TradingAgents-CN 用户调查体系实战指南23 题问卷设计、多渠道投放与数据分析到功能规划的完整方法论【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CNTradingAgents-CN 是一个基于多智能体 LLM 的中文金融交易框架为了让产品演进方向真正贴合用户需求项目在 docs/survey 目录下沉淀了一套完整的用户调查体系。本文以该目录中的 README.md 为索引主线结合 USER_SURVEY_2025.md、ONLINE_SURVEY_TEMPLATE.json、SURVEY_ANALYSIS_GUIDE.md 与 PROMOTION_TEMPLATES.md 四份配套文档系统讲解从问卷结构设计、跨平台投放、宣传推广、数据清洗与质量控制到用户分群、KPI 定义、可视化、深度分析与报告撰写、再到结果落地为功能规划的完整闭环。读完本文你将掌握一套可直接复制的开源项目用户调研方法论并能把它迁移到任何 AI 工具类产品的迭代流程中。一、调查体系概览四份文档的分工与协作docs/survey目录下共包含 4 份文档 1 份模板文件它们分别覆盖了问卷本体、在线化结构、分析方法、宣传物料四个环节文件类型定位与适用场景USER_SURVEY_2025.mdMarkdown 完整问卷包含 23 个问题、6 个部分可直接复制粘贴适用于 GitHub Issue、邮件、文档分享ONLINE_SURVEY_TEMPLATE.jsonJSON 结构化模板面向问卷星、腾讯问卷、Google Forms 等平台包含问题类型、选项、必填约束、条件逻辑跳转等机器可读配置SURVEY_ANALYSIS_GUIDE.md分析指南定义数据分析维度、KPI 指标、可视化建议与报告撰写模板README.md使用说明问卷使用说明、发布渠道建议与数据收集方法是整个调查体系的入口值得强调的是JSON 模板与 Markdown 问卷在内容上严格同源JSON 中的survey.sections数组按section_1至section_6六个区块组织每个问题带有id、type、required、options等字段其中type取值包括single_choice单选、multiple_choice多选、rating评分与text文本/开放题且支持max_choices限制最多选择项数、allow_other是否允许补充其他以及condition条件逻辑等高级配置。这种一人填写、双格式并存的设计让同一套问卷既能手工分发也能批量导入在线平台。二、问卷设计详解23 题、6 个部分的内在逻辑问卷的核心理念是用最少的问题覆盖最多的决策信息。整套问卷分为 6 个部分共 23 题各部分对应一个明确的调研目标部分题数对应题号调研目标第一部分基本信息5 题Q1–Q5用户画像职业、投资经验、交易市场、编程能力、地区第二部分使用情况4 题Q6–Q9用户来源、使用时长、使用频率、使用方式第三部分使用目的3 题Q10–Q12核心诉求、产品价值点、分析标的类型第四部分功能需求5 题Q13–Q17功能使用率、新功能期望、满意度、速度、痛点第五部分付费意愿2 题Q18–Q19商业化可能性付费功能与价格区间第六部分开放反馈4 题Q20–Q23深度定性反馈与深度访谈邀约2.1 第一部分基本信息Q1–Q5该部分用于建立用户画像基线是后续所有交叉分析的分组维度Q1 职业背景单选9 个选项——个人投资者散户、专业交易员、量化研究员/分析师、基金经理/投资顾问、金融科技从业者、软件开发工程师、数据科学家/AI 研究员、学生/研究人员以及可补充的其他Q2 投资经验单选1 年以下、1-3 年、3-5 年、5-10 年、10 年以上五个梯度覆盖从新手到资深的全生命周期Q3 交易市场多选A 股、港股、美股、加密货币、期货/期权、外汇该题直接决定了后续市场支持功能的优先级判断Q4 编程能力单选从完全不会编程到专业开发者五档用于区分 Web 用户与技术用户Q5 所在地区单选中国大陆、港澳台、亚洲其他、北美、欧洲等。2.2 第二部分使用情况Q6–Q9该部分回答用户从哪来、用多久、多频繁、用什么方式用Q6 了解到项目的渠道单选GitHub 搜索/推荐、技术社区知乎/CSDN/掘金等、朋友推荐、社交媒体、技术博客可用于评估各渠道的获客 ROIQ7 使用时长单选从1 周内到6 个月以上五档是留存分析的时间轴基础Q8 使用频率单选每天、每周 3-5 次、每周 1-2 次、每月几次、偶尔、仅试用直接产出 DAU/WAU/MAU 之外的轻量活跃度画像Q9 使用方式多选Web 界面、CLI 命令行工具、API 接口调用、直接修改源码、集成到自己的系统——这一问题精确映射了项目真实提供的能力形态。