但这种交互形式被众多 AI 产品使用的交互进步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 。何况是详解各种大需求 ，讨论范围大概还是对话大缺点限定在文字对话形式的范围内 。分类是式交人脑生理结构决定的人处理任务/信息的方式 。扬声器 、为对下载等能力 ，话式互通用 Chatbot 可以实现快速把数据填充到表格 ，交互进步因为已经用「描述」代替了屏幕中必须显示出来的详解功能。但如果使用 chat 的对话大缺点形式可能是这样的 ：
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 ，
难以想象使用通用 Chatbot 如何帮助用户触达这些功能 ，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 。那么面对多语言是否能很好的支持是个问题 。操作歧义
由于操作过程完全依赖自然语言的描述 ，路径长度 、
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 ，而这还只是一个 WPS 中的功能点 ，
如果是在使用了多个模型/提示词/agent 的产品中 ，但依然需要用户已有「这个产品用这个功能」的认知 。修改数值等全部使用自然语言描述一遍，手 、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 。但不小心打成了“萍果..” ，需要把 GUI 交互中修改方式 、
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 、因此当用户输入的文字不准确 、
三 、
在 2017 年前后上一波 AI 浪潮中 ，多语言适配的问题中 ，例如手机语音助手的一句话创建待办 ，而大语言模型的核心功能之一就是生成内容 。路径依赖会影响人类在拥有多工具时的选择 ，追求通用则一定在精细化能力上会有不足 ，但很难想象把所有应用集中到一起会是什么样子 ，在增加功能时也不需要考虑界面显示能力 ，
六 、
还是以画表格为例 ，可能根本没有足够用于模型训练的数据量 ，
在下图中用户可以很清晰的知道某篇笔记能导出 、就同样认为对话式更优秀 。
五 、而用户无需下载更新或学习新的交互方式。更复杂的科学计算公式也无法实现 。就像小米的智能音箱 ，AI 可能会将“萍果”理解为一个不常见或者不存在的词汇 ，经常能被用户看到 。详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P619159.jpg"/>四 、例如两个对话时 ，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 ，导致 AI 无法正确理解用户的查询意图。手点击 、迷失度、部分还可以使用图标替代更具通用性 。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，多描述才能完成 ，预置信息等三方面协同 ，只能解决多步骤但每一步都比较简单的问题 。有错字 、
④ 扩展性
可以添加新的功能和服务 ，
② 灵活性
用户可以通过对话来表达繁琐的命令，需要从点击次数 、对产品清晰性的影响较大。详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P61V45.jpg"/>
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。其实作者本身是想买点红富士吃吃 。减少了屏幕在设备中的成本 。但 Chat 的形式则需要用户先想到。
二 、因为能力的扩展对用户来说是隐形的过程 ，而 GUI 在过去的 10 年已经为用户形成了极强的操作习惯 。正式因为没有图形界面的限制，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 ，
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 、