Skimle 是一个 AI 驱动的定性数据分析平台，能把非结构化文档（访谈、数据室文件、客户留言、公众征询意见、法律文书等）整理成有序、可分析的数据集。与那些只检索零散段落的聊天机器人不同，Skimle 会系统性地处理您的整个文档集：分析每一段落、提取要点，并将其组织成层级化的主题体系，且全程可追溯。完整介绍请见Skimle 的工作方式。
多数简易的 AI 分析工具采用 RAG（检索增强生成），在提问时才去检索相关段落，这意味着同一个问题问两次可能得到不同答案。Skimle 会预先系统性地处理您的整个数据集，建立稳定的结构，让每个主题都关联到经核验的引语。您得到的是完整覆盖、稳定一致的结果和全程可追溯，而不是黑箱式的答案。进一步了解为什么基于 RAG 的工具难以支撑严肃分析。
不需要。Skimle 是为研究者和分析人员设计的，而不是为程序员。界面直观（可以理解为表格加文档阅读器），全部 AI 处理都自动完成。会用 Google 文档和 Excel，就会用 Skimle。
多数用户在 15 到 30 分钟内就能上手。把文件添加为数据源，运行一次分析，然后复核并调整 AI 生成的主题——流程非常直接。传统的定性分析软件（NVivo、ATLAS.ti）可能需要数周才能掌握，而 Skimle 的界面就是为立即上手而设计的。
Skimle 支持 PDF、.docx、TXT、RTF、音频文件（MP3、M4A、WAV）和视频文件（MP4、MOV）。您把每种类型添加为数据源即可；对于音频和视频，Skimle 会在分析开始前自动转写，让整个流程集中在一处。同一个项目中可以混用多种格式。
可以。Skimle 内置的转写功能支持 MP3、M4A、WAV、MP4 和 MOV 文件。把录音添加为音频或视频数据源，Skimle 会在分析开始前完成转写，并可选择先复核并修改转写稿。引语始终可追溯到源头，因此无需另外购买转写服务。
每个项目最多 1,000 份文档。大多数场景涉及 10 至 200 份文档（常见的研究课题、咨询项目、政策征询），但 Skimle 也能承载数据室审阅或大规模文献分析这类庞大的文档集。
支持 100 多种语言。您可以上传任意语言的文档——Skimle 会以原文语言进行分析，同时构建统一的主题结构。这对欧盟范围的公众征询、全球市场研究或多语种学术研究尤其有用，无需事先翻译。
可以。您可以把英文访谈、德文报告和西班牙文问卷回答放进同一个项目。Skimle 会建立跨语言的主题类别，同时保留原文引语以便核验。
Skimle 表格是一个可交互的表格：每一行代表一份文档（例如一场访谈），每一列代表一个主题类别（例如「对定价的顾虑」）。单元格中是提取出的要点，并直接链接到原文引语。这种结构便于发现文档之间的规律、对比不同群体，并深入到具体议题。
当然可以。Skimle 的 AI 会根据您的数据给出初始类别，但控制权完全在您手中：可以合并、拆分、重命名、删除，也可以从零新建类别。您还可以预先提供自己的类别结构（例如基于访谈提纲或理论框架），让 Skimle 据此提取要点。
双向透明意味着您可以在两个方向上自由穿行：（1）点击某个主题，查看所有文档中支撑它的全部引语；（2）点击某份文档，查看从中提取出的所有主题。AI 的每一步判断都可追溯，没有黑箱。正因如此，借助 Skimle 完成的分析才能在学术、商业和监管场合站得住脚。
Skimle 的对话界面了解您的结构化数据（主题、类别、元数据）。您可以提问，例如「大客户对定价怎么看？」或「不同地区的意见有何差异？」AI 会同时依据结构化的主题数据和原始文档作答，因此比通用的 RAG 聊天机器人更准确、更贴合语境。
