制定目標

複雜任務不用一直盯著看，讓 AI 帶著目標持續工作。

開啟 WeJot 的「制定目標」後，你只需要清楚說明想達成什麼。AI 會把目標拆解成任務、呼叫合適的能力，並跨多輪持續執行；當它需要你的判斷或確認時會停下來，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 製作一份 20 題的問卷並不難，難的是當問卷包含 20 條邏輯分支時，到最後是否還能記得第一個跳轉條件。邏輯一旦開始疊加，補一個追問可能破壞原有的跳轉，修好一個分支也可能漏掉另一個分支。

很多研究與內容生產工作，並不會在生成一段文字後就結束，通常要經歷「理解需求、拆解步驟、執行任務、修改結果、檢查交付」的完整循環。

例如：

• 從零設計一份具備研究目標、題目邏輯、可直接投放的完整問卷；
• 從開放題回答、訪談轉寫或使用者反饋中，提煉痛點、使用者分群與產品機會；
• 檢查既有問卷的題目表達、選項完整性、邏輯分支與分析維度；
• 推進完整的研究目標：先釐清方案，再生成問卷，最後給出樣本投放與結果分析建議。

這類任務在一般對話中經常遇到幾個問題：

• 長任務流程：AI 需要多次呼叫工具、反覆處理資料，單輪回覆無法涵蓋整個流程；
• 需要確認：研究對象、樣本範圍、題量取捨等關鍵資訊，不應由 AI 自行猜測；
• 容易中斷：頁面重新整理、網路波動、資源不足或模型執行失敗，都可能打斷執行；
• 上下文偏移：對話輪次變多後，AI 可能只關注最近的訊息，而忘記最初的交付要求；
• 完成標準不明確：有輸出不代表完成，你仍然需要確認內容是否涵蓋目標、是否可交付。

制定目標解決的，正是「複雜任務無法持續推進並被妥善驗收」的問題：把一次性對話變成一個具備目標、狀態、流程控制與完成檢查的工作流。

制定目標解決什麼問題

不是「繼續一下」，而是持續完成目標

許多研究工作需要先理解目標、拆解任務、呼叫工具、修改內容，再檢查結果。制定目標會把目標保存在目前的工作階段中；只要目標仍在進行，AI 就能推進到下一輪，不需要你反覆輸入「繼續」或「接著做」。

它特別適合：

• 從零建立複雜問卷：釐清研究目標、生成問卷結構、補充分支邏輯，並檢查是否能發布或投放；
• 持續優化既有專案：反覆修改題目表達、選項完整性、行動版體驗與分析維度；
• 分析資料並產出報告：把開放題、訪談轉寫、使用者反饋或 VOC 文字整理成可交付的分析報告；
• 將研究目標完整推進到底：先釐清目標，再生成問卷，最後建議樣本投放與結果分析。

制定目標更在意的不是「這一輪 AI 說了什麼」，而是「最終交付是否完成」。只要目標還沒結束，AI 就會把後續工作與先前的需求連結起來。

長任務不再只有「執行中」與「已停止」

複雜任務不一定適合一次執行到底。制定目標會在工作階段中顯示目標狀態與執行時間，讓你知道 AI 正在做什麼、為什麼暫停，以及下一步該由誰接手。

常見狀態包括：

• 進行中：AI 正在持續推進目標；
• 已暫停：你暫停任務，稍後可以繼續；
• 等待回覆：AI 需要你補充資訊或確認關鍵選擇；
• 受阻：因外部條件或必要資料不足，任務暫時無法繼續；
• 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、繼續、編輯或刪除目標。目標描述不準確時，可以直接編輯；不再需要時，可以刪除，且不會影響已經生成的對話內容。

當 AI 遇到研究對象不明確、兩個方案都合理、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，在你確認後才會繼續。這樣既能減少人工盯守，也能避免 AI 在關鍵決策上擅自猜測。

