问卷调研数据收集与自动统计分析
适用场景
当用户的任务涉及"发问卷 + 收数据 + 出报告"的结构化调研时调用：市场调研、用户研究、满意度 / 需求 / 行为调研、课程作业、内部调研等。
不要用于无结构化问卷的纯访谈、舆情分析或非量化调研。
固定输入参数（每次调用必须明确）
| 参数 | 含义 | 示例 |
|---|---|---|
调研主题 |
研究主题 | 大学生早餐需求调查 |
调研对象 |
目标人群 | 市场营销专业本科生 |
样本目标 |
计划回收的有效样本量 | 50 份 / 100 份 |
题型选择 |
用到的题型组合 | 单选、李克特5级量表、多选、开放问答 |
输出文档格式 |
最终报告格式 | Markdown / HTML / Word(docx) / PDF |
若用户未给出某参数，按默认补齐并在开场说明：
- 题型默认 = [单选 + 李克特5级量表 + 多选 + 1 道开放问答]；
- 输出默认 = Markdown（同时附一版可预览的 HTML）；
- 样本目标默认 = 50。
内部固定流程（严格按顺序，不要改逻辑）
- 生成问卷：按主题与对象产出完整问卷，必须包含【卷首说明 / 甄别题 / 人口统计学基础信息题 / 核心研究题 / 开放题】五个模块；总题量 12–18 题；题型严格覆盖用户所选组合。生成后同时产出该问卷的结构化 schema（JSON）（格式见
references/questionnaire_template.md与examples/schema_example.json），供第 4 步统计脚本使用。 - 录入答卷：等待用户粘贴回收的答卷。支持两种来源：
- 文本粘贴（推荐格式见本文件末"答卷文本格式"）；
- 图片型 / 扫描型 PDF（用references/pdf_extract.md的方法渲染成 PNG 后读取）。
把逐份答卷整理成脚本可解析的输入。 - 清洗无效数据：调用
scripts/survey_analyze.py。自动剔除：
① 连续全部选同一答案（straight-lining：所有单选 / 量表题答案位置完全一致）；
② 大面积空白（空白题数占比 ≥ 40%）；
③ 甄别题未通过（按 schema 中screen组与expected判定，分流或剔除）。
输出清洗日志（原始份数、剔除数、各原因、保留有效 N）。 - 统计各类题目数据：脚本统一计算——
- 单选题 / 量表题：各选项占比、量表平均分（与标准差）；
- 多选题：各选项频次与占比（基数 = 有效份数，注明多选之和 > 100%）；
- 开放题：高频观点归纳 + 关键词提炼（脚本给 n-gram 词频，agent 做定性归纳）。
跳题逻辑导致的不同基数需在报告中显式标注。 - 生成汇总表格 + 调研报告：基于统计数据撰写报告，必须含【样本概况 / 各题目统计结果 / 数据解读 / 调研总结与建议】，并附带【全量数据汇总表】。按用户所选
输出文档格式产出：Markdown 与 HTML 用 Write 直接生成；docx / PDF 走对应 Office 技能（tencent-docx / 发布为应用）。
输出物（三项必交）
- 问卷原文：
XX调查问卷.md（含卷首说明与全部题目，及对应 schema.json）。 - 数据汇总表：
XX数据汇总表.csv或报告内嵌附表（由脚本生成summary_table.md+cleaned.csv）。 - 完整调研分析报告：
XX调研报告.md/.html/.docx，含上述四节 + 汇总表。
关键规则
- 严格按 1→5 顺序，不要跳步或改逻辑；未收到答卷前只做第 1 步并等待用户粘贴。
- 多选题占比之和 > 100%，必须注明；跳题导致基数不同，必须注明。
- 开放题若用户未提供原始文本，报告中明确标"待补全"并请用户补交，不要编造。
- 数据为平台汇总结果（无逐份原始卷）时，逐份清洗无法重做，须如实标注，仅基于汇总数据出报告（可跳过第 3 步，直接做第 4/5 步）。
- 中文关键词提取优先用 jieba（可选依赖），缺失时脚本自动回退到 n-gram，无需联网。
答卷文本格式（推荐，供用户粘贴）
——— 答卷 1 ———
Q1=A Q2=A Q3=A Q4=女 Q5=大三 Q6=C Q7=C
Q8=C Q9=4 Q10=3 Q11=5 Q12=4 Q13=3 Q14=4
Q15=美妆护肤,服饰鞋包,食品零食
Q16=价格优惠/折扣力度,主播信任度/专业性,商品展示直观
Q17=主播信任度低和假货新闻会让我不愿下单，大促折扣则会提升意愿。
——— 答卷 2 ———
...
- 单人一段，用
———/===或含"答卷 / 受访者"的行分隔； - 单选 / 量表：
Qx=选项字母或数值；多选：Qx=选项1,选项2（中英文逗号均可）； - 开放题：
Qx=自由文本，文本可含标点与逗号。
参考文件
scripts/survey_analyze.py：清洗 + 统计 + 汇总表生成（纯标准库，无第三方依赖）。references/questionnaire_template.md：问卷五模块结构与 schema 写法。references/report_template.md：报告四节 + 汇总表模板。references/pdf_extract.md：图片型 PDF 答卷的渲染读取方法。examples/schema_example.json：问卷 schema 样例。examples/sample_responses.txt：示例答卷（可直接跑脚本验证）。
