快速回答：AI 表單工具值不值錢，看的是「一次描述能否產生可用測評」——題目、量表、計分規則與報告一起出來；而不是它反覆向你追問。判斷它能否交付，只測四件事：題目可逐條修改、計分隨題產生、每位填答者拿到一份成果、產生之後你仍然全權可控。
我們反覆聽到的抱怨
這類情境在選型討論裡幾乎天天出現：你說明需求，AI 回你一個問題；你答完，它再問一個——十輪之後你手上只有一段對話紀錄，沒有表單。另一種走向剛好相反：它一次拋出十道放諸四海皆準的題（「你給這次體驗打幾分？」），計分還得你自己補。兩種毛病其實是同一個：沒有把活幹完。
能交付的工具要過四道關卡
1
一次就把題出全
描述一次情境，得到完整的題組：題幹、作答類型、選項，直接可改；而不是等你繼續補對話的半成品。
2
計分與題目同行
沒有計分的診斷就只是一份問卷。構面、權重與分檔要跟著首版草稿一起出來——正是這一步把「一個答案」變成「量表上的一個位置」。
3
填答者能收到成果
交付物才是目的：每位填答者一份帶分數、讀得懂的報告。若工具只給到統計面板，欠客戶的文件仍然由你手寫。
4
產生後仍然可控
AI 的產出是初稿，不是定論。改不動一道題、調不了一個量表、挪不了一個構面，那這次產生本來就不屬於你。
題目為什麼容易寫空
提示詞太薄，表單就太泛。只給一個主題，任何模型都會交出適合所有主題的通用題。三樣輸入能補掉大半：誰來答、你究竟在評什麼、答完這份報告對方該做什麼決定。然後自己動手刪冗餘——一道動不了分數的題，多半該留在卷外。AI 真正省力的地方在機械活：為你已經設計好的量表寫出可信的題幹、在你的規則確定後為每個分檔起草解讀，以及在四十份報告之間維持口徑一致——這是人類四十個晚上都換不來的。
下單前花十分鐘驗一驗
- 把上一個真實專案的情境寫成一段話丟進去，別逐步餵。
- 看產出有沒有作答類型與量表，而不是只有題幹。
- 找計分：構面與分檔要看得見，也改得動。
- 提交一份測試答卷，看報告是否產生，報告段落是否可編輯。
- 故意改一道題、一個量表。改不動，代表你租到的只是個範本。
五道檢查一次通過，這個 AI 是真在幹活。第三道就卡住的，最後仍要把資料匯出到表格裡自己寫報告——正是你想交出去的那件事。
在 FormLM 裡這一步長什麼樣
你描述一次情境，題目與作答類型、構面計分、報告範本一起產生；發布前，每道題、每個量表、每條計分規則都能在編輯器裡修改。填答者提交後，只要留了信箱，其個人評分 PDF 會自動產生並發出；群體對比給出統計檢定（Welch t 檢定與效應量），不用形容詞取代顯著性。AI 積分花在產生上，不花在收集答卷上——所以三份和三百份的試跑成本一樣。
什麼是 AI 表單產生器？
把你寫下的需求描述直接變成可用表單的工具：題幹、作答類型，通常還有條件邏輯，不必從空白表單開始搭。更有用的那一檔會把你的計分模型一起帶進結果裡——回收的答案是量表上的位置，不是表格裡的一行行資料。
AI 產生的題目為什麼顯得空洞？
因為提示詞裡沒有方法論。只給主題，任何模型都會返回適合所有主題的通用題。把受眾是誰、你實際在評哪些構面、答完報告後對方要做什麼決定講清楚，然後自己動刀刪冗餘。AI 起草的內容必須保持可改，因為初稿不等於測評工具。
報告裡的解讀該不該讓 AI 寫？
只在你允許的範圍內寫。計分應該是你設定的分檔與規則上的算術，這部分不是觀點。分數之上的文字解讀可以逐塊交給 AI 起草，那是代筆，不是取代你的方法論。框架歸你，打字這件事可以分出去。