本文是 MoodWave 系列的第二篇。上一篇《从 0 到 1我如何用 WorkBuddy 打造全网情绪雷达为我的 MoodWave App 喂数据》中我用 WorkBuddy 的小红书 Skill 做了一轮线上公开数据调研抓取了 88 条真实用户情绪内容。但线上数据有一个局限——它们来自已经在社交媒体上主动表达情绪的人不能代表沉默的大多数。一、从情绪雷达到线下问卷MoodWave的调研闭环在上一篇里我分享了用 WorkBuddy 搭建情绪雷达的过程——通过小红书 Skill 抓取真实用户内容AI 自动分类为学习、工作、情感、家庭四大类最终得出了一些很有价值的产品洞察。比如考研焦虑和精神内耗是高频关键词这直接影响了 MoodWave 的功能设计方向。但说实话线上数据只能覆盖愿意在网上说的人。我们做的是大学生情绪管理产品目标用户是整个大学生群体——包括那些从不发朋友圈、从不小红书倾诉、把情绪憋在心里的人。所以这次我决定补上调研的另一半线下问卷。目标很明确针对大学生目标 300份覆盖5所以上高校验证情绪雷达线上数据的结论是否在线下也成立二、校园问卷调研的老大难问题如果你在大学里待过一定见过这样的场景——年级群、班群里隔三差五就有人发大家麻烦帮忙填个问卷填完领红包然后发一个问卷星链接下面跟一个微信群红包。大多数人领了红包顺手填了但也总有人领完红包就消失了。发问卷的人盯着后台数据看着已发放红包数和有效问卷数之间的大缺口欲哭无泪。这就是校园问卷调研最常见的痛点红包发了数据没拿到。而 MoodWave 的这次调研我不打算踩这个坑。三、腾讯问卷红包与答题绑定解决薅羊毛问题在腾讯云开发者社区调研 OpenClaw 生态的时候我了解到腾讯问卷有一个很实用的机制红包与答题绑定——用户必须完成问卷提交才能领取红包。逻辑很简单❌ 传统方式发红包 → 祈祷别人填 → 亏了✅ 腾讯问卷用户填完 → 提交 → 领红包 → 双赢没有薅羊毛的空间每一分钱都花在了有效数据上。方案确定后接下来就是执行。但问题来了我想设置近20道题涵盖单选、多选、多行文本、段落说明还有引导语和结束语——手动一道一道创建估计半小时都不够。这时候WorkBuddy 再次出场了。四、WorkBuddy 腾讯问卷 MCPAI 帮我自动建问卷熟悉我上一篇文章的读者应该知道WorkBuddy 是一个基于 OpenClaw 生态的 AI Coding 助手最核心的能力是Skill 生态 AI Agent——它能调用各种 Skill自动化完成一整套工作流。上一次我用的是小红书 Skill 做情绪雷达这次用的是腾讯问卷 Skill。第一步设计问卷内容根据情绪雷达线上调研的结论我针对性地设计了 18 道题目覆盖 6 个维度部分题号调研目标对应情绪雷达结论基础信息Q1-Q3用户画像性别、年级、MBTI为后续个性化推荐积累数据情绪现状Q4-Q7负面情绪频率、来源、影响验证精神内耗是否普遍管理习惯Q8-Q11调节方式、App 使用、记录偏好验证用户是否愿意用工具辅助音乐治愈Q12-Q15音乐调节习惯、AI 音乐兴趣验证音乐治愈差异化路线功能需求Q16-Q17功能吸引力排序、首页偏好直接指导开发优先级开放建议Q18自由建议收集意料之外的洞察第二步配置腾讯问卷 MCP在 WorkBuddy 中加载「腾讯问卷」Skill 后只需要做一次鉴权配置访问腾讯问卷 Token 管理页面创建一个 API Token以wjpt_开头安装 mcporter CLI 并配置 MCP Server 连接第三步一句话AI 帮你建好整份问卷我把设计好的 Markdown 文档路径丢给 WorkBuddy它自动完成了解析文档——理解每道题的题干、选项、题型单选/多选/文本转换为 DSL 格式——腾讯问卷 API 要求的纯文本语法调用create_survey——一次性提交 18 道题自动验证——调用get_survey检查是否全部正确录入我需要做的就一件事检查 AI 生成的内容有没有问题。第四步后台检查、设置红包、发布拿到问卷链接后在腾讯问卷后台做最后检查设置红包金额和发放规则然后开启回收。