Persona Survey -- 虚拟人格问卷生成系统

> 输入任意问卷 -> 生成N份虚拟人格答卷 -> 输出带质量报告的Excel

1. 能做什么

2. 快速开始

方式A: 问卷星URL直接抓取

# 1. 抓取问卷结构
python scripts/scrape_wjx.py "https://www.wjx.cn/vm/XXXX.aspx" --out surveys/my_survey.yaml

# 2. 生成100份答卷
python scripts/run_survey.py --survey surveys/my_survey.yaml --count 100 --out output/

方式B: Excel/CSV转换

# 1. 准备CSV (列: 题号,题型,题干,选项A,选项B,...)
# 2. 转换
python scripts/survey_from_excel.py input.csv --out surveys/my_survey.yaml --title "问卷标题"

# 3. 生成
python scripts/run_survey.py --survey surveys/my_survey.yaml --count 100 --population general_chinese --out output/

方式C: 手写YAML

参考 surveys/template_product_survey.yaml 模板，或 surveys/wjx_elderly_digital_care.yaml 完整示例。

输出

output/
  personas.json          # N份人格画像
  results_raw.json       # 逐题答案(raw)
  results_summary.csv    # 汇总CSV（人口统计+逐题文本答案，Excel可直接打开）
  问卷结果_N份.xlsx       # 4-sheet Excel (核心交付物)
  differentiation_report.md  # 区分度报告（注意力检查/趋同检测/维度梯度/判定）

3. Excel 输出结构 (4个Sheet)

4. 核心设计: 规则驱动引擎

为什么不用LLM?

实测结论 (2026-08-20):
- qwen2.5:3b: 27次调用1m44s，格式遵守率需few-shot强制，mode collapse严重(大量打4分)
- qwen2.5:7b: 45次调用5m30s，区分度4/9(改善但仍不足)，Likert全打4分
- 规则驱动: 100份<1秒，区分度满分(平均4.9/5唯一值)，零趋同，维度梯度完美

规则引擎原理:
1. 问卷YAML定义 persona_config -> 人格维度 + keyword_map(关键词->维度)
2. 每题文本与关键词匹配 -> 计算各维度权重
3. persona的维度值(1-5) * 权重 -> 期望base值
4. 高斯权重采样(base附近概率最高) -> 自然分布
5. 负面词检测(焦虑/担心/隐私泄露等) -> 自动反转方向

人群预设

自定义人群示例

persona_config:
  population: custom
  age_range: [22, 35]
  gender_ratio: [0.45, 0.55]
  dimensions:
    - {name: work_pressure, label: "工作压力", mean: 3.5, std: 1.0}
    - {name: job_satisfaction, label: "工作满意度", mean: 3.0, std: 1.0}
    - {name: growth_desire, label: "成长欲望", mean: 3.5, std: 1.0}
  keyword_map:
    work_pressure: ["加班","压力","疲惫","焦虑","KPI","deadline"]
    job_satisfaction: ["满意","开心","喜欢","值得","成就感"]
    growth_desire: ["晋升","学习","培训","成长","发展","未来"]
  personalities: ["卷王","躺平族","稳定型","进取型"]

5. 脚本清单

6. 参数详解

run_survey.py 参数

--survey PATH       问卷YAML路径 (必填)
--count N           生成份数 (默认50)
--out DIR           输出目录 (默认./output)
--seed N            随机种子 (默认42, 保证可复现)
--population KEY    覆盖YAML中的人群预设 (elderly_chinese/general_chinese/custom)

scrape_wjx.py 参数

URL                 问卷星填写链接 (必填, 形如 https://www.wjx.cn/vm/XXXX.aspx)
--out PATH          输出YAML路径 (默认./survey.yaml)
--title TEXT        问卷标题覆盖

survey_from_excel.py 参数

INPUT               Excel或CSV文件路径 (必填)
--out PATH          输出YAML路径 (默认./survey.yaml)
--title TEXT        问卷标题 (默认从文件名推断)
--sheet NAME        Excel工作表名 (默认第一个)

CSV格式要求

题号,题型,题干,选项A,选项B,选项C,选项D,选项E
q1,选择,性别,男,女,,,
q2,选择,年龄段,18-25,26-35,36-45,46-55,56-65
q3,量表,我对新技术产品很感兴趣,,,,,
q4,量表,我担心使用新技术会泄露隐私,,,,,

• 题型: 选择(或单选) / 量表(或likert) / 填空(或open)
• 选项列为空的行自动识别为量表题(1-5分)
• 最多5个选项(A-E)

7. 问卷YAML格式

title: "问卷标题"
persona_config:
  population: elderly_chinese  # 或 general_chinese / custom

questions:
  # 单选题
  - id: q1
    type: single_choice
    prompt: "您的性别"
    options:
      - {id: q1_1, label: "男"}
      - {id: q1_2, label: "女"}

  # Likert量表题
  - id: q6
    type: likert
    prompt: "我能熟练使用智能手机"
    min_value: 1
    max_value: 5
    labels: ["完全不符合","不太符合","一般","比较符合","完全符合"]

  # 填空题
  - id: q99
    type: open
    prompt: "您对智慧养老有什么建议"

注意力检查题

在问卷YAML中用 attention_check 标记完全相同的两题:

questions:
  - id: q6
    type: likert
    prompt: "我能熟练使用智能手机进行日常操作"
    attention_check: q81
  - id: q81
    type: likert
    prompt: "我能熟练使用智能手机进行日常操作"
    attention_check: q6

引擎会保证这两题答案完全一致。

8. 质量验证指标

自动验证项

区分度报告示例

## 注意力检查
- q6 = q81: 100/100 一致 (100%) ✓

## 趋同检测
- 趋同题数: 0/81 (0%) ✓
- 平均每题唯一值: 4.9/5

## 维度梯度验证 (digital_skill vs 技术能力题)
- DS=1: avg=1.50 (n=18)
- DS=2: avg=2.30 (n=22)
- DS=3: avg=3.10 (n=25)
- DS=4: avg=4.05 (n=20)
- DS=5: avg=4.75 (n=15) ✓ 完美递增

9. 注意事项

问卷星抓取

• 仅支持填写链接 (形如 https://www.wjx.cn/vm/XXXX.aspx)，不支持后台管理链接
• 页面结构变化时可能需要更新正则，见 scrape_wjx.py 的 extract_questions()
• 抓取的是题目结构，不会提交真实答案到问卷星 (避免ToS违规和数据污染)

数据用途声明

• 生成的数据为模拟数据，用于问卷设计验证、统计分析练习、原型演示
• 不适用于冒充真实调查数据发表研究或做决策依据
• 使用前应在报告中注明"模拟数据"

硬件要求

• 规则驱动模式: 任意配置，<1秒完成100份
• LLM模式(备用): 需要Ollama(qwen2.5:3b/7b)或OpenAI兼容API，RAM>8GB

10. 扩展方向

版本历史