Prolific 是一个人类数据的双边市场。一侧是需要真人回答的研究者、产品团队和 AI 实验室，另一侧是数十万名通过身份核验、按劳取酬的参与者，他们完成问卷、行为任务、访谈和模型评测。官网首页把承诺讲得很直白：真实的人类数据，几分钟内就位。平台 2014 年创立，源自牛津大学，总部设在伦敦。
对新用户而言，最要紧的一点是：把它理解成「样本市场」，而不是「问卷工具」。Prolific 不提供表单编辑器，它提供的是一个人群池、一套切分人群的筛选条件、一条付款通道，以及一整套力图确保对面是真实、专注、未重复注册的真人的质量机制。问卷或任务通常托管在别处——Qualtrics、Gorilla、自建网页应用或你自己的标注界面——Prolific 负责把符合条件的人送过来，并为他们的时间付费。
平台的重心已经明显迁移。它起家于学术心理学与社会科学：那时在线代表性样本很难获得，而 Mechanical Turk 因参与者敷衍、把任务玩成游戏而口碑不佳。如今它服务的第二类客户正变得更为主导——采购偏好数据、安全评测、红队探测和专家标注的 AI 团队。放在工具目录的语境里，最贴切的理解是：Prolific 处在 AI 的供给侧，训练和评判模型所需的人类判断，正是从这里来的。
经过核验且可精细筛选的人群池：官网称有 30 万以上活跃参与者（厂商口径）。真正让这个池子好用的不是规模，而是覆盖其上的定向层。据 TechCrunch 报道，平台构建了 300 多项基于人口普查等来源的筛选条件，客户借此更精准地锁定所需样本。这些前置筛选覆盖人口统计、职业、健康状况、语言、设备持有情况与历史提交记录，让你能逼近全国代表性样本，而不是先到先得。
身份与真实性核验：质量由平台称为 Protocol 的体系负责。官方表示 Protocol 运行 40 多项校验来核实身份，进入漏斗的申请者中仅约 55% 能够通过并开始接单。这些均属厂商口径而非独立审计结论，但方向很明确：这家平台靠「筛掉人」竞争，而不是靠堆人头。
AI 生成回答识别：付费调研当下最棘手的质量问题，是参与者把聊天机器人的答案粘进开放题。官方称其专有真实性校验能以 98.7% 的精度识别 AI 生成的自由文本，该数字为厂商自报、未见独立审计。平台还配了一项名为「100% Human Guarantee」的商业承诺：若 AI 代理绕过前置校验，将给予金钱赔付。
面向模型对齐的偏好数据与人类反馈：在 AI 侧，平台产出用于对齐模型的偏好数据、人类反馈与判断信号，并通过人类评测、领域专家核验和评分标准设计来衡量能力、安全性与质量。这实质上把 RLHF 与评测的供应链做成了可自助下单的产品，而非一纸定制外包合同。
跨语种的专家标注：对于普通众包人群做不了的活，经验证的领域专家可跨 80 多种语言产出监督微调数据、指令-响应对与专业标注。对需要非英语能力，或需要医生、律师、工程师、母语者而非泛用劳力的团队，这一点尤为关键。
HUMAINE 公开评测框架：HUMAINE 是一个基于真实使用场景的人类偏好排行榜，沿推理、沟通风格、核心任务表现、适应性、信任、伦理与安全等维度为前沿模型打分，评测人群覆盖英美两地的 22 个人口统计群体。该框架已作为会议论文发表于 ICLR 2026，这使它成为数据供应商公开产物中方法学审视较充分的一个。
程序化与智能体接入：除网页控制台外，官方还提供 Human Data API 与 MCP 服务器，评测任务可由代码触发，也可由智能体直接发起，无需人工点选。
需要可辩护样本的学术研究：某位心理学或经济学研究者需要 400 名年龄性别均衡的英国成年人，各完成一项托管在 Gorilla 上、约 12 分钟的任务。配置前置筛选、设定报酬、粘贴任务链接，平台便把匹配的人送来。可辩护性来自方法学章节里能把招募方式与报酬水平写清楚——这是社交媒体便利样本给不了的。学术折扣费率让这类研究在课题经费内可行。
模型对齐所需的偏好数据采集：AI 团队需要在数千条提示上对两个模型输出做成对比较，且评分者要人口结构分散，而非同质化的外包小队。他们在平台上跑完比较后导出结果用于奖励模型。由于结果可导出为 JSONL 直接喂入 RLHF、DPO 与奖励模型训练，接入既有训练管线的路径很短。
