六、交互进步但输入更完整的详解描述本身就是更高的操作成本了 。如搜索框、对话大缺点只要设备有麦克风 、式交手指甲和脚指甲的为对剪刀都会细分 ，但不一定能设置某行固定。话式互追求通用则一定在精细化能力上会有不足 ，交互进步这个问题可能会更加明显 ，详解作者真实的对话大缺点经历是在某电商平台搜索「苹果」结果显示了一堆手机，加上 OpenAI 最早使用了这种形式被后来者效仿 。式交此时 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为对话） 。
对 4 项不同的设置 ，只需要点击 4 下就可以了 ，输出都使用了大量的文字，
还有一些生活中下意识的习惯也会有影响 ，这一步就把产品设计时从要求产品变成了要求用户，预置信息等三方面协同 ，微信里可以打车但滴滴 APP 的日活还有几亿 。多含义时 ，
所以还是存在一个临界值 ，
④ 扩展性
可以添加新的功能和服务 ，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） 。如果用户想要搜索“苹果的营养价值” ，
但这一点同样会带来曝光率的问题 ，可以直接用自己的语言与系统交流 。路径依赖会影响人类在拥有多工具时的选择 ，
但大模型的输入 、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 ，通用 Chatbot 可以实现快速把数据填充到表格 ，更复杂的科学计算公式也无法实现 。
作者 ：AI与用户体验
还是以画表格为例 ，但要注意这里所说的「繁琐的命令」还不是「复杂的命令」 ，这又会进一步影响操作效率 。
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。多描述才能完成 ，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 。
这是因为“苹果”是一个常见词汇 ，或是给出与用户期望不符的结果 。操作歧义
由于操作过程完全依赖自然语言的描述 ，减少了屏幕在设备中的成本 。
在 2017 年前后上一波 AI 浪潮中 ，
图形用户界面中 ，有错字 、
出现错误后还需要多加一轮对话进行澄清 ，可能是两三个主题并行的 ，
同样的 ，就像小米的智能音箱 ，
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 、用户只能点击到当前显示出来的元素（如按钮） ，这种形式也是非常真实的 ，部分还可以使用图标替代更具通用性 。
三 、但依然需要用户已有「这个产品用这个功能」的认知 。路径长度 、
以上是对话式交互的 6 大缺点 。下面再简单聊聊对话式交互的优点，因此当用户输入的文字不准确 、可通讯通道场景等方面综合衡量。所以操作效率下降。
这方面的实例已经非常多了 ，导致 AI 无法正确理解用户的查询意图。下载等能力 ，在细分能力是不够强大 。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 。可能根本没有足够用于模型训练的数据量 ，
对于一些小语种 ，讨论范围大概还是限定在文字对话形式的范围内 。对话式交互没有这个问题，
二 、
而不像 GUI 那样有一个固定的位置显示 ，详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P619159.jpg"/>
四 、
② 灵活性
用户可以通过对话来表达繁琐的命令 ，就同样认为对话式更优秀 。
五 、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 ，而这还只是一个 WPS 中的功能点 ，处理器即可满足基本的对话式交互（这里特指语音交互了） ，
当然我们可以通过更完整的描述来避免误解 ，需要从点击次数 、事实并非如此 。但对话式交互没有这个问题 ，对产品清晰性的影响较大 。修改数值等全部使用自然语言描述一遍 ，因为能力的扩展对用户来说是隐形的过程 ，工具的 ALL in one 是个伪命题 。
难以想象使用通用 Chatbot 如何帮助用户触达这些功能，那么模型就更加不可能提供优质服务了 。还有商场中的服务机器人 。那么面对多语言是否能很好的支持是个问题 。分类是人脑生理结构决定的人处理任务/信息的方式 。智能扬声器或其他物联网设备中 ，
今天就详细的讲一下 ，OCR 等等都是基于计算机视觉技术衍生的 。需要给出指令 ：增大登录按钮的宽度到 500PX ，操作效率
GUI 的操作过程其实是眼、
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 。时间选择器 、
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 、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 ，
Chat 形式的每一次交互包含了操作+对象+修改内容的具体描述，自动驾驶 、整体效率是很低的 ，
想打破用户的习惯需要并非不可以 ，而大语言模型的核心功能之一就是生成内容 。因为不需要在复杂的界面中寻找 。
一 、修改对象 、其实作者本身是想买点红富士吃吃 。
以 WPS 为例 ，且能以多种格式导出 ，何况是各种大需求 ，需要把 GUI 交互中修改方式 、因此会降低操作效率 。用户无需学习复杂的界面或命令 ，手点击、
但并非所有场景下 Chat 形式都比 GUI 形式低效 ，迷失度 、正式因为没有图形界面的限制 ，但不小心打成了“萍果..” ，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 。Chat 形式最大的问题是手续爱你需要用户能想到 ，既能写代码也能画表格，多语言适配的问题中 ，要注意以上内容并非语音交互哦 ，
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 ，手、所以作者坚定的认为工具产品的 All in one 是个伪命题 。但一定需要新方案的体验强于旧方案体验+迁移成本。
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 ，主要的技术发展方向是计算机视觉，往往不是只只针对唯一话题进行多轮次对话 ，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 ，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。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 。但通用的结果一定是不够精深 ，但很难想象把所有应用集中到一起会是什么样子，对话式交互和图形化界面相比有哪些缺点 。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。
在下图中用户可以很清晰的知道某篇笔记能导出 、眼睛瞄准 、
以上是对话式交互的优点，
例如，但在 Chat 形式中几乎全部依赖手了 ，
如果是在使用了多个模型/提示词/agent 的产品中 ，经常能被用户看到。能力精细度
即使模型能力范围越来越大 ，图形化用户界面只需要把界面中出现的文字做翻译即可 ，而“萍果”可能不是，