制定目標

複雜任務不用一直盯——讓 AI 帶着目標持續工作。

開啟 WeJot「制定目標」，你只需要清楚說出最終想完成什麼。AI 會把目標拆成任務、調用合適的能力、跨回合持續執行，並在需要你判斷或確認時停下來；結束前還會檢查目標是否真正達成。

為什麼需要制定目標

AI 做一份 20 道題的問卷並不難。難的是當問卷包含 20 條邏輯分支時，AI 到最後是否還記得第一個跳轉條件。邏輯一旦開始疊加，補一層追問可能破壞原有跳轉，修好一個分支也可能讓另一個分支出問題。

很多研究和內容工作，並不是生成一段文字就結束了。它們通常要經歷一個完整循環：理解需求、拆成步驟、執行、修改、檢查交付。

例如：

• 從零設計一份完整的問卷——有研究目標、題目邏輯，並且可以直接投放；
• 從開放題回答、訪談轉寫或用戶反饋中，提煉痛點、用戶分群和產品機會；
• 檢查已有問卷的題目表述、選項完整性、邏輯分支和分析維度；
• 圍繞同一個研究目標完整推進：先理清方案，再生成問卷，最後給出樣本投放和結果分析建議。

這類任務在普通對話中常常會遇到問題：

• 任務流程很長：AI 需要多次調用工具和處理材料，單輪回覆無法覆蓋整個過程；
• 需要確認：研究對象、樣本範圍、題量取捨等關鍵信息不應由 AI 自行猜測；
• 容易中斷：頁面刷新、網絡問題、資源限制或模型失敗，都可能打斷執行；
• 上下文偏移：隨着對話變長，AI 可能只關注最新一條訊息，忘記最初的交付要求；
• 完成標準不清楚：有輸出不等於完成——你仍需要確認內容是否覆蓋目標、能否交付。

制定目標解決的正是這個問題：複雜任務無法持續推進、也無法被妥善驗收。它把一次性對話變成一個有目標、有狀態、有過程控制、有完成檢查的工作流。

制定目標解決什麼問題

不是「繼續」，而是持續完成目標

很多研究工作需要先理解目標、拆成任務、調用工具、修改內容，再檢查結果。制定目標會把目標保存在當前會話內。只要目標仍然有效，AI 就可以推進到下一輪，你不需要反覆輸入「繼續」或「接着做」。

它特別適合：

• 從零創建複雜問卷：明確研究目標，生成問卷結構，補充跳轉邏輯，並檢查能否發佈或投放；
• 持續優化已有項目：圍繞題目表述、選項完整性、移動端體驗和分析維度持續修改；
• 分析材料並產出報告：把開放題回答、訪談轉寫、用戶反饋或 VOC 文本，整理成可交付的分析報告；
• 把研究目標從頭推到尾：先理清目標，再生成問卷，最後給出樣本投放和結果分析建議。

制定目標不太在乎「AI 這一輪説了什麼」，更在乎「最終交付是否完成」。只要目標還沒有完成，AI 就會把後續工作和前面的要求連起來。

長任務不再只有「執行中」和「已停止」

複雜任務不一定適合一次執行到底。制定目標會在會話中展示目標狀態和執行時間，讓你知道 AI 在做什麼、為什麼暫停、下一步需要誰來處理。

常見狀態包括：

• 進行中：AI 正在持續推進目標；
• 已暫停：你暫停了任務，之後可以恢復；
• 等待回覆：AI 需要你補充信息或確認關鍵選擇；
• 受阻：任務因外部條件或必要材料缺失而無法繼續；
• 已完成：目標通過檢查，任務正式結束。

執行過程中，你可以暫停、恢復、編輯或刪除目標。目標描述不準確時，可以直接編輯；目標不再需要時，可以刪除，不會影響已經生成的對話內容。

當 AI 遇到研究對象不明確、兩個選項都合理、題量需要取捨、樣本條件需要確認等情況時，會進入「等待回覆」狀態，只有在你確認後才繼續。這樣既能減少全程盯守，也能防止 AI 在關鍵決策上自行猜測。

目標是否完成，會被認真檢查

制定目標的終點不是「AI 回覆了一段文字」，而是目標是否真正達成。系統會圍繞目標讀取相關材料、核對關鍵內容、記錄檢查結果。

關鍵條件未滿足時，AI 會繼續處理；目標符合要求時，任務會被標記為完成；外部條件阻礙進展時，會進入「受阻」狀態，直到問題解決。

制定目標還支持在目標中加入驗收標準，例如：

• 問卷是否覆蓋研究目標；
• 邏輯分支是否完整，跳轉能否回到正確路徑；
• 題目數量是否符合要求；
• 結果是否已整理成可交付的報告；
• 用戶要求不改動的內容是否被保留。