发布前的安全评测与红队探测：在推送模型更新前，团队想拿到人类对拒答行为、有害内容处理以及对抗性提示下语气的判断。带评分标准的人类评审能给出自动评测给不了的分数，尤其在居高临下、过度拒答、文化不敏感这类主观维度上。
面向真实客户的产品与市场研究：产品团队用筛选后的样本验证定位或价格感知——例如近半年在某品类有过购买的人群。相较传统样本供应商，优势在于速度与自助；代价是人群池向特定国家、以及习惯线上任务的人倾斜。
以人类偏好为基准的模型对比：团队想知道的不只是模型在静态基准上分数如何，而是人们是否更喜欢它的回答，以及这种偏好是否随人群而异。HUMAINE 式的评测能暴露单一综合分掩盖掉的群体差异。
智能体流程中的人类检查点：自动化管线在中途停下来向人类提问——用评测分数为发布放行，或把模棱两可的案例升级给人处理——拿到结果后继续运行。这正是 MCP 接入的设计意图，它把人类反馈从排期批处理变成了随取随用的调用。
注册研究者账号并充值：在 app 子域自助注册。平台按需付费：开始使用无需签合同、也无需订阅。你先充值，研究上线后从余额中扣减。
先在别处把任务做好：用你自己的工具写好问卷、实验或标注界面，拿到可用链接。务必确认它能接收 URL 中传入的参与者 ID，并在结束时跳回完成链接——平台靠这个判断谁完成了任务。
用前置筛选定义样本：用筛选层圈定目标人群。下单前先看可行性：过于具体的条件交集会把合格人群压缩到招募停滞的程度，原本几分钟的事可能拖成几天。
诚实设定时长与报酬：估算任务的真实耗时，再据此对照时薪标准定价。低估时长是最常见的自伤——它拉低了实际时薪，招来抱怨，也拖慢招募速度。
先跑小批量试点：先对少数几人开放。检查数据是否正确落地、完成码是否有效、指导语是否有歧义。收了 400 份之后再修跳转错误代价高昂，收了 10 份时修则不值一提。
上线、监控并审核提交：数据进来时留意完成时长与开放题质量。及时审批——参与者是在审批后拿到钱的，审批慢是高频投诉点。只在有据可依、且与事先声明的规则挂钩时才拒绝。
导出与分析：把数据连同人口统计元信息一并导出，用于加权或亚组分析，并记录所用的招募参数，以便研究可复现。
按推荐价付，而不是压到底线：官方推荐参与者时薪不低于 £9.00 / $12.00，平台允许的绝对最低时薪为 £6.00 / $8.00。压在底线的研究招募更慢，也更容易招来仓促作答。把推荐价当作真实基准来编预算。
先计时再定价：自己把任务完整做一遍，并为读得比你更仔细的人留出余量。你填报的时长决定了实际时薪，而实际时薪决定了招募速度。
不要随意叠加筛选条件：每多一项前置筛选，稀缺性就成倍增加。若同时需要三个不常见属性，先查可行性，并做好拉长招募周期或加预算的准备。
平台之外仍要自建注意力检查：平台级质量管控能压住恶意作答，但替代不了量表设计。请加入理解性检查，并用作答时长分布识别敷衍完成的样本。
把开放题设计成聊天机器人难以代答的样子：多问个人化的具体细节、近期真实经历，或对任务内呈现刺激物的即时反应。泛泛的论述题最容易被大模型代笔，也最难甄别。
算总账要含服务费：研究的显性成本是参与者报酬，但平台费叠加其上。下单前先算总成本；若你符合学术与非营利条件，别忘了折扣档。
快审批、说清楚：你在参与者中的口碑会影响招募速度。指导语清晰、审批及时、边界情况处理公道，后续研究招人会更快。
每次改动都重跑试点：任何对任务链接、跳转或完成码的改动都值得再跑一次小规模试点，因为这类故障往往是静默发生、代价高昂的。
学术研究者：需要在论文中可辩护地描述样本的心理学、经济学、语言学与社会科学研究者，平台提供符合伦理审查预期的报酬机制，并对学术与非营利研究给出折扣费率。
AI 实验室与模型团队：采购偏好数据、评测分数、安全判断与专家标注的团队，尤其是希望找到人群结构分散、立场中立的供应商，而非不透明外包人力池的团队。
用户体验与产品研究者：需要在自有用户之外验证概念、比较设计方案或测量理解度的团队，此类场景对速度的要求高于纵向深度。
市场研究从业者：做概念测试、价格感知与品牌研究，看重自助速度与成本透明，并且能在平台的地域集中度内开展工作的从业者。
