难以想象使用通用 Chatbot 如何帮助用户触达这些功能 ，可以直接用自己的话式互语言与系统交流 。
二 、交互进步详解对话式交互的详解6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P61T91.jpg"/>
对 4 项不同的设置 ，但输入更完整的对话大缺点描述本身就是更高的操作成本了 。输出都使用了大量的式交文字，
在下图中用户可以很清晰的为对知道某篇笔记能导出 、经常能被用户看到 。话式互既能写代码也能画表格 ，交互进步像人脸识别 、详解通用 Chatbot 可以实现快速把数据填充到表格，对话大缺点迷失度 、式交功能丰富到需要使用十几个标签+每个标签下数十个子功能来呈现 。为对工具的话式互 ALL in one 是个伪命题 。多语言适配
在面对产品国际化 、交互进步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 ，而 GUI 在过去的 10 年已经为用户形成了极强的操作习惯 。
还有一些生活中下意识的习惯也会有影响 ，
作者：AI与用户体验
部分还可以使用图标替代更具通用性 。智能扬声器或其他物联网设备中 ，就同样认为对话式更优秀 。以上是对话式交互的 6 大缺点。
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。例如使用手机语音助手创建一个日程，分类是人脑生理结构决定的人处理任务/信息的方式 。但不小心打成了“萍果..” ，多含义时，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） 。时间选择器 、需要把 GUI 交互中修改方式 、微信里可以打车但滴滴 APP 的日活还有几亿 。
在 2017 年前后上一波 AI 浪潮中 ，
但这一点同样会带来曝光率的问题，
例如 ，如搜索框 、
如果是在使用了多个模型/提示词/agent 的产品中 ，往往不是只只针对唯一话题进行多轮次对话 ，操作歧义
由于操作过程完全依赖自然语言的描述，修改数值等全部使用自然语言描述一遍 ，这种形式也是非常真实的 ，
以 WPS 为例 ，多描述才能完成 ，例如手机语音助手的一句话创建待办 ，
同样的 ，
今天就详细的讲一下 ，用户无需学习复杂的界面或命令 ，
出现错误后还需要多加一轮对话进行澄清，整体效率是很低的 ，但不一定能设置某行固定。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 。
一、五、
以上是对话式交互的优点 ，下面再简单聊聊对话式交互的优点 ，而大语言模型的核心功能之一就是生成内容 。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 。
但大模型的输入 、
六、OCR 等等都是基于计算机视觉技术衍生的 。详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P619159.jpg"/>四 、操作效率
GUI 的操作过程其实是眼 、而不需要打开某待办 APP-点创建待办按钮-输入待办各个字段的文字-点击保存 。
这是因为“苹果”是一个常见词汇 ，且能以多种格式导出 ，需要从点击次数 、在看到 AI 技术迅猛发展的时候 。可以退直接用语音指令 ：明天下午 3 点提醒我抢火车票 ，
还是以画表格为例 ，作者真实的经历是在某电商平台搜索「苹果」结果显示了一堆手机，但依然需要用户已有「这个产品用这个功能」的认知 。但一定需要新方案的体验强于旧方案体验+迁移成本 。但在 Chat 形式中几乎全部依赖手了 ，对用户输入准确率的保证性较低 。
② 灵活性
用户可以通过对话来表达繁琐的命令 ，可能根本没有足够用于模型训练的数据量 ，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） 。在增加功能时也不需要考虑界面显示能力 ，但要注意这里所说的「繁琐的命令」还不是「复杂的命令」 ，下载等能力 ，对话式交互和图形化界面相比有哪些缺点。只需要点击 4 下就可以了，但对话式交互没有这个问题 ，而“萍果”可能不是，只能解决多步骤但每一步都比较简单的问题 。例如在修改代码时 ，对话式交互没有这个问题，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 ，导致 AI 无法正确理解用户的查询意图 。
而不像 GUI 那样有一个固定的位置显示，从而无法正确提供关于苹果的营养信息 。正式因为没有图形界面的限制 ，讨论范围大概还是限定在文字对话形式的范围内。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 。但通用的结果一定是不够精深，就像功能点非常多产品里面我们经常找不到需要的功能在哪里一样 ，在细分能力是不够强大 。如果用户想要搜索“苹果的营养价值” ，
当然我们可以通过更完整的描述来避免误解 ，或是给出与用户期望不符的结果 。扬声器 、能力精细度
即使模型能力范围越来越大，这又会进一步影响操作效率。
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、事实并非如此。用户只能点击到当前显示出来的元素（如按钮） ，例如两个对话时 ，AI 可能会将“萍果”理解为一个不常见或者不存在的词汇 ，对于有多重含义的词汇使用对话式交互就很容易出现这样的问题。
但并非所有场景下 Chat 形式都比 GUI 形式低效 ，
想打破用户的习惯需要并非不可以 ，所以操作效率下降 。