从「写设计文档」到「发布问卷」——不到 10 分钟。五、数据回收线上 线下两份数据互相印证问卷发到学院群后填完才能领红包的机制让有效填写率大幅提升——截至统计时已回收105 份有效问卷目标 150仍在回收中。几个核心发现1. 负面情绪非常普遍——78.1% 每周至少出现 1 次。Q4 数据显示43.8% 的受访者每月 1-3 次、34.3% 每周 1-2 次、8.6% 每周 3 次以上、5.7% 几乎每天都有。只有 7.6% 表示几乎没有。这和情绪雷达抓到的高频关键词精神内耗焦虑完全吻合线上线下的结论一致。2. 就业/考研焦虑是第一压力源72.4%学业压力紧随其后66.7%。Q5 中这两项遥遥领先第三名自我否定只有 47.6%断层明显。对应情绪雷达中考研焦虑是出现频率最高的主题线下问卷再次确认了这个判断。3. 用户最想要的是一键快速记录和情绪可视化。Q16 功能吸引力排行中一键快速记录心情选表情几个字以46.7%位列第一情绪数据可视化周/月趋势图、热力日历以 38.1% 位列第二AI 聊天 37.1% 第三。这意味着用户最需要的是低门槛录入 直观反馈而不是花哨的功能。4. 67.7% 用户对音乐治愈产品持正面态度。Q14 中44.8% 表示比较愿意22.9% 表示非常愿意合计近七成。这验证了 MoodWave 走音乐 AI差异化路线的正确性也是比赛方案中最核心的卖点。5. 45.7% 用户最核心的期望是干净的治愈界面。Q17 的数据让我有点意外——接近一半的受访者选择了一个干净的、让人平静的治愈界面远超快速记录入口(11.4%) 和AI 温暖问候(17.1%)。这个数据直接推翻了我最初首页做成 Dashboard的想法Less is More首屏不能信息过载。6. Q18 开放建议中涌现了两条高价值洞察。一位用户建议采用轻社交模式——不要广场式论坛而是引入情绪调解者角色用正向反馈感谢评论、小锦旗降低社交压力。另一位用户建议 AI 应该是有记忆的虚拟伙伴支持捏脸定制从记录中学习用户做到既不过度也不冷漠。这两条建议直接影响了 MoodWave 社区模块和 AI Agent 的设计方向。最有意思的是线上情绪雷达和线下问卷这两份数据在核心结论上高度一致但又各自提供了对方没有的视角。线上数据帮我发现了考研焦虑这个大方向线下问卷帮我在怎么做的层面给出了具体指引——比如界面要干净和轻社交这两个关键洞察是纯线上数据给不了的。两者结合就是 MoodWave 产品决策的完整证据链。六、踩坑记录三个技术细节过程中遇到了几个坑记录一下坑 1引导语必须单行腾讯问卷 DSL 的引导语不能有空行分段否则报invalid_text_format。❌ 错误问卷标题 第一段引导语 第二段引导语✅ 正确问卷标题 第一段引导语。第二段引导语。写在同一行。坑 2分页语法在 API 创建时不一定支持 分页 通过 API 创建时可能不被识别。建议先不分页创建创建后在腾讯问卷后台手动调整分页。坑 3mcporter 需要全局安装首次使用需要npm install -g mcporter然后配置 MCP Server URL 和 Authorization Header。Token 从腾讯问卷管理页面获取以wjpt_开头。七、总结回头看这两次调研经历我觉得最值得分享的是一种思维方式先用情绪雷达快速摸底再用问卷调研精准验证。前者帮你发现用户在关心什么后者帮你确认用户到底需要什么。比如线上情绪雷达发现了考研焦虑是大方向线下问卷则帮我确认了界面要干净快速记录是第一需求社区要做轻社交这些具体的设计原则。两者结合你拿到的就不是一个模糊的我觉得用户需要这个而是有数据支撑的用户确实需要这个而且需求强度是这样的。而完成这两轮调研的工具都是 WorkBuddy——一个 Skill对接小红书一个 Skill对接腾讯问卷。你只需要想清楚我要调研什么剩下的交给 Agent 去执行。对于正在做项目的同学来说这套调研工作流真的可以试试。不论你是做创新创业比赛、课程大作业、还是自己的 side project有数据支撑的产品决策远比拍脑袋靠谱。