidability）

可判定性回答“回答之后能不能判断对错或好坏”。例如“如果只能选一个，你选A还是B”——这是可判定的。“你觉得怎么样”——这是不可判定的。可判定性决定了回答能否被用于决策。

维度	核心问题	缺失后果	注入手段
情境	何时何地何种状态	无法调取真实记忆	回忆锚点、时间地点
任务	要完成什么	角色与目标模糊	明确目标与角色
约束	有什么限制	答案脱离真实条件	成本、时间、资源限制
可判定性	能否判断好坏	回答无法用于决策	二选一、排序、打分

本文评述：这四个维度不是并列的清单，而是有优先级的。情境和约束是地基，任务和可判定性是上层建筑。实践中如果只能补一个维度，优先补约束，因为它对答案真实性的边际提升最大。

五、可计算化：SGD评分卡与自嗨指数SII

光有概念不够，工程上需要可计算的指标。下面给出一套可落地的评分卡。需要说明：以下权重与阈值是笔者基于模拟数据与团队实践整合得出的参考值，不是经过大规模实证校准的标准量表，团队应根据自身场景调整。

5.1 SGD评分卡

维度	0分	1分	2分	权重
情境	完全无场景	有模糊场景	具体时间地点状态	0.3
任务	无明确任务	任务模糊	目标清晰可执行	0.2
约束	无任何限制	有单一限制	多重真实约束	0.3
可判定性	无法判定	可定性判断	可量化或二选一	0.2

SGD = Σ(维度得分 × 权重)，取值范围 0 到 2。经验阈值（模拟数据参考）：SGD ≥ 1.5 为高锚定，1.0–1.5 为中等，< 1.0 为低锚定，< 0.5 基本可判定为自嗨式提问。

5.2 自嗨指数 SII

SII = 1 − SGD/2。SII 越接近1，自嗨程度越高。这个指标的好处是可以直接嵌入评审流程：任何进入用户访谈或AI评测的问句，先过一遍SGD评分，低于阈值的打回重写。

本文评述：把主观的“问得好不好”变成可打分的SGD，最大的价值不是精确，而是让团队在写问句时被迫停下来想一秒：场景在哪？这一秒的停顿，能挡掉大量低质量问句。

5.3 一个对照示例

问句	情境	任务	约束	可判定	SGD
你觉得这个功能好用吗？	0	0	0	1	0.2
上周你在通勤路上找路线时，打开这个功能后，第一次点击到看到结果花了多久？	2	2	1	2	1.8

第二句的SGD是1.8，属于高锚定。注意它并没有变得更“礼貌”，反而更具体、更费口舌，但它能拿到可用的数据。

六、工程实践：从问句诊断到场景注入的六步法

这一章给出可操作的路径。六步法不是理论推演，而是可以直接贴到团队SOP里的流程。

第一步：问句盘点

把现有问卷、访谈提纲、提示词模板全部导出，逐条编号。这一步不评判，只收集。建议用表格记录：编号、原文、使用场景、负责人。

第二步：SGD打分

按第五章的评分卡逐条打分。建议两人独立打分后对齐，减少主观差异。打分结果按SII排序，优先处理SII > 0.5 的问句。

第三步：场景注入

对低分问句做重写。重写模板如下：

【时间】+【地点/设备】+【你正在做的事】+【遇到的限制】+【需要你做的判断/选择】+【回答形式】

示例：把“你觉得搜索好用吗”重写为——“假设你在地铁里、手机信号只有一格，你要在30秒内找到昨天收藏的那篇文章。你会先点搜索框还是先点历史记录？为什么？”

本文评述：场景注入不是把问题变长，而是把提问者脑子里的隐性前提显性化。很多提问者写完长问句后会发现：原来我真正想问的是这个。这个过程本身就在帮提问者理清目标。

第四步：对照验证

同一批受访者，分别用原问句和重写问句，对比回答的信息量。可用指标：回答字数、具体名词数量、可编码信息单元数。以下为模拟数据示例，仅用于说明方法：

指标	原问句（模拟）	重写问句（模拟）	变化
平均回答字数	12	86	+617%
具体名词数	0.4	5.2	+1200%
可编码信息单元	0.3	3.8	+1167%

再次强调：上表为模拟数据，用于演示对照方法，不代表任何真实实验结果。团队应基于自身样本做真实对照。

第五步：回归监控

把SGD评分嵌入问句评审流程，任何新增问句必须过阈值。建议在问卷平台或提示词管理系统中加一个必填字段：SGD评分。低于阈值的问句无法提交。

第六步：案例库沉淀

把重写前后的问句对存成案例库，新人培训直接用。案例库比方法论更有效，因为它具体、可模仿。

本文评述：六步法里最容易被跳过的是第四步对照验证。很多团队重写完就直接上，结果无法证明重写有效。没有对照，就没有说服力。哪怕样本只有10人，对照也能给出方向性证据。

七、AI时代的放大效应：大模型提示词中的自嗨

7.1 提示词是问句的极端形式

大模型提示词本质上就是一种问句。区别在于，人类受访者会用“还行”来掩饰困惑，模型则倾向于生成一段流畅但空洞的内容。表面看模型“回答了”，实际上和“不知道，也不想知道”是同一回事。

常见的自嗨提示词包括：“帮我写一篇好文章”“给我一些建议”“分析一下这个行业”。这些提示词没有受众、没有目的、没有约束、没有判定标准，模型只能给出最大公约数式的输出。

7.2 为什么模型不会“拒绝”