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資料、核對關鍵內容，並記錄檢查結果。

如果關鍵條件尚未滿足，AI 會繼續處理；如果目標符合要求，任務就會標記為完成；如果外部條件阻礙進展，則會進入「受阻」狀態，直到問題解決。

制定目標也支援在目標中新增驗收標準，例如：

• 問卷是否涵蓋研究目標；
• 邏輯分支是否完整，跳轉後能否回到正確路徑；
• 題目數量是否符合要求；
• 結果是否整理成可交付的報告；
• 使用者要求不要修改的內容是否被保留。

一次制定目標工作階段由哪些部分組成

目標描述

目標描述是制定目標的核心，應該說明你希望 AI 最終完成什麼，而不只是一次動作。

• 不夠清楚：幫我修改問卷
• 更適合制定目標：檢查這份新產品概念測試問卷，最佳化題目順序、選項完整性與邏輯分支，並確保最後能用於樣本投放

目標越明確，AI 越容易判斷下一步該做什麼，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，目標仍處於進行中時，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，複雜任務可以自然拆成多輪執行：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。

使用者確認

制定目標不會讓 AI 自行決定一切。當任務需要你的偏好、權限或商業判斷時，AI 會停下來詢問，等待你確認後再繼續。

這對研究對象、樣本範圍、題量限制、內容取捨與交付格式尤其重要。

目標審查

目標審查負責判斷「現在是否已經完成」：它會圍繞目標讀取資料、核對關鍵內容，並把結果寫回制定目標的狀態。

如果已完成，任務結束；如果關鍵條件未滿足，AI 會繼續處理；如果外部條件阻礙完成，則會進入「受阻」狀態。

如何寫出更好的目標

一個可執行的目標通常包含三部分：

1. 最終產出：你想要的是問卷、分析結論、報告、修改後的頁面，還是完整方案；
2. 品質標準：例如題目邏輯完整、可投入樣本投放、結論可追溯、內容分組清楚；
3. 邊界條件：例如限制題量、聚焦特定使用者群、使用特定題型，或不修改既有內容。

例如，與其簡單地說「幫我做一份問卷」，可以這樣描述：

幫我設計一份問卷，了解使用者知道哪些辦公室協作軟體。先列出 10 個軟體選項，並讓使用者自行補充；再請使用者針對自己知道的每個軟體評價滿意度；對不滿意的軟體，接著追問原因。

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

不建議只寫：

做一份關於辦公室協作軟體的問卷。

這樣雖然也能啟動任務，但 AI 需要猜測的內容太多，之後更容易反覆追問，或偏離真實需求。

制定目標如何融入 WeJot 工作流程

WeJot 的 AI 能力可以透過對話協同完成一項研究專案，而制定目標負責把最終結果串起來：

• 智慧問卷生成：從研究目標出發生成問卷結構，支援各種題型、邏輯與外觀，並持續檢查內容是否完整；
• 精準投放：問卷準備完成後，繼續圍繞目標族群、樣本條件與投放要求整理執行方案；
• 對話式資料洞察：透過對話分析回收資料、開放題與訪談素材，完成歸納、比較與報告整理。

制定目標不限制你只做某一個階段，它更擅長串連多個階段，讓 AI 從「生成一個結果」推進到「完成一項完整工作」。

誰能看到制定目標

制定目標目前偏向 AI 工作流的高階能力，可能不會直接展示給所有一般使用者。是否能看到入口，取決於你的帳號、環境、版本與功能開關。

如果介面中沒有「制定目標」入口，通常表示你的帳號尚未開放這項能力。這不影響一般問卷建立、AI 對話、「澄清」、小帮手等其他功能的使用。

制定目標不是讓 AI 多一個按鈕，而是讓 WeJot 的 AI 具備「帶著目標持續工作」的能力：知道要完成什麼、何時該繼續、何時要等待使用者，最後還要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，它更像是「長期目標管理」的一層：

• 與「澄清」配合：先把模糊想法釐清成明確的研究目標，再交給制定目標持續執行；
• 與「小帮手」配合：當任務需要平行分析或分角色處理時，小帮手分工執行，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、整理訪談素材；
• 與「Skills 管理」配合：Skills 決定 AI 能呼叫哪些能力，制定目標決定這些能力要持續朝什麼結果努力。

簡言之，其他能力更偏向「怎麼做」，而制定目標關注「要完成什麼、何時才算完成」。