一次制定目標會話包含什麼

目標描述

目標描述是制定目標的核心，它應該說明你希望 AI 最終完成什麼，而不只是單一動作。

• 不夠清楚：幫我修改問卷
• 更適合制定目標：檢查這份新品概念測試問卷，優化題目順序、選項完整性和邏輯分支，並確保它能用於樣本投放

目標越清楚，AI 越容易決定下一步做什麼，也越容易在最後檢查是否完成。

自動續跑

當一輪 AI 執行結束、目標仍在進行中時，系統會自動啟動下一輪。續跑前會再次確認目標狀態，避免誤啟動已暫停、等待回覆或已完成的目標。

因此，複雜任務可以自然地拆成多輪：一輪生成結構，一輪補充細節，一輪檢查邏輯，一輪整理結果——不需要你手動推動每一步。

用戶確認

制定目標不會讓 AI 事事自行決定。當任務需要你的偏好、權限或業務判斷時，AI 會停下來提問，等你確認後再繼續。

這在研究對象、樣本範圍、題量限制、內容取捨和交付格式等問題上尤其重要。

目標審查

目標審查負責判斷「現在完成了嗎」。它會圍繞目標讀取材料、核對關鍵內容，並把結果寫回制定目標的狀態。

已完成就結束任務；關鍵條件未滿足時，AI 繼續處理；外部條件阻礙完成時，進入受阻狀態。

如何寫出更好的目標

一個可執行的目標通常有三個部分：

1. 最終產出：你希望得到問卷、分析結論、報告、修改後的頁面，還是完整方案；
2. 質量標準：例如題目邏輯完整、可以用於樣本投放、結論可追溯、內容分組清晰；
3. 邊界條件：例如限制題量、聚焦某類用戶、使用某些題型，或不改動已有內容。

例如，與其簡單地問「幫我做一份問卷」，你可以這樣描述：

幫我設計一份問卷，了解用戶知道哪些辦公協作軟件。先列出 10 個軟件選項，讓用戶補充自己知道的；再請用戶為每一個知道的軟件評滿意度；對不滿意的軟件，繼續追問原因。

這個目標包含了最終產出、執行步驟和追問條件，更容易持續執行，也更容易判斷是否完成。

不建議這樣寫：

做一份關於辦公協作軟件的問卷。

這也能啟動任務，但 AI 需要猜測的地方太多，後續更容易反覆追問或偏離真實需求。

制定目標如何融入 WeJot 工作流

WeJot 的 AI 能力可以通過對話協同完成一個研究項目，制定目標負責把最終結果串起來：

• 智能問卷生成：從研究目標出發生成問卷結構，支持任意題型、邏輯和外觀，並持續檢查內容是否完整；
• 精準投放：問卷準備好之後，繼續圍繞目標人群、樣本條件和投放要求整理執行方案；
• 對話式數據洞察：通過對話分析回收數據、開放題和訪談材料，完成歸納、比較和報告整理。

制定目標不會把你限制在單一階段。它更擅長連接多個階段，讓 AI 從「生成一個結果」走向「完成一項完整工作」。

誰能看到制定目標

制定目標目前更偏向高級 AI 工作流能力，可能不會直接展示給所有普通用戶。能否看到入口，取決於你的賬號、環境、版本和功能開關。

如果界面中沒有「制定目標」入口，通常表示該能力尚未對你的賬號開放。這不影響普通問卷創建、AI 對話、澄清、小帮手或其他功能。

制定目標不只是給 AI 多一個按鈕，而是讓 WeJot 裏的 AI 具備「帶着目標持續工作」的能力：知道要完成什麼、什麼時候繼續、什麼時候等用戶，最後還會檢查目標是否真正完成。

與其他能力的關係

制定目標不會取代 WeJot 的其他 AI 能力，它更像一層「長期目標管理」：

• 與「澄清」配合：先把模糊想法變成清晰的研究目標，再交給制定目標持續執行；
• 與「小帮手」配合：當任務需要並行分析或分角色處理時，小帮手負責分工執行，制定目標守住最終交付；
• 與「AI 訪談」配合：圍繞訪談研究目標生成訪談大綱、檢查追問策略、整理訪談材料；
• 與「Skills 管理」配合：Skills 決定 AI 能調用哪些能力，制定目標決定這些能力要圍繞什麼結果持續工作。

簡單來說，其他能力更關注「怎麼做」，制定目標更關注「要完成什麼，以及什麼時候才算完成」。