2.3k Star！强得不像开源的问卷调研平台

产品：咱们的新功能上线了，得问问用户的意见，做个调研问卷吧！
运营：对啊，用户意见很重要，我们要认真听取反馈！
领导：问卷别搞得像考试。我们要的是真实的声音，而不是让用户头疼的题目。
程序员：收到！

然而，目前市面上的在线协作文档虽然具备问卷功能，但其有限的功能和缺乏个性化的界面，容易让产品经理感到不满。此外，尽管低代码平台能够快速创建个性化页面，但缺少强大的数据收集和分析能力，无法满足运营人员的需求。最后，如果花钱弄个问卷或投入大量时间做个问卷平台，领导可能会不太高兴。😮‍💨

先不急动手，遇事找开源！今天 HelloGitHub 带来的是一款免费、专业的开源问卷调研系统——小桔调研（XIAOJUSURVEY）。这款由滴滴内部孵化的开源项目，其核心理念是“让调研更轻松”，提供面向个人和企业的一站式产品级解决方案。

GitHub 地址：github.com/didi/xiaoju-survey

在线演示：xiaojuwenjuan.com/render/LWpBOxRx

随着对小桔调研（XIAOJUSURVEY）的深入了解，我才逐渐发现它的强大之处。虽然最初是用它做调研问卷，但小桔的功能远不止于此。在线考试、报名预约、评估反馈，对于它来说都只是小菜一碟，更有强大的数据可视化、分析和导出等功能。

接下来，让我们一起走进 XIAOJUSURVEY，将这款开源神器收入囊中吧！

一、介绍

XIAOJUSURVEY 是一套轻量、安全的调研系统，提供面向个人和企业的一站式产品级解决方案，可用于构建各类问卷、考试、测评和复杂表单，快速满足各类线上调研场景。特性如下：

🌈 易用

多类型数据采集，轻松创建调研表单：文本输入、数据选择、评分、投票、文件上传等。
智能逻辑编排，设计多规则动态表单：显示逻辑、跳转逻辑、选项引用、题目引用等。
精细权限管理，支持高效团队协同：空间管理、多角色权限管理等。
数据在线分析和导出，洞察调研结果：数据导出、回收数据管理、分题统计、交叉分析等。

🎨 好看

主题自由定制，适配您的品牌：自定义颜色、背景、图片、Logo、结果页规则等。
无缝嵌入各终端，满足不同场景需求：多端嵌入式小问卷 SDK。

🚀 安全、可扩展

安全能力可扩展，提供安全相关建设的经验指导：传输加密、敏感词库、发布审查等。
自定义 Hook 配置，轻松集成多方系统与各类工具：数据推送集成、消息推送集成等。

在开源社区中，问卷系统和表单引擎种类繁多，我们为什么选择 XIAOJUSURVEY 呢？为此，小编挑选了几个同类型的开源项目（平台）做了个简单的对比，以便大家更直观地感受到 XIAOJUSURVEY 的开源态度。

	XIAOJUSURVEY	TDuck	SurveyKing	LimeSurvey
开源	✅	✅	前端未开源	✅
技术栈	Vue3+NestJS	Vue2+Java	Java	PHP
语言	默认中文	默认中文	默认中文	支持中文
团队空间	✅	❌	❌	❌
私有化部署	✅	✅	❌	✅
付费	完全免费	商业版	Pro 版	SaaS

结论：XIAOJUSURVEY 功能丰富且完全免费，并支持私有化部署，普通用户可以免费使用在线服务满足调研问卷和在线考试的需求。程序员则可以基于源码进行二次开发，而不仅仅是在本地运行一个 Docker 镜像。

二、快速上手

XIAOJUSURVEY 作为一款开源的调研问卷系统，支持手动部署和 Docker 一键启动，方便用户灵活部署和使用。

2.1 手动部署

// repo
git clone git@github.com:didi/xiaoju-survey.git

// server
cd server
npm install
npm run local // 启动服务端
// 管理后台：localhost:8080/management

// web
cd web
npm install
npm run serve // 启动前端
// 访问前端：localhost:8080/render/:surveyPath

环境指导查看 >> 快速开始

2.2 Docker 部署

docker pull xiaojusurvey/xiaoju-survey

更多部署方式查看 >> 工程部署

三、技术原理

调研系统在满意度调研、360 环评、CEM、考试、测评等场景中应用广泛。虽然这些应用场景各有不同，但它们对调研系统的核心需求却有着显著的共通点：多样化的数据采集能力和多策略的数据分析。

调研系统设计的本质是收集数据与洞察数据。数据的生命周期从问卷创建时的定义开始，贯穿于数据的收集、加工、处理，直至分析和追踪数据的血缘关系。在这个连续的过程中，数据不断被转化和提炼。XIAOJUSURVEY 通过使用 Schema 来精确表达领域知识、定义数据结构以及数据间的关联，使得问卷能够灵活适应多样化的应用场景。