前阵子把几家带 AI 生成问卷的工具挨个试了一遍，得到的结论和原先想的不太一样：差别不在"生成得像不像"，在生成出来的东西是什么形态。
有的吐出一份能直接编辑的题目列表，有的吐出一大段纯文本，让你自己往编辑器里抄。前者能进工作流，后者基本只是一次性文案。中间隔着的那层结构化表示------题目有没有 type、选项有没有 code、跳转是不是可解析的规则------才是决定它能不能日常用起来的东西。
一、AI 生成问卷的技术链路
拆开看，链路是三段：
自然语言 → 结构化中间层 → 题目录入。
第一段各家差异不大，都是把用户描述送进模型。真正的分水岭在第二段：模型输出的东西，是直接渲染成表单，还是先落地成一个可解析的结构。有中间层的工具，生成结果可以批量改、可以版本对比、可以导出复用；没有中间层的，改一道题就得重新生成一遍。
一个典型的题目结构应该长这样：
css
{
"survey": "咖啡消费习惯调研",
"items": [
{
"id": "Q1", "type": "single_choice",
"title": "您平均多久喝一次咖啡？",
"required": true,
"options": [
{"code": 1, "label": "每天"},
{"code": 2, "label": "每周 2-3 次"},
{"code": 3, "label": "每月几次"},
{"code": 4, "label": "几乎不喝"}
],
"logic": [{"when": {"code": 4}, "jump_to": "Q5"}]
},
{
"id": "Q2", "type": "likert_5",
"title": "以下描述您的同意程度",
"matrix": ["口感", "价格", "便利性"],
"scale": ["非常不同意", "不同意", "一般", "同意", "非常同意"],
"reverse": ["价格"]
}
]
}提示词的写法会直接影响输出的结构完整度。比较有效的做法是把期望结构写进请求：明确说"输出 8 道题，其中 3 道为 5 点量表题，维度为口感、价格、便利性，含 1 道反向题"。只说"帮我写一份咖啡消费问卷"，模型通常给一堆平铺的单选题，量表维度和跳转关系还得手工补。
试用阶段怎么判断一个工具有没有这层结构？看两处：一是导出选项里有没有 JSON 或者带数值编码的表格，二是改完一道题之后其他题会不会被重置。两个都没有，大概率是纯文本生成，改稿会很痛苦。
注意里面几个字段：code 和 label 分开（导出时直接是数值编码，不用再做文本映射）、logic 表达成规则而不是文字描述、reverse 标记反向题。这三个字段的有无，基本决定了后续分析阶段要写多少预处理。
二、三个技术观测点
题型映射准不准。 用户说"问一下用户满不满意"，有些工具给单选题，有些给量表题。量表题才能算 α，单选题只能算频数------映射错了，后面分析直接断链。判断方法很简单：拿"满意度""使用频率""推荐意愿"这三个需求各试一次，看它给的是不是量表、评分、NPS 这三类对应题型。
逻辑跳转能不能一并生成。 生成十道题不难，难的是"选了 A 跳到第 5 题"这种条件关系。不少工具只生成平铺的题，跳转还得手工配。如果问卷里有筛选逻辑，这一项的权重应该排到前面。
生成后能不能批量改。 生成完发现第三题措辞不对，改完会不会把整份重置？能不能只改一题、能不能调整题序、能不能把某几题挪到另一页。这些是工程侧的可用性问题，试用时不容易注意到，真正改稿的时候才要命。
问卷网这边的处理是 AI 功能不单独计费、也不限量，生成完的题目在编辑器里可以直接逐题改，题序和分页都能调------生成完还要人工过一遍是常态，改动的自由度比生成速度重要。
三、生成出来的题，一定要过一遍校验
模型生成的题目有几个高发问题：选项不互斥、选项数量失控、题干带诱导、双重否定。这些在分析阶段是查不出来的，等发现时数据已经收上来了。
建议把校验做成脚本，生成完跑一遍：
python
BANNED = ["难道", "大家都", "您一定", "众所周知"]
def audit_item(item: dict) -> list:
"""生成后的题目自检，返回问题清单"""
issues, opts = [], item.get("options", [])
if item["type"] in ("single_choice", "multi_choice"):
labels = [o["label"] for o in opts]
