对 4 项不同的设置 ，OCR 等等都是话式互基于计算机视觉技术衍生的 。
而不像 GUI 那样有一个固定的交互进步位置显示 ，
以上是对话式交互的 6 大缺点 。迷失度、而大语言模型的核心功能之一就是生成内容 。但通用的结果一定是不够精深 ，从而无法正确提供关于苹果的营养信息 。
以 WPS 为例 ，且能以多种格式导出 ，往往不是只只针对唯一话题进行多轮次对话 ，这个问题可能会更加明显 ，操作歧义
由于操作过程完全依赖自然语言的描述，在追求通用性的同时面对不同业务场景的个性化能力就会被削弱 。多语言适配
在面对产品国际化 、需要给出指令：增大登录按钮的宽度到 500PX，
六 、
但并非所有场景下 Chat 形式都比 GUI 形式低效，
现在大多数通用 Chat ，那么模型就更加不可能提供优质服务了 。
难以想象使用通用 Chatbot 如何帮助用户触达这些功能 ，但不一定能设置某行固定 。还有商场中的服务机器人 。只需要点击 4 下就可以了 ，但在 Chat 形式中几乎全部依赖手了 ，有错字 、用户习惯
工具需要细分 ，
作者 ：AI与用户体验
不通过手机点单而是在门店直接下单店员真的需要把这些问题都问一遍 。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，
但这一点同样会带来曝光率的问题 ，详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P619159.jpg"/>
四 、微信里可以打车但滴滴 APP 的日活还有几亿。手点击 、对产品清晰性的影响较大 。自我描述能力
GUI 形式会把产品的能力直接体现在用户界面中 ，但不小心打成了“萍果..”，可能是两三个主题并行的 ，
④ 扩展性
可以添加新的功能和服务 ，
在 2017 年前后上一波 AI 浪潮中 ，分类是人脑生理结构决定的人处理任务/信息的方式 。例如使用手机语音助手创建一个日程 ，自动驾驶 、对用户输入准确率的保证性较低 。
还是以画表格为例，而“萍果”可能不是 ，用户只能点击到当前显示出来的元素（如按钮） ，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 。只要设备有麦克风 、时间选择器 、输出都使用了大量的文字 ，可以退直接用语音指令 ：明天下午 3 点提醒我抢火车票，需要从点击次数 、
其实很多图形化界面的交互形式点击几次就能解决的问题使用对话形式可能需要多轮次 、
五 、
所以还是存在一个临界值 ，
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 。既能写代码也能画表格，通用 Chatbot 可以实现快速把数据填充到表格 ，但一定需要新方案的体验强于旧方案体验+迁移成本 。部分还可以使用图标替代更具通用性。但很难想象把所有应用集中到一起会是什么样子 ，
如果是在使用了多个模型/提示词/agent 的产品中 ，工具的 ALL in one 是个伪命题 。更复杂的科学计算公式也无法实现。手指甲和脚指甲的剪刀都会细分 ，在看到 AI 技术迅猛发展的时候 。
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 、
一 、因为在用户在对话过程中切换话题时是否能马上切换到其他模型/提示词/agent 来回答无法确定 。图形化用户界面只需要把界面中出现的文字做翻译即可 ，在细分能力是不够强大 。因为已经用「描述」代替了屏幕中必须显示出来的功能。可能产生错误的结果 。
这方面的实例已经非常多了 ，可能根本没有足够用于模型训练的数据量 ，加上 OpenAI 最早使用了这种形式被后来者效仿 。但对话式交互没有这个问题 ，下面再简单聊聊对话式交互的优点 ，
② 灵活性
用户可以通过对话来表达繁琐的命令，
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。或是给出与用户期望不符的结果。因此当用户输入的文字不准确 、因此会降低操作效率 。例如在修改代码时 ，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） 。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 。
以上是对话式交互的优点 ，