夜雨聆风最近经常有人问我：
“做质性研究，到底该用 NVivo，还是 MAXQDA？”
也有人问：
“Excel 能不能做编码？”
还有人更直接：
“用你们这个 AI 编码助手，是不是就不用 NVivo 了？”
这些问题看起来都在问工具。
但其实真正的问题是：你现在处在质性分析的哪个阶段？
不同阶段，需要的工具并不一样。
今天就用尽量直白的话，把这几类工具讲清楚。
01 Excel：适合小规模、轻量级、早期整理
Excel 最大的优点是简单。
几份访谈、几十条开放题回答、少量政策文本，用 Excel 完全可以开始。
你可以用几列来记录：
原始语料；初始编码；范畴；备注；研究者反思。
对于刚开始接触质性研究的人来说，Excel 反而很直观。
你能看到每一行材料如何被编码，也能快速筛选和排序。
但 Excel 的问题也很明显。
材料一多，就很难管理。
语料和编码之间的关系容易断。
节点层级不够清晰。
后续要展示、追溯、合并时，会变得越来越累。
所以我的建议是：Excel 可以作为起点，但不要把它当成大规模质性分析的终点。
02 NVivo：适合规范化项目管理和经典质性分析流程
NVivo 是很多学校和导师比较熟悉的工具。
它适合做比较规范的项目管理。
比如：
导入访谈稿；建立节点；给文本片段编码；查看节点下的语料；做案例分类和矩阵查询。
如果你的导师、课题组或学院本来就习惯 NVivo，那它是一个很稳的选择。
它的优势在于：
看起来专业；流程比较成熟；适合保留项目文件；便于后期回看编码证据。但它的学习成本不低。
很多同学真正卡住的，不是不会点软件按钮，而是不知道该怎么建节点、怎么合并范畴、怎么从材料里提炼主题。
工具提供的是容器。
但分析逻辑仍然要你自己完成。
03 MAXQDA：适合可视化、混合材料和更灵活的整理
MAXQDA 也很适合质性研究。
相比 NVivo，它在可视化、界面体验和材料管理上，对一些用户来说更友好。
如果你处理的不只是访谈文本，还包括开放题回答、图片、视频、文档、备忘录，它会比较顺手。
它适合那些希望在分析过程中不断查看、标注、比较、可视化的人。
但和 NVivo 一样，MAXQDA 也不能自动解决最核心的问题：
哪些标签有意义；
哪些范畴应该合并；
核心主题如何形成；
结果章怎么写。
专业软件能帮你管理材料，但不能替你完成研究判断。
04 普通AI：适合快速理解材料，但不适合直接当最终分析
普通聊天式 AI 最大的优势是快。
你把一段材料丢进去，它能帮你总结、归纳、提炼关键词。
对于早期熟悉材料、快速寻找可能主题，它确实有帮助。
但问题也很明显：
长文本处理不稳定；语料和编码之间对应关系容易丢；不同研究范式经常混用；输出结果看起来很完整，但不一定能回到原文验证。
所以普通 AI 更适合做辅助思考。
比如：
帮你发现可能方向；帮你整理访谈摘要；帮你优化方法章表达；帮你检查结果章逻辑。
但如果你直接让它替你完成全部编码，就要非常谨慎。
05 AI编码助手：适合大规模语料的初步整理和链路保留
这也是我们做「织言AI编码助手」时最想解决的问题。
很多人不是不会分析。
而是被大量机械工作拖住了：
几十万字访谈稿；上千条初始标签；反复合并节点；导出编码表；整理 NVivo 或 MAXQDA 工程文件。
这些事情很耗时间，但又不完全等于研究洞察。
AI编码助手更适合做的是：
帮助你快速生成初始编码建议；
整理一、二、三级编码结构；
保留原始语料和编码之间的对应关系；辅助导出后续可复核、可修改的材料；让你把精力放回判断、解释和写作。
它不是替代研究者，而是把机械整理从研究者手里拿走一部分。
06 最实用的选择建议
如果你的材料很少，先用 Excel 没问题。
如果你的导师明确要求项目文件，优先考虑 NVivo 或 MAXQDA。
如果你只是想快速熟悉材料，可以用普通 AI 辅助阅读。
如果你有大量访谈稿，需要快速整理编码结构，并希望后续还能追溯、导出和复核，可以考虑 AI编码助手。
更实际的组合是：
AI编码助手先帮你整理初始编码和范畴结构；
研究者进行人工复核和调整；
必要时导入 NVivo 或 MAXQDA 做项目管理；
最后在论文中呈现清晰的编码链路和分析解释。
最后说一句
工具不是越贵越好。
也不是越智能越好。
真正重要的是，它能不能服务你的研究过程。
好的工具，应该让材料更清楚，让编码更可追溯，让研究者有更多时间做判断。
