Codex原始数据处理与研究报告重构约束文档（V0.3） 用途说明 本文件用于约束 Codex 重新处理本课题原始材料并重构报告。它不是最终报告正文，而是“如何正确做这件事”的工作纪律。Codex 在处理原始数据、生成中间成果和逐节撰写正文时，必须遵守本文件所有条目。任何超出本文件范围的判断，必须先经过人工确认。 一、最高级约束：报告重心是“人的诉求”，不是“AI行为观察” 本研究的核心研究对象是大学生游戏创作者和玩家，AI工具只是他们实现目标的手段。报告必须围绕人的诉求、协同过程、深层需求展开，而非围绕AI的渗透率、使用环节分布或功能调用频率展开。 研究的两层工作结构 本研究的数据处理工作包含两个层面： 第一层：基础描述（必要的过程性工作） AI进入了哪些环节（行为观察） 进入的深度如何（使用程度） 哪些环节用得最多（分布统计） 这些是定量分析中必然产生的基础描述，用于回答“发生了什么”以及“在多大范围内发生”。它们应当被如实记录和呈现，作为研究的背景与数据基础，但不应成为报告的最终结论或核心回答。 第二层：核心结论（报告要回答的内容） 用户为什么用AI（起点诉求） 用了之后怎样协同（过程） 什么顺、什么卡（协同质量） 反映了什么深层需求（诉求提炼） 报告的核心篇幅和最终结论，应当围绕第二层展开。第一层的数据描述作为支撑材料，服务于第二层的结论提炼，而不是替代它。 两者关系： 第一层是“原材料描述”——相当于研究中的“描述性统计”部分，是必要的。 第二层是“解释性结论”——相当于研究中的“洞察”部分，是报告的核心价值。 对Codex的写作要求： 在数据描述部分，可以呈现行为观察、使用深度和分布统计。 但在每个发现模块的结尾，必须上升到诉求提炼层面。 最终结论必须围绕核心问题（诉求、协同、深层需求）展开，而非止于“AI进入了哪些环节”。 二、研究对象、研究目标、核心问题必须前后一致 这是整份报告的第一约束，优先级高于结构安排、图表制作和语言润色。 必须形成以下完整链条： 研究对象决定“研究谁、研究什么” → 研究目标说明“为什么研究、希望认识什么” → 核心问题把研究目标拆成可以被材料回答的问题 → 正文各模块逐项回答核心问题 → 结论按照同一逻辑回应核心问题 → 建议只能由已经成立的发现和结论推出 正式重写前，必须先建立“总控对应表”，至少包含： 研究对象｜研究目标｜核心问题｜所需证据｜正文模块｜对应发现｜对应结论 任何材料如果无法进入这张表，必须判断： 是否与研究对象和核心问题无关，应删除； 是否只能作为背景或补充材料； 是否属于尚未被原始数据支持的待验证假设。 不得先把材料塞进正文，再倒推一个研究问题为其提供位置。 三、研究范围的核心声明 以下范围声明必须出现在正式报告“研究对象与范围”的开头，并成为后续所有分析的口径基础： “本研究并非泛化讨论所有 AI 产品。生产端以 Codex 为核心案例，考察 AI 编程工具如何嵌入大学生游戏开发中的程序工作流（需求拆解、编码、调试、人工审查与项目接入）；平台端以 TapTap 制造为核心案例，考察一站式平台如何支持大学生用户的全流程创作与生成实践（从创意到可玩/可发布产出），并观察大学生玩家对相关作品的体验与反馈。Claude Code、WorkBuddy、造化工坊及其他平台仅作为对照材料，用于辅助理解两类工具的共性与差异，不单独构成研究主体。” 必须稳定区分： Codex是生产端的核心案例，定位是程序工作流的嵌入工具。 TapTap制造是平台端的核心案例，定位是一站式全流程创作平台。 玩家部分主要观察体验过一站式AI游戏生成作品的大学生用户，不能扩大成所有游戏消费者。 