2.3 第三部分使用目的Q10–Q12Q10 主要使用目的多选最多 3 项获取股票分析报告辅助决策、学习 AI 金融应用、研究多智能体系统、开发量化交易系统、批量分析多只股票、验证投资策略、学习 Python/AI 编程、作为研究项目等Q11 最看重的特点多选最多 3 项多角度分析看涨/看跌/风险分析师、支持多种大模型DeepSeek/通义千问/GPT 等、开源免费、可自定义配置、分析报告质量高、支持批量分析、Web 界面易用、代码质量好易于二次开发Q12 常分析的股票类型多选大盘蓝筹、中小盘成长、科技股、新能源/新兴产业、传统行业、概念/题材股、不限。2.4 第四部分功能需求Q13–Q17该部分是整份问卷中信息量最大、最能指导产品迭代的模块Q13 当前使用最多的功能多选最多 3 项单股分析、批量分析、自定义分析师组合、调整研究深度、切换大模型、查看历史分析记录、导出分析报告、API 接口调用Q14 希望增加的新功能多选不限数量按数据分析类 / AI 功能类 / 用户体验类 / 协作功能类 / 高级功能类五组共 26 个候选A–Z涵盖更多市场支持、实时行情预警、技术指标分析、自然语言问答、智能选股、移动端 App、回测、模拟交易、自动交易接口、自定义策略等并保留其他建议开放项Q15 分析报告满意度5 分评分非常满意5 分到很不满意1 分并附不满意原因开放题在 JSON 模板中该开放题通过condition字段实现逻辑跳转——仅当 Q15 评分 3时才显示Q16 分析速度单选四档感受评价Q17 使用中遇到的主要问题多选安装配置困难、文档不够详细、功能不知道怎么用、分析结果不准确、系统经常出错、API 费用太高、不支持所需市场、界面不够友好等是后续修复高频问题行动项的直接输入。2.5 第五部分付费意愿Q18–Q19Q18 愿意为哪些功能付费多选更快分析速度优先队列、更高级大模型、更多分析次数、实时行情与预警、高级数据源、专属客服、定制化开发并设置不愿意付费只用免费版选项以量化免费用户比例Q19 可接受的价格区间单选从免费就好到200 元/月以上外加一次性买断选项为订阅制 vs 买断制的定价模型提供依据。2.6 第六部分开放反馈Q20–Q23三个开放题最满意、最不满意、其他建议 一个深度访谈邀约题Q23。Q23 在 JSON 模板中同样带有条件逻辑只有选择愿意时才弹出请留下联系方式邮箱/微信/电话的文本题q23_1实现隐私前提下的最小化信息采集。三、问卷投放的三种方法文档给出了三种数据收集路径按推荐优先级排列方法 1在线问卷平台推荐问卷星登录后创建新问卷参考 ONLINE_SURVEY_TEMPLATE.json 手动创建问题或使用平台导入功能发布后获取链接腾讯问卷参考 JSON 模板创建问题重点利用逻辑跳转能力——例如第 15 题评分不满意时才显示原因填写Google Forms创建表单后设置必填项与条件逻辑。方法 2GitHub Issue在仓库创建 Issue 模板复制 USER_SURVEY_2025.md 内容用户直接在 Issue 下回复提交之后手动整理数据。适合偏好社区化、透明化反馈的开发者用户群体。方法 3邮件将 Markdown 问卷复制后发送到用户邮箱用户回复邮件提交同样手动整理。适合已沉淀邮件联系方式的存量用户。从代码库视角看这三种方式恰好与 TradingAgents-CN 的用户触达面吻合项目同时提供 Web 前端、CLI 工具 与 API 服务 三种使用入口不同技术背景的用户会自然选择不同的反馈渠道多渠道投放可以尽量降低样本偏差。四、多渠道宣传与发布策略4.1 短文案矩阵PROMOTION_TEMPLATES.md 提供了三套社交媒体短文案覆盖三种投放心理简洁版强调5 分钟问卷 API 额度抽奖 新功能优先体验适合快速传播福利版突出API 额度价值 100 元、新功能优先体验权、定制开发优先权三重复利痛点版从分析速度太慢功能不够用不知道怎么配置切入以共鸣驱动填写适合已经使用过产品的用户。4.2 各类渠道的标准模板GitHub README 横幅在 README 中插入用户调查进行中横幅附参与链接与福利说明置顶 Issue 公告标题TradingAgents-CN 用户调查正文说明调查目的优化功能、开发新功能、改进体验、参与福利与填写入口PROMOTION_TEMPLATES.md 还给出了完整 Issue 模板包含调查目的、参与方式在线问卷 Issue 回复双通道后者用details折叠问题列表、福利分层所有参与者/幸运用户/深度访谈用户、时间安排与调查进度条当前参与人数0 / 目标200技术社区知乎发布文章、CSDN/掘金发布博客统一采用项目介绍 → 调查背景 → 问卷链接 → 参与福利的四段式结构社交媒体微信公众号标题 项目简介 问卷二维码 福利、微博话题标签#TradingAgents# #AI股票分析# 短文案、Twitter英文版强调 API credits early access用户群组微信群与 QQ 群各有正式版、轻松版、催促版三种语气模板——催促版在发布一周后使用用于临期提醒直播/视频脚本提供完整的开场白脚本说明为什么做调查 → 用户反馈决定开发方向 → 福利说明的沟通链路进度更新与抽奖公告每周更新模板参与人数/进度条/热门反馈 Top 3用于制造紧迫感抽奖公告模板用于结果公布与名单公示。