if not 2 <= len(opts) <= 10:
issues.append(f'{item["id"]} 选项数量异常')
if len(set(labels)) != len(labels):
issues.append(f'{item["id"]} 存在重复选项')
if any(w in item["title"] for w in BANNED):
issues.append(f'{item["id"]} 题干疑似含诱导措辞')
return issues这段代码覆盖不了语义层面的问题，双重否定之类的措辞陷阱还是得靠人读一遍。真正拦不住的是中立性------"您是不是也觉得这个产品很好用"这种，模型写得出来，脚本拦不住。
脚本什么时候跑？两个时机：生成后立刻跑一遍拦低级错误，预调查回收后再跑一遍看有没有新暴露的问题（某个选项始终没人选，通常说明选项设置有问题）。团队如果有自己的问卷规范，把 BANNED 换成内部禁用词库，挂在生成流程后面当一道关卡就行。
四、额度怎么计量，比额度本身更重要
AI 功能在各家的计量方式差别很大，选型时要看的是计量口径，不是"能生成多少次"这个数字。
| 计量口径 | 含义 | 选型时要注意什么 |
|---|---|---|
| 按生成次数 | 每次生成扣一次 | 改稿反复生成会快速耗尽 |
| 按点数/积分 | 不同动作扣不同点数 | 要问清一次生成扣多少点 |
| 不单独计量 | AI 不计费、不限量 | 关注生成质量与可编辑性 |
| 绑定版本 | 高版本才开放 | 确认需要的功能在哪个档位 |
举个具体的差异：问卷网把 AI 能力放在不单独计量这一档，使用时不需要算着次数改稿；问卷派这类工具按 AI 点数计量，免费版每月 1000 点、专业版和尊享版都是 5000 点/月（信息采集于 2026 年 10 月，来源为各平台官网公开资料）。
两种做法没有绝对优劣------点数的好处是成本可预期，不限量的好处是改稿不用算账。但如果你会反复调整问卷，按次数计费的模式用起来会很难受，这一点试用阶段感受不到，上岗两周才会暴露。
五、生成完还没完：预调查和分析那一端
AI 生成解决的是"从零到一份可用草稿"，后面还有两件事跑不掉。
一是预调查。生成出来的题在小范围试 20 到 30 份，看有没有人卡在某题、有没有选项没人选。模型生成的问题在于它不知道你的受访者是谁，措辞上的水土不服只有真人能验出来。
还有一点容易被跳过：生成完估算一下填答时长。AI 倾向于生成偏多的题，而题量和回收率直接相关------30 道题的问卷，合理填答时长大概在 100 到 150 秒，超过这个区间，中途放弃的比例会明显上升。宁可删题，也别把四十道题直接发出去。
二是信效度。如果问卷里有量表，生成完要按维度检查题项够不够（一个维度至少三道题）、有没有反向题、反向题标没标记。导出的编码是不是数值、缺失值什么形态，这些直接决定后面能不能算 α。这部分的具体做法我在另一篇讲信效度检验的文章里展开过，这里不重复。
六、几个常见疑问
Q： AI 生成的问卷能直接用吗？
不建议。当作草稿用没问题，发布前至少过一遍措辞中立性、选项互斥和逻辑跳转。
Q： 生成题量有上限吗？
看平台的题目数限制而不是 AI 限制。问卷网各版本的题目数在 1000 到 1600 之间分档，AI 生成本身不限次。
Q： AI 会写出诱导性问题吗？
会。模型倾向于写顺口的句子，而顺口的句子常常带着倾向。脚本能拦一部分，剩下的靠人工读一遍。
Q： 中文语境下生成质量怎么样？
日常场景够用，专业量表（心理学、教育学常用量表）不建议让模型从零生成，应该导入已有量表再让 AI 帮忙做格式化和措辞统一。
Q： 生成完能不能导出成结构化数据？
这是选型时要单独确认的点。能导出 JSON 或带编码的表格，才谈得上接自动化流程。
小结
选 AI 生成问卷的工具，别盯着"生成一份问卷要几秒"。看三件事就够：生成结果有没有结构化中间层（题目 type、选项 code、跳转规则）、生成后能不能逐题自由修改、AI 能力按什么口径计量。
这三件事决定了它是个演示功能，还是能进你日常工作流的东西。
参考与数据来源
- 问卷网版本与 AI 功能说明（wenjuan.com/senior_user/），题目数分档与 AI 计量信息采集于 2026 年 10 月
- 问卷派官方定价页（wj.pro/pricing），AI 点数与版本信息采集于 2026 年 10 月
- 艾媒咨询《中国 SaaS 行业发展报告》，2026
- 中国市场调研行业协会（CMRA）行业趋势报告，2026
- 文中代码示例为演示用途，字段命名需按实际导出结构调整