QualitativeResearch MCP
为定性研究提供知识图谱管理与结构化工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：QualitativeResearch MCP。 它的用途是：为定性研究提供知识图谱管理与结构化工具 完整的 Skill 内容见：https://321skill.com/skills/qualitativeresearch-mcp/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“我开始一项关于用户在线购物习惯的定性研究，这里是我整理的20份用户访谈文本摘要。请帮我识别其中的关键概念，如‘决策因素’、‘痛点’、‘使用场景’，并尝试建立它们之间的初步关系网络。” 它会引导你逐步确认概念、定义关系，并以结构化的方式呈现这个知识图谱，帮助你发现核心洞察。
介绍
该Skill旨在解决定性研究中资料零散、难以系统化分析和洞察提取的痛点。它通过提供结构化管理工具，帮助研究者将访谈记录、观察笔记、文献等非结构化数据，构建成互联的知识图谱，从而揭示概念间的深层关系。
使用时，你可以将研究资料导入或输入给AI，通过指令引导AI识别关键概念、实体、属性及其关系，并逐步构建和可视化你的知识图谱。它支持对图谱进行增删改查、分类标注和逻辑推理，使庞杂的定性数据变得清晰可循。
它特别适合从事社会科学、市场调研、用户研究等领域的学术研究者、数据分析师和产品经理。这些角色经常需要处理大量文本资料，并从中提炼理论模型或用户洞察。
建议在研究的早期资料整理阶段或中期分析阶段开始使用，以便尽早建立分析框架。注意，其分析深度依赖于输入资料的完整性和清晰度，对于高度抽象或隐含的逻辑关系，可能需要人工进行多次迭代和校准。
核心特点
与通用笔记或思维导图工具不同，它专为定性研究的分析流程设计，强调从原始资料中提取和关联概念以构建理论模型，而非简单的信息归类。同时，它深度集成在AI对话中，允许研究者通过自然语言交互动态地探索和修正知识结构，比静态绘图软件更灵活。
注意事项
不适合处理需要复杂定量统计或大规模数值计算的研究场景。
常见问题
这个Skill能帮我自动分析访谈录音吗？
不能直接处理音频，你需要先将录音转写成文字文本，再输入文本进行分析和构建知识图谱。
构建的知识图谱可以导出吗？
目前主要通过AI对话进行管理和查询，导出可视化图表或结构化数据的功能取决于该Skill的具体实现，建议查阅其官方文档。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/qualitativeresearch-mcp/raw/index.md 读取 QualitativeResearch MCP 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/qualitativeresearch-mcp/raw/index.md（查看排版版本）