用户研究合成 nsdmgt/dsh-plugin-user-research

dsh-plugin-user-research

DeepSeek Harness 插件 · 把调研笔记变成产品决策输入访谈记录、问卷开放题或用户反馈,输出用户画像、痛点原话、可验证的机会点。

dsh-plugin
License: MIT
Tested against

简介

做用户研究最怕两件事:一是访谈/问卷记了一大堆,最后只能凭感觉总结;二是让 AI 直接总结,结果它替你"编"了好多原话里没有的结论。

这个插件做的是一个有方法论约束的用户研究合成工具:它不替你下判断,而是把原始素材按一套固定的研究框架拆成"画像—痛点—机会",让你能基于真实证据做决策。

它提供什么

- 一套主题分类口径(效率、易用性、成本、功能缺失、稳定性、服务支持),让散落在各处的用户原话自动归类。
- 一个反幻觉约束:痛点只引用用户原话,不扩写、不脑补。
- 一个机会评分口径:按"被多少人提到 + 是否明确表达痛苦"排序,帮你筛出值得先看的方向。
- 4 个可复用的研究技能(访谈分析、画像构建、机会地图、合成全流程)和 2 个模板(访谈提纲、合成画布)。

它能做什么

一个 agent 可调用的工具 + 一套方法论技能:

- 工具 research_synthesize:输入一份笔记文件,输出结构化合成结果
- personas — 推断的用户画像(角色 / 诉求信号 / 主题)
- painPoints — 抽出的痛点原话(带主题与严重度,绝不替用户编造结论)
- opportunities — 按信号强度排序的机会点(含可解释的评分口径)
- 技能(按名加载):/user-research-synthesis、/interview-analysis、/persona-build、/opportunity-map
- 模板:访谈提纲、合成画布(markdown)

使用过程

三步就能跑起来:

1. 准备素材:把访谈录音转写、问卷开放题导出、客服聊天记录或用户反馈整理成一个 .txt、.md 或 .csv 文件。
2. 调用工具:在 dsh 会话里说: 把 notes/interview-01.md 做一次用户研究合成,挑出前 3 个机会点。

agent 会调用 research_synthesize(filePath="notes/interview-01.md", maxOpportunities=3)。
3. 看结果:你会拿到一份结构化输出,包含按主题归类的痛点原话、推断出的用户画像,以及按信号强度排序的机会点。

适合谁用 / 运用场景

| 角色 | 场景 |
| 产品经理 / 需求分析师 | 做完用户访谈后,把 10 份录音转写快速合成出"用户真正在抱怨什么" |
| UX 研究员 / 设计师 | 从可用性测试笔记中抓出高频痛点,支撑设计决策 |
| 创业者 / 市场人员 | 整理问卷开放题、竞品评论、售前咨询记录,找未被满足的需求 |
| 客服 / 用户成功 | 把用户投诉和反馈聚类,定位产品改进优先级 |

一句话:只要你手里有一堆用户的原话,想把它变成"谁有什么痛、值不值得做"的清晰结论,这个工具就适合你。

安装

装入 web profile(装完需重启 web 服务)
dsh plugin --profile web add dsh-plugin-user-research

或临时用绝对路径挂载(开发期,不改全局配置):

dsh web --patch ./cordis.patch.yml
本地开发请把 cordis.patch.yml 里的 name 改为 index.js 的绝对路径,见文件内注释

装好后,在会话里直接说:

把 notes/interview-01.md 做一次用户研究合成,挑出前 3 个机会点。

agent 会调用 research_synthesize(filePath="notes/interview-01.md", maxOpportunities=3)。

它是怎么分类和打分的

主题分类素材会按 6 个常见维度自动归类:

- 性能 / 效率
- 易用性 / 上手
- 价格 / 成本
- 功能缺失
- 稳定性 / 信任
- 服务 / 支持

每个维度对应一组中文信号词。如果你对某个领域有特定口径(比如医疗、教育、B2B),可以在 synthesize.js 的 THEME_TAXONOMY 里自己增删。

机会点怎么排序机会得分 = 信号条数 × 1 + 显式痛点条数 × 2 简单说:被越多人反复提到、越明确表达痛苦的需求,得分越高。但它只告诉你"这里值得多看一眼",要不要做、能不能做,仍然要你自己结合业务判断。

为什么不"编"结论工具在输出痛点时,只引用用户原话,不会扩写成"用户认为……"。样本太少的时候,它也会直接提示"结论置信度低"。这样你拿到的东西才能拿去跟团队对质,而不是一段看起来很有道理但查无实据的漂亮话。

架构

dsh-plugin-user-research/
├── index.js # dsh 插件入口:把 synthesize 接成 research_synthesize 工具 ├── synthesize.js # 纯逻辑合成引擎(与 Cordis 解耦,可独立单测) ├── cordis.patch.yml # bundle 挂载描述(insert 行) ├── skills/ # 4 个方法论技能包(SKILL.md) ├── templates/ # 访谈提纲 / 合成画布 └── test/synthesize.test.js

核心逻辑刻意不依赖任何 @deepseek-ai/* 运行时,因此可以脱离 DeepSeek Harness 单独测试。

测试

node --test
9 通过 —— 覆盖语句切分、主题检测、痛点判定、画像推断、评分排序、计数截断、空输入

核心合成逻辑是脱离 dsh 框架写的纯函数，所以可以直接用 node --test 跑，不需要启动整个 agent 环境。这也是我们敢在预览期 dsh 上发布插件的底气——只要主题分类和评分逻辑不变，框架接口再怎么变，这部分都不会坏。

版本与兼容性

- 验证依据：@deepseek-ai/dsh@0.1.0-rc.7（npm latest，2026-08-19），Node ^22.19 || >=24
- ⚠️ DeepSeek Harness 为开发者预览，官方明确会有破坏性变更。升级 dsh 后请重跑 node --test 并核对 defineTool 契约。
- package.json 的 engines.dsh 已锁定 >=0.1.0-rc.7。

License

MIT