PROMOTION_TEMPLATES.md 最后给出六条使用建议选择合适的渠道、多次推广、强调福利、展示进度、真诚沟通、及时反馈。五、数据收集与质量控制5.1 目标样本量与收集周期样本量用途50 份最小样本量仅够基础分析200 份理想样本量可支撑深度分析500 份优质样本量实现全面分析收集周期规划为四周第一周集中推广快速收集 → 第二周持续推广补充样本 → 第三周定向邀请提高质量 → 第四周收尾并数据清洗。5.2 有效/无效问卷判定标准有效问卷标准完成度 ≥ 80%至少回答 18 个问题答题时间 ≥ 2 分钟排除随意填写逻辑一致性检查交叉验证前后矛盾的回答。无效问卷识别特征全选同一选项直线作答答题时间过短 1 分钟开放题答非所问或乱填。5.3 数据清洗脚本分析指南给出了可直接运行的 Python 清洗示例基于 pandas完整继承了该脚本并补充注释# 示例Python 数据清洗脚本 import pandas as pd # 读取数据 df pd.read_excel(survey_data.xlsx) # 删除无效问卷 df df[df[完成度] 0.8] df df[df[答题时间] 120] # 至少 2 分钟 # 处理缺失值 df df.fillna(未填写) # 保存清洗后的数据 df.to_excel(survey_data_cleaned.xlsx, indexFalse)5.4 激励机制设计激励分为两类即时激励完成问卷后显示抽奖结果、提供项目最新进展报告、赠送使用技巧文档与延迟激励抽取幸运用户赠送 API 额度、邀请深度访谈附加奖励、优先体验新功能。两层激励分别作用于提高完成率和筛选高价值用户两个目标。六、数据分析维度与方法SURVEY_ANALYSIS_GUIDE.md 将分析拆解为五个维度6.1 用户分群分析按职业背景分群投资者群体个人投资者、专业交易员、基金经理、技术群体开发工程师、数据科学家、量化研究员、学习群体学生、研究人员按编程能力分群非技术用户 / 半技术用户 / 技术用户按投资经验分群新手1-3 年、中级3-5 年、资深5 年以上。6.2 交叉分析职业 × 使用目的投资者更关注分析报告与投资决策技术人员更关注学习 AI 与二次开发研究人员更关注多智能体系统与策略验证编程能力 × 使用方式非技术用户主要使用 Web 界面技术用户使用 CLI、API、修改源码投资经验 × 功能需求新手更需要基础分析与学习功能资深用户更需要高级功能与定制化。6.3 功能优先级分析统计 Q13 选择频率 → 得出最常用功能 Top 5与使用率低的功能需改进或下线统计 Q14 选择频率 → 得出最需要的新功能 Top 10与不同用户群体的差异化需求。6.4 满意度分析Q15 分析报告满意度分布、Q16 分析速度满意度分布Q17 主要问题频率统计并按用户群体拆解差异化痛点。6.5 商业化分析Q18 愿意付费的功能类型、Q19 可接受价格区间付费用户画像哪些群体更愿意付费付费意愿与使用频率、职业背景的相关性。七、关键指标KPI定义分析指南将评价体系量化为四组 KPI用户活跃度指标DAU/WAU/MAU日/周/月活跃用户、使用频率分布、不同时间段的留存率。功能使用指标功能覆盖率 使用过的功能数量 ÷ 总功能数量核心功能使用率单股分析、批量分析的使用比例高级功能使用率API、CLI 的使用比例。满意度指标NPS净推荐值、平均满意度得分、问题发生率遇到问题的用户比例。商业化指标付费意愿率、ARPU每用户平均收入即预估平均付费金额、各付费功能的需求强度。八、数据可视化建议分析指南给出五类图表建议及 ASCII 示意可直接照搬用于报告用户画像图表职业分布饼图、投资经验分布柱状图使用情况图表使用频率漏斗图、使用方式分布多选Web 界面可达 80%功能需求热力图新功能需求 Top 10 条形图示例排序实时行情监控 85% → 支持更多市场 75% → 智能选股 70% → 移动端 App 65% → 回测 60% → 技术指标 55% → 投资组合优化 50% → 自然语言问答 45% → 市场情绪分析 40% → 邮件通知 35%满意度雷达图以分析质量、速度、易用性、功能性、稳定性五个维度呈现。九、深度分析方法9.1 RFM 模型与用户分层将 RFM 模型迁移到非电商场景RRecency最近一次使用时间、FFrequency使用频率、MMonetary付费意愿/金额。