其他专业工具和一站式平台只承担对照作用，不能在没有充分材料时另起并列研究主体。 所有实证结论必须限定在本次样本、核心案例和实际调查范围内，不得泛化为整个行业规律。 同一概念全篇应使用唯一、稳定的名称： “大学生游戏开发者”“创作者”“生产端用户”需明确指代关系 “平台端创作者”和“生产端开发者”属于不同对象 “玩家”“消费者”“体验者”在消费端语境下使用 “Codex”不等于“所有AI编程工具” “TapTap制造”不等于“所有一站式平台” 四、AI快速发展背景下的方法论前提 本研究的对象不是一款版本固定的App或消费品，而是一个仍处于快速迭代中的技术工具。AI模型的能力、使用场景和用户认知可能在数月内发生显著变化。 因此，本研究不试图建立“流失率”“留存率”或“长期使用预测”等传统产品指标，也不以当前样本的行为推断未来的产品表现。 研究的核心任务是：在给定的时间窗口内，记录大学生用户如何与AI工具协作、遇到了什么真实问题、反映了什么深层诉求。 这些发现的价值在于揭示人机协作的基本机制和需求结构，而非对当前产品的终局评价。AI会变，但“用户为什么需要它、什么环节卡住了”这类问题，会持续具有参考意义。 本段内容必须出现在正式报告“研究方法与样本”章节中，作为独立的方法论前提说明。 五、报告重构不是对旧稿做局部修补 现有05稿可以作为材料索引和问题清单，但不能直接作为新报告的正文底稿。 重构时不得： 按桌面研究→问卷→访谈→综合稿的文件顺序机械拼接； 先完整写桌面研究，再写问卷，再写访谈； 按产品名、问卷题号或团队执行流程堆放材料； 保留大量“研究原则、证据边界、流程口径”等元话语，却压缩真正的研究发现； 仅通过删除废话解决问题，而不重新判断报告究竟应该回答什么； 把旧稿中已有标题和结论默认为正确； 因为某句话已经在多份AI生成材料中重复出现，就把它当成得到多方印证。 新报告必须从“研究对象—目标—问题—发现—证据—结论”重新搭建。 六、材料来源与证据优先级 所有材料应按照以下层级使用： 第一层：原始材料 原始问卷数据（逐份答卷、变量、题目、跳转逻辑、有效样本判定） 每名受访者的原始逐字稿、录音转写或完整访谈记录 可追溯来源的外部桌面研究原文、报告、新闻、产品资料 原始研究设计、问卷题目与访谈提纲 第二层：基于原始材料形成的分析 重新计算的统计结果 根据逐字稿完成的受访者个案摘要 经核查的主题编码和跨案例比较 经核验来源的桌面研究假设与背景判断 第三层：已有中间稿 04分析稿、05综合稿 既有摘要、会议纪要及AI生成的二次总结 第三层材料只能作为索引、线索和待核查清单，不能直接作为事实来源。凡是重要数字、引语、结论，都必须回到第一层或经第一层核验后的第二层。 七、防止循环论证 报告需要呈现研究认识如何形成，但“研究过程”不是会议次数、版本迭代、人员分工和执行流水账。 应恢复以下认知链条： 早期桌面研究提出假设 → 问卷呈现群体分布、相关现象和差异 → 访谈解释具体过程、原因、矛盾和反例 → 原假设被支持、修正、限制或推翻 → 形成实证后的新发现 处理桌面研究时必须区分： 前期已经存在的行业判断或研究假设； 问卷和访谈之后才形成的后验结论； 后期被补写回桌研稿中的内容； 来源不清、可能由AI生成的判断。 不得把问卷或访谈得出的结论补进桌研，再以“桌研与实证相互印证”的方式重复证明同一件事。 每项重要结论都应标注其形成路径： 初始假设是什么？ 问卷提供了什么分布或差异？ 访谈解释了什么原因或过程？ 是否存在反例或冲突？ 最终结论相比初始假设发生了什么变化？ 八、定量与定性必须在同一项发现下整合 不得把定量、定性分别写成两个相互独立的章节。 