Skimle Ask 是一款 AI 驱动的访谈工具，帮助您大规模收集定性数据。您在项目中把它添加为 Skimle Ask 数据源，设定访谈提纲，Skimle 便会以异步方式与参与者进行结构化对话。每一份回答都会成为同一项目中的一份文档，因此数据收集与主题分析在同一个环境中完成，无需在不同工具之间复制粘贴。
可以。Skimle 在 https://skimle.com/api/mcp 提供 Model Context Protocol（MCP）端点。任何兼容 MCP 的工具——Claude Desktop、Cursor、Windsurf、Claude Code 等——都可以接入并使用完整的读写工具集：浏览文档、检索要点、重组类别等等。身份验证可通过 OAuth（无需令牌）或在账户设置中生成的 API 密钥完成。您可以自行决定开放哪些项目。积分与 Skimle 其他功能共用，无需单独计费。
可以。Claude Code 和 Cowork 都支持 MCP，您可以通过端点 https://skimle.com/api/mcp 将其连接到 Skimle。连接之后，智能体便能列出您的项目、跨文档检索、浏览类别层级、创建和更新要点并保存笔记——全部在您的编码或写作环境中完成。详细步骤请见 MCP 配置页面，或阅读我们的智能体工作流分步指南。
可以。Skimle Anonymise 提供 AI 驱动的假名化与匿名化处理，具备跨文件一致性、六类标识信息（姓名、职务、地点、机构、日期及其他）、可配置的转换强度，并生成 PDF 审计报告。它在您的项目内运行——为某个数据源开启后，匿名化后的文档会直接进入分析，无需另外的工具。这既满足 GDPR 与 HIPAA 的要求，也能产出伦理委员会所期待的书面材料。
可以。Skimle 由学者为学术用途打造。我们的联合创始人 Henri Schildt 是一位教授，发表过 30 多篇采用定性方法的论文。Skimle 的方法借鉴了成熟的主题分析（Braun & Clarke）与扎根理论（Gioia）方法论——系统、透明、可复现。请参阅我们的学术研究者应用场景和学术定性研究中的 AI 使用指南。
越来越多的情况下可以，只要如实说明。请透明地陈述方法：「使用 Skimle 进行 AI 辅助的定性编码，并经人工验证与修订。」Skimle 完整的审计链让您能准确记录主题是如何得出的，足以满足同行评议对方法严谨性的要求。我们的学术定性研究中的 AI 使用指南介绍了如何在方法章节和伦理申请中表述这一点。
如有需要，我们可以提供建议的引用表述。
可以。导出您的编码矩阵，请第二位编码者人工复核部分文档，再计算一致性（Cohen's kappa 等）。研究者可以用 Skimle 完成初始编码（约九成工作量），再通过人工复核做质量校验（约一成）。
可以。Skimle 支持归纳式编码，主题从数据中生成，而非事先设定。先做开放式编码（Skimle 给出初始类别），再通过轴心式编码逐步细化（合并或重组类别），进而发展理论框架。整个过程与人工扎根理论一致，只是把机械性的环节加快了。
AI 生成的每一条引语都会与原始文档比对核验。如果 AI 产生的文字在您的文档中并不逐字存在，系统会标记出来并要求重新处理，直到得到经核验的引语为止。此外，由于结构是系统化的，您可以随时抽查任一主题，查看支撑它的引语。
Skimle 的系统化处理会分析每一份文档的每一个段落，相比人工编码（疲劳与偏见会影响覆盖面）更不容易遗漏主题。不过我们仍建议以批判的眼光复核 AI 生成的主题。AI 负责建议，您负责确认。
可以。Skimle 支持 REFI-QDA 导出，这是 NVivo、MAXQDA 和 ATLAS.ti 都认可的互操作标准。您可以先在 Skimle 中开始分析，再到传统 QDA 工具中继续人工编码；也可以用 Skimle 先完成预编码，再交给使用 NVivo 的团队。
有的。免费档位可分析至多 400 页，用于试用平台。非常适合在决定付费之前，先用一个试点项目体验 Skimle。查看全部方案。
