问卷平台正在经历一场AI驱动的革命性转变。从腾讯问卷的轻量化Skill到问卷星全栈式开源工具包wjx-ai-kit，这场变革正从简单的功能拓展演变为平台能力的深度重构。本文将深入拆解两种技术路径的差异，揭示问卷工具如何通过CLI、SDK、MCP三位一体的架构，实现从被动响应到主动融入Agent工作流的质变。

一、解析背景

上次在 UXRen 分享的时候我就说，腾讯问卷做 skill 之后，其他家一定会跟上，因为现在的趋势就是把自己的 app 做成给 agent 使用的工具。

果然，这次跟进的是老牌问卷平台问卷星。

但这次的姿势，跟腾讯不太一样。

腾讯问卷给的是一个 Skill——你点开后台龙虾图标，复制两句话，粘贴到 OpenClaw 或 Claude Code 里，就装好了。轻、快，抹平了“安装”这个动作。

问卷星这次直接开源了一个项目，叫 wjx-ai-kit，给的是一整套工具箱：CLI、SDK、MCP Server，三位一体。

格局不太一样。

二、它到底是个什么东西

直接看仓库的自我介绍：

问卷星 AI 工具套件 — SDK、MCP Server、CLI 三位一体，让 AI Agent 和开发者无缝操控问卷星 OpenAPI。

拆开来看是这么三个包：

（1）wjx-cli（主推）：命令行工具，67 个子命令，任意能跑 shell 的 AI 客户端都能用——Claude Code、OpenClaw、Cursor、Cline、Manus 都行；

（2）wjx-api-sdk：零依赖的 TypeScript SDK，48+ 个 API 函数，给开发者直接 import 用的；

（3）wjx-mcp-server：58 个 Tools / 8 个 Resources / 22 个 Prompts，给原生支持 MCP 协议的客户端用。

这其实是三个不同的东西，实际用只用其中一个就行了。

功能包含四层：

（1）问卷生产层（需求输入 → 创建问卷 → 发布 → 拿链接）

（2）数据回收层（监控进度 → 获取数据 → 统计报告 → 处理分析）

（3）企业样本管理层（通讯录、部门、标签、用户体系、权限）

（4）Agent 自动化层（自然语言 → CLI 执行 → 数据分析 → 输出报告）。

三、在 Claude Code 里怎么用

官方给的教程，把下边这段话发给你的agent：

请帮我安装问卷星工具：

1.先检查 Node.js 是否已安装（node –version），如果没有请帮我安装 Node.js 20+

2.运行 npm install -g wjx-cli 安装问卷星 CLI

3.安装完成后，告诉我去这个链接获取 API Key，等我把 Key 发给你

4.拿到我的 Key 后运行 wjx init –api-key <我的key> 完成配置

5.最后运行 wjx doctor 验证连接

之后跟 Claude 说”帮我做一份满意度问卷”、”分析下这组 NPS 评分”、”导出问卷 12345 的答卷”，它就会自动调 wjx-cli 完成。

体感跟腾讯问卷那个 Skill 是一致的——都是自然语言指令进，结构化结果出。

但底层不太一样。腾讯问卷的 Skill 装完是封装好的”应用”，问卷星这套装完你是真的有了一个能在 shell 里 wjx survey list、wjx response query –vid 12345 的 CLI 工具。

这个差异在写文章的时候不太重要，但在你想做点定制——比如串到 CI、串到 cron、串到自己写的 Python 脚本里——就开始重要起来了。

四、我自己跑了一遍

光看 README 不够，我直接装上跑了一遍。从安装到发布出一份能扫码答题的真问卷，总共没超过 2 分钟。

直接把 GitHub 地址给 claude code，然后跟他说跑一下测试，拉已有问卷，新建问卷都没问题。

五、跟腾讯问卷 Skill 的对比

我把问卷星与腾讯问卷skill两边的差异拉成一张表：

简单来说：

（1）腾讯问卷的姿势是“产品化”——把 AI 能力打磨成一个轻量、即装即用的 Skill，对用研同学最友好，开箱就能用。

（2）问卷星的姿势是“基础设施化”——把整个 OpenAPI 包装成 CLI/SDK/MCP，给 Agent 和开发者两条路，谁来都能接。

两条路没有谁更对，是面向的人群不一样。

六、这两种思路意味着什么

我之前的文章说，腾讯问卷的 Skill 让我第一次感受到平台 AI 能力在“侵入”用研工作流——工作台从问卷后台转移到了 Agent 里。

问卷星这套方案，其实到了更深一层：当平台不仅仅给一个 Skill，而是把整个平台的能力全量包装成 Agent 可调用的形态，平台和 Agent 之间的关系就变了。

之前的关系是：用户用 Agent，Agent 调 API，平台被动响应。

现在的关系是：平台主动把自己重新组织成 Agent 可调用的形态，包括 Skill（给非技术用户）、CLI（给写脚本的人）、SDK（给写代码的人）、MCP（给原生支持的客户端）——它在为不同层级的“使用者”准备不同形态的接口。

这件事腾讯问卷做了第一层（Skill），问卷星这次做到了第四层。

未来用研同学的工作台，大概率不会停在某个特定 Agent 客户端里。它会变成一个能在不同场景调用不同接口的“乐高”——上午在 OpenClaw 里用 Skill 出问卷，下午在 IDE 里写脚本批量处理 50 份历史问卷的交叉分析，晚上 cron 定时跑一份每日 NPS 看板。

用研工具的核心，变成了“在 Agent 工作流里被随时调用”。

腾讯问卷打开了门，问卷星把门后的整面墙拆了。

看下一个跟进的问卷平台是哪家？