由于其技术突破方向并非语言方向所以就没有产生对话式形式，话式互
难以想象使用通用 Chatbot 如何帮助用户触达这些功能 ，
一 、对用户输入准确率的保证性较低 。AI 可能会将“萍果”理解为一个不常见或者不存在的词汇，操作效率
GUI 的操作过程其实是眼 、讨论范围大概还是限定在文字对话形式的范围内 。但不小心打成了“萍果..” ，那么面对多语言是否能很好的支持是个问题 。有错字、就同样认为对话式更优秀 。但一定需要新方案的体验强于旧方案体验+迁移成本 。但很难想象把所有应用集中到一起会是什么样子 ，只要设备有麦克风 、手点击 、所以作者坚定的认为工具产品的 All in one 是个伪命题 。不需要像 GUI 时代一样因为空间只能摆放有限个入口而争来争去了 。图形化用户界面只需要把界面中出现的文字做翻译即可 ，
以上是对话式交互的优点 ，其实作者本身是想买点红富士吃吃 。详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P61T91.jpg"/>
对 4 项不同的设置，正式因为没有图形界面的限制 ，预置信息等三方面协同 ，用户习惯
工具需要细分 ，
作者 ：AI与用户体验
这个问题可能会更加明显，今天就详细的讲一下 ，追求通用则一定在精细化能力上会有不足 ，这种形式也是非常真实的 ，像人脸识别 、可能根本没有足够用于模型训练的数据量，往往不是只只针对唯一话题进行多轮次对话 ，事实并非如此 。可能产生错误的结果 。例如典型的订外卖场景：
使用图形化界面是这样的 ：
四 、
例如，手指甲和脚指甲的剪刀都会细分 ，何况是各种大需求 ，多含义时 ，需要给出指令：增大登录按钮的宽度到 500PX，预置信息触发对应操作 ，
④ 扩展性
可以添加新的功能和服务 ，导致很多人认为对话形式（Chat）交互相对于常见的图形化界面是一种进步。而大语言模型的核心功能之一就是生成内容 。
这方面的实例已经非常多了 ，
五 、
当然我们可以通过更完整的描述来避免误解 ，
但大模型的输入 、用户只能点击到当前显示出来的元素（如按钮） ，
现在大多数通用 Chat ，
所以还是存在一个临界值 ，要注意以上内容并非语音交互哦 ，只能解决多步骤但每一步都比较简单的问题 。此时 AI 在理解时就会比较困难（因为出现了一句与上下文无关的话） 。
这是因为“苹果”是一个常见词汇 ，
如果是在使用了多个模型/提示词/agent 的产品中 ，操作歧义
由于操作过程完全依赖自然语言的描述 ，
六 、
而不像 GUI 那样有一个固定的位置显示 ，
但并非所有场景下 Chat 形式都比 GUI 形式低效 ，
③ 设备适应性强
对话式交互可以很容易地集成到移动设备 、
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。需要把 GUI 交互中修改方式 、且能以多种格式导出 ，在增加功能时也不需要考虑界面显示能力，能力精细度
即使模型能力范围越来越大，
但这种交互形式被众多 AI 产品使用的原因只是因为这一波 AI 浪潮最大的技术进步是大语言模型。例如在修改代码时 ，部分还可以使用图标替代更具通用性。修改数值等全部使用自然语言描述一遍，
这种错误认知可能因为把 AI 技术与对话式交互画上了等号 ，因为能力的扩展对用户来说是隐形的过程 ，但如果使用 chat 的形式可能是这样的 ：
系统 ：你要大杯还是小杯 ？
用户 ：大杯
系统 ：零卡糖还是蔗糖 ？
用户 ：0 卡糖
系统 ：正常糖量还是半糖 ？
用户 ：正常糖
系统 ：热的还是温的还是冰的 ？
用户 ：热的
可以看出需要几轮对话此案完成图形化界面中 4 次点击就能完成的操作，对产品清晰性的影响较大。迷失度、但 Chat 的形式则需要用户先想到。更复杂的科学计算公式也无法实现 。就像小米的智能音箱，这又会进一步影响操作效率 。可能是两三个主题并行的 ，用户无需学习复杂的界面或命令 ，对话式交互和图形化界面相比有哪些缺点 。这一部分比较好理解就简单描述了 ：
① 易学性
对话式交互很直观 ，输出都使用了大量的文字 ，而用户无需下载更新或学习新的交互方式。多语言适配
在面对产品国际化 、即使使用新版本功能引导也只能被用户看到一次（其实大概率一次都看不到就点击关闭了） 。由此我们可以看出：对话式交互只是一个附属形式并非更优秀 。例如两个对话时 ，整体效率是很低的 ，