人类受访者在面对自嗨式提问时，至少会用敷衍表达不满。但模型被训练成“有帮助、无害、诚实”，倾向于无论如何都给出回答。这导致自嗨提示词的失败信号被掩盖：你拿到了一段文字，误以为任务完成了，实际上信息密度极低。

本文评述：这是AI时代自嗨式提问比传统访谈更危险的地方。传统访谈的失败是显性的（冷场），AI提示词的失败是隐性的（流畅的空话）。后者更难被发现，也更容易被误当成成果。

7.3 提示词的SGD改造

把六步法迁移到提示词工程：

• 情境：告诉模型你是谁、在什么场景下用、面向谁。
• 任务：明确要产出什么、什么格式、多长。
• 约束：给出不能做什么、必须包含什么、字数限制。
• 可判定性：给出验收标准，例如“必须包含3个可执行步骤，每步有负责人”。

示例对比：

低SGD：帮我分析一下用户流失原因。

高SGD：我是一款面向中小电商的SaaS工具，近30天新用户7日留存从42%降到31%。请基于以下三类可能原因（上手成本、核心功能价值感知、竞品替代），各给出2条可验证的假设，每条假设附一个可在7天内完成的验证方法，用表格输出。

后者给出的输出可以直接进入验证流程，前者只能得到一堆正确的废话。

八、评测集构建：把“问得好不好”变成可回归的指标

8.1 为什么要建评测集

单个问句的SGD打分是点状的，无法回答“我们的提问质量整体在变好还是变差”。要回答这个问题，需要评测集。评测集是一组带标注的问句样本，用于定期回归。

8.2 构建步骤

1. 采样：从历史访谈、问卷、提示词中分层抽样，覆盖不同业务线、不同难度。
2. 标注：每条问句标注SGD四维得分、SII、以及“是否产生有效信息”的人工判断。
3. 清洗：去除含个人隐私、商业敏感信息的样本；对文本做去标识化处理。
4. 划分：按7:2:1划分训练参考集、验证集、测试集。注意这里不是训练模型，而是用于人工评审校准。
5. 版本化：评测集本身要版本管理，每次修改记录变更原因。

数据集预处理细节说明：本文未使用任何真实用户数据集。文中所有示例问句均为笔者构造的模拟样本；所有量化对比均为模拟数据。若团队要建真实评测集，需遵守数据最小化原则，去除可识别个人信息，并在采集时获得明确授权。

8.3 回归指标

指标	定义	用途
平均SGD	评测集内所有问句SGD均值	整体提问质量
低锚定占比	SGD<1.0的问句比例	风险暴露面
有效信息率	产生可编码信息的问句比例	最终业务价值

本文评述：评测集的价值在于把“提问能力”从个人经验变成组织资产。没有评测集，提问质量依赖个别资深研究员的直觉；有了评测集，新人也能按标准自查。

九、前沿预判：从提问工程到场景协议

9.1 趋势一：问句自动改写

随着大模型能力提升，用模型自动检测低SGD问句并给出改写建议，是确定性很高的方向。工程上可以先做规则版（关键词+长度+疑问词类型），再逐步引入模型打分。

9.2 趋势二：场景协议标准化

当前提示词工程大量依赖个人经验。未来可能出现类似“场景协议”的标准结构，规定一个完整问句必须包含哪些字段。这与软件工程中的接口契约思路一致。

本文评述：场景协议的价值不在于强制统一，而在于让“缺了什么”变得可见。就像类型系统不能保证程序正确，但能挡掉大量低级错误。

9.3 趋势三：从单轮提问到多轮场景协商

未来的人机交互不会要求用户一次性写出完美提示词，而是通过多轮澄清逐步补全场景。这对产品设计的要求是：系统要主动追问“你在什么场景下用”“有什么限制”，而不是被动等待用户提供完整上下文。

本文评述：这其实是把访谈技巧反向植入产品。好的AI产品应该像一个会追问的研究员，而不是一个只会说“好的，我来帮你”的应声虫。

9.4 拓展资源

• 认知负荷理论入门：https://en.wikipedia.org/wiki/Cognitive_load
• 社会赞许性偏差综述：https://en.wikipedia.org/wiki/Social-desirability_bias
• 提示工程指南（OpenAI）：https://platform.openai.com/docs/guides/prompt-engineering
• 问卷设计基础（Pew Research）：https://www.pewresearch.org/our-methods/u-s-surveys/writing-survey-questions/
• 用户访谈方法（Nielsen Norman Group）：https://www.nngroup.com/articles/user-interviews/

十、结论与操作清单

回到标题那句话：不带场景的问句，用户心里回“不知道，也不想知道”。这不是用户的问题，是提问的问题。本文用场景锚定度（SGD）这条主线，把现象、理论、指标、流程、预判串成一条链。

核心结论有三条：

1. 自嗨式提问的本质是语境不对称，不是态度问题，不能靠“多沟通”解决。
2. SGD四维模型（情境、任务、约束、可判定性）提供了可操作的诊断框架，其中约束维度边际收益最高。
3. 把SGD嵌入评审流程和评测集，才能把提问质量从个人经验变成组织能力。

操作清单（可直接复制到团队文档）：

• □ 导出全部现有问句，编号建表
• □ 按SGD评分卡逐条打分，两人对齐
• □ 对SII>0.5的问句按模板重写
• □ 做小样本对照，记录信息量变化
• □ 在评审流程中加入SGD必填字段
• □ 沉淀重写案例库，纳入新人培训
• □ 每季度回归一次平均SGD与低锚定占比

本文评述：提问是一项被严重低估的工程能力。我们花大量时间优化答案，却很少优化问题。但问题的质量决定了答案的上限。把场景还给对方，是提问者最基本的职业素养。