每项发现必须按以下结构组织： 【发现标题】 用一句完整、可证实、有边界的判断概括本节发现。 【定量分布】 说明多少人、什么比例、哪些环节或分组存在怎样的分布。明确N、题目条件和统计口径。 【定性解释】 通过具体受访者过程解释为什么出现这种分布、用户怎样行动，以及不同人之间有何差异。 【桌面研究关系】 说明早期假设得到支持、修正还是反驳；不得把后验结论伪装成前期假设。 【反例与边界】 指出样本限制、不同情境或不能泛化的部分。 【诉求提炼】 从已成立的事实推导用户深层需求；不能越过证据直接提出企业级产品方案。 执行要求：定量与定性不得分别写成独立章节。每个发现模块内部，必须先呈现定量分布以说明“多少人/什么比例”，再用定性个案解释“为什么/怎样发生”，最后形成诉求提炼。全局的假设验证表（桌面研究假设的验证、修正与未完成项）统一放在三个核心发现模块及跨端观察之后、综合结论之前，对应报告第八章。 九、核心发现模块的组织结构 生产端与平台端统一采用以下四节结构： X.1 起点诉求 X.2 协同过程 X.3 深层诉求提炼 X.4 本模块补充观察 消费端采用独立四节结构： X.1 主观感知（含证据边界说明） X.2 信任与支持 X.3 深层诉求提炼 X.4 本模块补充观察 消费端的“起点”是“玩家接触作品时如何形成初始判断”，不适用生产端/平台端的起点诉求框架。 十、原始问卷数据的重新处理要求 先重建数据字典：逐项核对题目原文、题型、变量名、选项编码、分支逻辑、缺失值含义、多选题拆分方式、量表方向、有效样本条件。不能直接沿用已有图表中的口径。 先确认分母，再计算比例：每一张表和每一个比例必须回答：这批人是谁？为何进入这道题？有效样本量N是多少？是总体样本还是某个筛选后的子样本？多选题比例的分母是什么？ 图表和数字必须能回答问题：不得为了“数据丰富”而堆图。每一组统计都必须说明：它对应哪个研究问题？它支持、限制还是反驳了哪项判断？ 正式报告中采用“先结论、后证据”的顺序。图表标题应直接表达图表所说明的事实，不能使用“提供线索”“具体证据”等模糊标题。 量表必须解释：所有平均分必须标明N、量表范围、高分和低分分别代表什么。 十一、原始访谈的重新处理要求 旧稿中的定性内容只能作为索引。必须逐份回到每一名受访者的原始材料。 每份访谈至少恢复： 受访者身份与能力背景； 具体项目与使用情境； 为什么选择该工具或平台； 实际行为顺序； 工具进入了哪些工作环节； 受访者如何修改、控制、验证或接管AI输出； 遇到了什么具体问题； 问题为什么出现； 受访者真正需要什么； 与其他受访者的共同点、差异、矛盾和反例。 不得提前给五名受访者分配“证据角色”，再把他们的材料硬塞进预设结论。 引语必须：能在原始逐字稿中定位；不改变受访者原意；保留理解该句所需的最小上下文；服务于一项明确发现；不用单个个案替代群体分布。 十二、核心问题的暂定版本（需在读取全部原始材料后最终确认） 大学生开发者使用Codex时，核心诉求是什么？在程序工作流中人与AI如何协同？什么顺、什么卡？ 以TapTap制造为核心案例，大学生创作者使用一站式平台时，核心诉求是什么？从生成到可玩或发布之间发生了什么？ 大学生玩家体验AI参与作品时，依据什么形成判断？什么条件下会从“试”走向“继续支持”？ 三个问题逐项对应研究对象和实际材料，不得纳入未充分调查的付费、留存、订阅或商业模式问题。 十三、产品建议的证据边界 产品建议必须紧跟具体发现，不能与前文脱节，也不能单独堆放成一章空泛建议。 建议应回答：前文确认了什么问题？用户真正需要什么？