文档分析按文档长度消耗积分。一个积分约可上传 2,000 个字符的文本，大致相当于一页。订阅方案包含按月或按年发放的积分额度，如有需要也可以额外购买。
价格从可供试用的免费档位开始。查看完整价格。企业与机构授权提供定制报价，详情请联系我们。
可以，随时在账户设置中更改。升级时按比例补收差额；降级则在下一个结算周期生效。
您可以随时购买充值积分，或升级到更高档位。已有项目仍可访问，只是在补充积分之前无法分析新文档。
提供。我们为高校、研究机构、咨询公司和政府部门提供整体授权。团队授权包含协作功能、集中结算、数据处理协议以及批量折扣。机构报价请联系我们。
可以。所有付费方案都会自动生成发票。若机构采购需要采购单或特定的结算安排，请联系我们的销售团队。
是的。访问需经身份验证并留有日志。我们遵循业界标准的安全实践，也乐于为企业客户填写安全问卷。
所有数据都存储在欧盟境内（位于欧盟区域的云服务器）。您的数据绝不会离开欧盟，从而确保符合 GDPR 并满足欧洲客户对数据主权的要求。
完全符合。我们满足 GDPR 的全部要求：合法处理、数据最小化、目的限制、存储期限限制以及数据主体权利。我们为机构客户提供数据处理协议（DPA）。涉及参与者数据的项目，可借助 Skimle Anonymise 在分析前完成假名化或匿名化，进一步降低合规风险。
不会。您的文档和数据绝不会用于训练 AI 模型。您的数据始终保持私密，仅用于您自己的分析。
可以。您随时能在设置中删除单个项目或整个账户。删除是永久且即时的。删除后我们不保留任何副本（法律与财务记录如发票除外）。
可以，面向有特定安全或合规要求的企业客户。我们可以在专属云环境中部署 Skimle，也可以商讨本地部署方案。详情请联系我们。
研究者可以在伦理审查申请中把 Skimle 列在「数据分析工具」项下，就像列出 SPSS 或 NVivo 一样。我们可以提供关于数据处理、安全性与 AI 流程的说明材料，支持您的伦理申请。Skimle Anonymise 还会生成带签名的 PDF 审计报告，记录所应用的每一次转换——伦理委员会越来越期待以此作为严格匿名化的证据。
传统工具要求逐段人工编码——系统但极耗时间（数周到数月）。Skimle 用 AI 自动完成编码过程，同时保持同样系统、透明的方法论。您得到的是 NVivo 级别的严谨与 AI 级别的速度。Skimle 的界面也更直观、原生于云端，并支持导出 REFI-QDA，项目因此可以在工具之间自由流转。查看我们对 QDA 工具的完整对比。
Dovetail 面向做轻量级 UX 研究的产品团队，AI 功能是后来加上的。Skimle 从一开始就是为严谨的定性分析而生，采用学术级方法论。如果您需要在同行评议中为结论辩护、向持怀疑态度的高管汇报，或在符合 GDPR 的前提下处理机密数据，Skimle 提供的正是这些场合所要求的结构与透明度。阅读 Skimle 与 Dovetail 的完整对比。
可以，但很快就会碰到限制：答案不稳定（同一个问题问两次，得到两种回答）、没有系统覆盖（与您的提问在语义上不匹配的要点可能被漏掉）、没有可追溯性（无法说明结论从何而来），以及有限的上下文窗口，面对 20 份以上文档就吃力。若只是快速总结一两份文档，通用 AI 工具足够；要做系统分析，请用 Skimle。进一步了解基于大模型的分析在哪些场合有效、在哪些场合会失灵。
对小型项目（不足 10 场访谈）而言，人工阅读完全够用。但随着规模扩大：（1）时间成本骤增——20 场访谈意味着 40 小时以上的人工编码；（2）一致性下降——疲劳与偏见对后面文档的影响不同于最初几份；（3）规律识别受损——同时把 50 场访谈装在脑子里几乎不可能。Skimle 能在规模扩大时保持质量，把您的时间释放给真正的分析，而不是机械编码。