AI 小帮手

一个 AI 熬夜看十万条数据的时代结束了，问卷派开始让一个 AI 研究部门同时开工。

「AI 小帮手」把 SubAgent 协同分析 正式引入到数据分析场景：主 Agent 不再一个人硬扛海量数据，而是像一个研究团队一样，把大任务拆给若干位「小帮手」并行处理，最后再统一汇总。

为什么需要小帮手

实践中我们发现，很多复杂任务并不适合只靠单个 Agent：

• 数万条用户反馈、大量开放题文本、海量评论与舆情数据；
• 数据一多，一个 Agent 处理或读取大量数据容易出现上下文膨胀，注意力飘移甚至模型直接报错；
• 单一视角也容易遗漏边缘信号 —— 一份反馈既要看情绪，又要看痛点，还要做标签和趋势。

「AI 小帮手」让系统像一个真实团队那样工作：有人分析，有人分类，有人总结，最后再统一汇总。

它出现在哪里

• 对话输入框 / 唤起快捷功能

  在输入框输入 /，弹出的 Skill 浮层顶部就有「小帮手」的内置入口。点击后，输入框会出现「小帮手」标签，表示本轮会话会把可并行的子任务委派给小帮手们去做。

  

• 对话流中的「小帮手工作组」

  当主 Agent 调用小帮手时，对话流里会出现一个批量分析信息块，按 batch 分组展示每位小帮手：

  • 每位小帮手有自己的编号、头像、昵称（例如「01 号小帮手 搜索员」）；
  • 进行中显示转圈动画 + 当前正在做的事（「正在文本分析中」「读取数据已完成，继续下一步」）；
  • 完成后自动打勾并折叠子任务列表，主 Agent 接管后续汇总；
  • 鼠标 hover 头像，会浮出一张小帮手信息卡片，展示当前执行的子任务清单及各步骤状态（待执行 / 进行中 / 已完成）。

  

它是怎么工作的

「AI 小帮手」是一个多 Agent 协同的执行模式：

1. 主 Agent 拆解任务：把一次大型分析切分为多个可并行的子任务，并为每个子任务挑选合适的「小帮手」角色；
2. 并行委派：每位小帮手在独立的上下文中处理自己负责的那部分数据，互不污染上下文，避免单 Agent 处理海量数据时的上下文膨胀与注意力飘移；
3. 过程可见：每位小帮手的工具调用、阶段进展实时反馈到对话流中；
4. 统一汇总：所有小帮手完成后，主 Agent 汇总各方结论，输出分析结论、图表，乃至完整报告。

比如一份十万条 VOC 用户反馈：一个小帮手负责情绪分析，一个负责提炼用户痛点，一个负责标签分类，一个负责发现异常观点，一个负责总结趋势变化 —— 最后由主 Agent 统一调度与汇总，从海量文本中洞察趋势、痛点与潜在需求。

你可以自己定义「让谁干什么」

「AI 小帮手」不是固定流程，你可以在对话里直接告诉主 Agent 怎么分工，例如：

• 「站在产品经理视角分析」
• 「只寻找用户流失原因」
• 「聚焦高价值用户需求」
• 「挖掘竞品尚未满足的需求」

主 Agent 会按你的视角拆任务、起角色、分发给对应的小帮手并行处理。

一些贴心的细节

• 小帮手身份稳定：同一个项目里同名的小帮手共享同一个头像；刷新页面、再次进入会话，头像与编号都不会变；
• 跨项目互不打扰：不同问卷各自独立洗牌头像序列，新项目第一次出现时重新随机，保证同项目内小帮手头像不重复；
• 流式过程稳定渲染：每个 batch 的小帮手以稳定 ID 渲染，流式过程中头像和身份不会漂移；
• 完成即折叠：所有小帮手完成工作后子列表自动收起，对话流保持整洁。

它适合谁

如果你也正在经历：

• 用户研究 / VOC 分析 —— 大量开放题、访谈记录、用户反馈；
• 市场研究 / 竞品研究 —— 多个维度、多个对手并行扫描；
• 数据分析 —— 同一批数据要从多个视角同时拆解；
• 舆情监测 —— 海量评论、跨平台内容的情绪与话题归类。

那么把任务交给「AI 小帮手」，让一个 AI 研究团队同时开工，会比一个人熬夜看十万条数据高效得多。

和其他能力的关系

• 与「理思路」配合：先用「理思路」把研究意图理清，再让「AI 小帮手」并行执行分析；
• 与「Skills 管理」配合：小帮手在执行时仍然会调用已启用的官方 / 自定义 Skill（如「文本分析」「数据分析」「文档生成」等），你可以通过 Skills 管理控制它们的能力边界。

「问卷派」不只是让 AI 帮你处理数据，更是让多个 AI 像一个真正的研究团队一样协同工作：分工、协作、互相校验、共同完成分析。