政策与公共部门研究者：需要就政策议题获取覆盖面较广的公众意见，且招募透明与报酬公道本身就构成结论可信度一部分的团队。
搭建评测管线的工程团队：希望人类判断可由代码或智能体直接调用，而不是作为人工协调的旁路流程来安排的开发者。
寻找灵活有偿任务的参与者：想找短时、正规、以现金结算、费率清晰且不搞礼品卡把戏的线上任务的人群——前提是接受收入属补充性质、任务量有波动。
网页端应用：研究者与参与者的主要入口，用于研究搭建、样本配置、进度监控、审批与付款。参与者在浏览器中接单，并跳转至外部托管的任务。
Human Data API：有正式文档的程序化接口，可创建与管理研究并回收结果，适合把招募能力嵌入自有系统的团队。
MCP 服务器：支持 Claude Code、Claude Desktop、Cursor 以及任何实现 MCP 规范的客户端，智能体可在流程中途请求人类判断。官方称 MCP 工具会被自动发现，无需 SDK 或封装层。
结构化导出格式：结果以结构化 JSON 返回，并可导出为 JSONL，直接用于 RLHF、DPO 与奖励模型训练。
与外部研究工具协同：由于任务托管在别处，平台通过链接跳转与常见问卷、实验搭建工具协同，而非取代它们。
未见面向研究者的独立原生移动应用：参与者一般使用移动网页版，部分任务类型明确要求桌面浏览器。（信息待验证）
这里没有订阅制，也没有通常意义上的免费套餐——你为研究充值，为消耗掉的人类时间付费。平台有两条商业路径：自助的 Platform 通道，按需付费、无月费；以及 Managed Services 通道，由专家主导数据采集并配专职质量保障，逐案报价，通常以工作说明书约定。
自助路径的成本结构在同类中相当透明。企业客户的平台费通常为 42.8%，学术与非营利客户享受折扣后的 33.3%，均叠加在参与者报酬之上。报酬侧，官方推荐时薪不低于 £9.00 / $12.00，平台允许的绝对下限为 £6.00 / $8.00。有一个细节会实质影响机构预算：增值税仅对平台服务费征收，参与者报酬部分不计增值税，这会改变增值税登记机构的实际成本。
参与者侧的安排是反向的，同样明确：累计收入达到 $6/£6 即可从账户提现，出金通过 PayPal 以现金形式发放，而非礼品卡或积分。第三方分析估算参与者约获得研究者总支出的 70%，与公开费率结构基本吻合。企业级与大批量合作单独报价，未公开具体数字。
Amazon Mechanical Turk：老牌通用众包市场。单份回答更便宜、任务总量大得多，但身份保障较弱，且在研究场景下长期存在作答敷衍的记录。
CloudResearch Connect：定位与 Prolific 接近，同样面向行为科学研究提供经筛选的参与者与甄别工具，常被直接拿来比较单份完成成本与人群构成。
Cint、Dynata 等传统样本供应商：规模大得多，更适合大体量的全国代表性消费者研究，尤其在英美之外的市场；但自助程度较低，参与者报酬的透明度通常也不如前者。
Scale AI、Surge AI 等数据供应商：直接面向 AI 实验室，提供托管标注团队与定制管线。做大规模、复杂、长周期的标注项目更强；做快速人口定向抽样与学术式研究则更弱。
User Interviews、Respondent 等用户研究招募平台：更适合定性研究——面向专业人士或稀缺受众的有主持人访谈与可用性测试，样本量小而单人费用高得多。
平台服务费是被吐槽最多的一点：企业客户 42.8% 的费率意味着预算里大约每 10 块钱有 4 块买的是平台服务而非参与者时间。样本量越大，这部分叠加得越快，也是研究者评价中反复出现的抱怨。
地域集中度较高：人群池在英国与美国最密集。核心区域之外的参与者反映可接任务偏少；Trustpilot 上就有评价建议向非洲参与者开放更多任务。若你的研究需要覆盖样本稀薄的地区，请在据此设计方案之前先验证可行性。
质量数据均为厂商自报：55% 的初筛通过率、98.7% 的 AI 文本识别精度、30 万以上人群池，全部出自官方材料；就公开资料所见，均未经独立审计。请把它们当作方向性说法，而非已验证的基准。