据此将用户分为四层核心用户高频使用 高满意度 愿意付费活跃用户中高频使用 中等满意度潜在用户低频使用 有兴趣但未深入流失用户试用后不再使用。9.2 需求优先级矩阵两个经典的二维决策矩阵重要性 × 紧急性矩阵高重要高紧急 → 立即做核心功能高重要低紧急 → 计划做重要功能低重要高紧急 → 快速做简单优化低重要低紧急 → 暂不做。价值 × 成本矩阵高价值低成本 → 优先开发高价值高成本 → 战略项目低价值低成本 → 可选项低价值高成本 → 不做。9.3 用户旅程与流失点分析典型用户路径五阶段发现 → 试用 → 使用 → 留存 → 推荐。流失点集中在安装配置困难、首次使用不顺利、功能不满足需求、性能/稳定性问题——这四个流失点与 Q17 的问题选项一一对应形成问卷采集 → 旅程定位 → 定向修复的闭环。十、报告撰写模板分析指南将调查报告规定为七个章节执行摘要调查概况样本量、时间、方法、核心发现3-5 条、关键建议3-5 条用户画像职业分布、投资经验、技术能力、地域分布使用情况分析用户来源、使用频率、使用方式、使用目的功能分析当前功能使用情况、新功能需求排序、功能优先级建议满意度分析整体满意度、主要问题、改进建议商业化分析付费意愿、价格敏感度、付费功能建议行动计划短期1-3 个月、中期3-6 个月、长期6-12 个月。十一、从调查到行动结果公布与功能规划调查的终点不是报告而是行动。文档规划了三个递进阶段结果公布GitHub Issue 发布调查结果报告、项目文档更新用户画像、技术社区发布分析文章、社交媒体传播关键发现同时感谢参与者、公布抽奖结果、兑现承诺福利。立即行动1 个月内根据 Q17 修复高频问题、优化分析速度与质量、针对新手完善文档。短期计划1-3 个月按 Q14 的 Top 3 需求开发新功能、优化 Web 界面降低使用门槛、扩展市场支持港股、加密货币等。中期计划3-6 个月移动端开发App 或小程序、回测与模拟交易等高级功能、社区建设论坛、分享。长期计划6-12 个月商业化探索付费版/企业版、生态建设插件系统、第三方集成、国际化多语言、海外市场。十二、问卷内容与项目源码的对应关系问卷并非凭空设计其核心选项与 TradingAgents-CN 的真实能力一一对应这保证了调研结果可直接落地Q11 提到的多角度分析看涨/看跌/风险分析师对应源码中完整的智能体体系tradingagents/agents/researchers 下的bull_researcher.py看涨研究员与bear_researcher.py看跌研究员、tradingagents/agents/managers 下的risk_manager.py风险管理与research_manager.py研究管理以及 tradingagents/agents/trader/trader.py交易决策整个辩论-风控-交易流程由 trading_graph.py 编排Q11 的支持多种大模型DeepSeek/通义千问/GPT 等对应 tradingagents/llm_adapters 与 tradingagents/llm_clients 的多供应商适配层trading_graph.py 中的create_llm_by_provider支持 openai、siliconflow、openrouter、aihubmix、ollama、deepseek、qwen、glm、qianfan 等 provider 的动态创建Q9 的Web 界面 / CLI / API / 集成四种使用方式分别对应仓库中的 frontend、cli/main.py、app/routersAPI 路由层与 web 目录Q14 的回测、模拟交易对应项目已有的 paper trading 相关脚本如 scripts 目录中的init_paper_trading_market_rules.py、migrate_paper_trading_multi_market.py等。结语一套合格的用户调查交付的不只是一份问卷和一份报告而是一条设计 → 投放 → 收集 → 清洗 → 分析 → 决策 → 落地的完整数据闭环。TradingAgents-CN 的docs/survey目录将这个闭环所需的全部物料——23 题问卷、JSON 在线模板、分析指南、宣传文案库——以可复制的形式沉淀下来。任何开源项目或 AI 产品团队都可以直接基于这套体系结合自身源码的真实能力如本文第十二节所示的对齐方式快速启动一轮高质量的社区调研。问卷版本信息v1.0发布于 2025-01-20有效期为 2025-01-20 至 2025-02-28。使用过程中如有问题可通过项目仓库的 Issue 渠道反馈或参考 README.md 中提供的联系方式。【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考