现有材料能支持多具体的建议？ 如果只有消费者访谈，而缺少平台内部资料、企业端访谈或专家材料，不得对单个平台作过度具体的诊断。 可以提出： 基于用户行为和需求的设计方向； 需要进一步验证的产品假设； 现有流程中明确暴露的能力缺口。 不能假装掌握平台内部目标、技术限制、运营数据和商业优先级。 十四、当前明确不能直接使用的结论或写法 以下内容必须先回到原始数据核验；没有证据时删除或降级为假设： “使用对象从代码片段转向项目链路。”——无历史对比数据。 “AI产出仍需人工处理。”——只描述现象，必须继续解释处理发生在哪、为什么发生。 “不同类型用户需求不同。”——必须先展示用户如何分层、各组样本量和对应差异。 关于付费意愿、留存、订阅、工具迁移和商业模式的完整判断。——现有调查不足。 “AI标注必然降低玩家评价”等来源不清的判断。——核验外部来源，并正面比较桌研与本次问卷是否冲突。 任何没有主语、没有样本条件、没有时间范围的抽象判断。 任何只因为出现在旧稿中就被视为已经成立的结论。 十五、桌研与实证结果冲突时的处理 不得为了让报告“顺”而隐藏冲突。 当外部研究、新闻判断或桌研假设与本次数据方向不一致时，应依次检查：两者研究对象是否相同；时间、平台、地区和作品类型是否相同；本次样本是否经过特殊筛选；题目表述和测量指标是否相同；外部材料是否可信。 正式报告应把冲突写成研究边界或新问题，而不是强行选择一个结果。 十六、动笔前的硬前置（精简版） 在正式生成报告正文前，先完成以下五项并等待人工核验： 原始问卷数据字典（含有效样本定义、筛选条件、分支逻辑、各模块实际N） 五份访谈个案摘要（每人半页：身份、项目、核心行为、关键原话定位） 研究假设演进表（桌研假设 → 问卷验证 → 访谈解释 → 修正/保留状态） 证据不足清单（明确列出“本次研究不回答”的结论） 核心问题-证据-结论总控表（三个问题各自对应哪些证据、得出什么结论） 其他项（图表、详细表格等）在写作过程中同步产出，不强制在动笔前全部完成。 十七、写作与核查规则 先写判断，再写数据和案例。 每个判断都要能回答“谁、在什么条件下、发生了什么”。 每个数字都要注明N、分母、筛选条件和指标含义。 每个引语都要能回到具体受访者和原始上下文。 定量用于说明分布、程度和差异；定性用于解释过程、原因、需求、差异与反例。 不用单个案例证明群体比例，不用小样本比例推断行业整体。 不凭空补全平台机制、用户动机或企业策略。 不把相关关系写成因果关系。 不把AI生成的二次总结当成新的独立证据。 如果证据不足，明确写“本研究无法据此判断”，不要猜测。 十八、报告交付前总检清单 逐项检查： □ 核心范围声明是否完整出现？ □ 研究对象、目标、核心问题是否逐项对应？ □ 正文每个模块是否在回答明确的核心问题？ □ 结论是否按同一顺序回应核心问题？ □ Codex是否被正确定位为“程序工作流”核心案例？ □ TapTap制造是否被正确定位为“全流程创作”核心案例？ □ 消费端结论是否限定在实际筛选样本内？ □ 是否删除了团队分工、执行流程和方法科普类冗余内容？ □ 是否回到原始答卷重算了所有关键数字？ □ 是否回到逐份访谈核验了所有重要引语？ □ 每个百分比是否有明确分母？ □ 每个平均分是否说明量表方向和含义？ □ 是否区分了初始假设与实证后的结论？ □ 是否排除了后补桌研造成的循环论证？ □ 是否正面处理桌研与问卷、访谈之间的冲突？ □ 是否避免讨论未充分调查的付费、留存和商业模式？ □ 是否呈现了差异、反例和研究边界？ □ 摘要、正文、结论中的核心说法是否完全一致？ V0.3 | 已固化，可据此开始五项硬前置