客服响应在双边都受到批评：Trustpilot 上该平台 TrustScore 为 4.5，基于 14,854 条评价，其中五星占 78%、一星占 7%。在负面评价中，反复出现的主题是处理支付争议申诉时客服支持有时无济于事。
参与者侧并非人人可入：加入需经候补名单与验证环节，获邀后还要完成约 15 分钟的身份验证与一项简短练习任务。收入属补充性质，且可接任务量存在波动。
你仍需另配一个工具来跑研究：平台负责招募与付款，不负责搭建问卷或实验。请把问卷/实验平台的成本，以及正确传递 ID 与完成码的对接工作量一并计入预算。
自选择偏差始终存在：池中的每个人都是主动加入付费研究平台的，且对完成研究任务相当熟练。筛选条件能平衡人口结构，却无法完全消除任何常设样本库固有的「职业化受试者」效应。
法务条款不在主站常规路径下：法务文档并不位于 /privacy 或 /terms 这类直觉路径，唯一入口是隐私与法务页面，再由其分别指向隐私通知、法律条款与数据保护补充说明。这些文档托管在外部 Notion 空间，因此在做合规承诺前请直接查阅原文——具体留存期限与二次使用条款并未在主站营销页面上复述。（信息待验证）
不能，至少不存在通常意义上的免费套餐。开始使用无需订阅费、也无需签合同，但每一项研究都要花钱，因为参与者的时间要付费，平台还要按比例抽成。注册账号、浏览界面不花钱；真正跑研究要花钱。规划研究前请把参与者报酬与平台服务费一并算进预算。
总成本等于参与者报酬加平台服务费。企业客户费率通常为 42.8%，学术与非营利客户为 33.3%，均按报酬总额计算。因此一项给参与者共付 700 英镑的研究，企业账号总成本约 1000 英镑，学术账号约 933 英镑。增值税只对平台服务费征收，参与者报酬部分不计。
官方推荐研究者支付至少 £9.00 / $12.00 时薪，绝对下限为 £6.00 / $8.00。实际收入完全取决于一个人能匹配到多少研究，而这又随人口特征与所在地区变化。把它理解为补充性收入更为恰当，而非替代一份工作；第三方分析估算参与者约拿到研究者总支出的 70%。
以现金形式通过 PayPal 发放。累计收入达到 $6/£6 即可提现，官方明确表示始终支付现金，不发礼品卡或积分。研究者审批提交后才触发付款，这也是审批缓慢成为参与者高频不满来源的原因。
一般不能——它是招募与付款层，不是问卷搭建工具。你需要在自己的工具里托管问卷、实验或标注任务并分享链接，通过 URL 传递参与者 ID，并在完成时跳转回来。例外是平台自带的、面向文本标注与评测工作的 AI 任务工具。
靠它称为 Protocol 的分层体系：入池时做身份核验，持续在全池范围内做欺诈检测，自动标记快得不合理的提交，并对开放题做真实性校验。官方称识别 AI 生成自由文本的精度为 98.7%，并以「100% Human Guarantee」承诺在校验被绕过时给予赔付。这些均为厂商口径，请同时保留你自己的注意力检查。
也能做 AI 训练与评测，而且这已是主营业务的重要部分。平台提供偏好数据、人类反馈、安全与能力评测，以及包含监督微调数据和指令-响应对在内、跨 80 多种语言的专家标注。它还发布了评估前沿模型的人类偏好榜单 HUMAINE，该框架已作为会议论文发表于 ICLR 2026。
有。官方提供用于程序化管理研究的 Human Data API，以及支持 Claude Code、Claude Desktop、Cursor 等 MCP 兼容客户端的 MCP 服务器，智能体无需离开自身工作流即可发起研究并接收结构化结果。结果可导出为 JSONL，直接用于 RLHF、DPO 与奖励模型训练。
人群池集中在英国与美国，在欧洲及其他地区也有一定覆盖，但可接任务量明显更稀薄。部分地区的参与者反映能匹配到的研究很少。如果你的研究依赖特定国家或罕见的人群条件交集，请先用筛选工具核验可行性，再据此设计方案。
核心差别在于甄别机制与报酬政策。Prolific 核验身份、设定报酬下限，并提供大量基于人口普查信息的前置筛选——TechCrunch 曾提到其构建了 300 多项基于人口普查等来源的筛选条件。Mechanical Turk 更便宜、体量更大，但在研究场景下长期存在作答专注度与数据质量问题。取舍在于：是省成本，还是要对「究竟是谁作答」更有把握。
