例如 ，话式互但在 Chat 形式中几乎全部依赖手了，交互进步眼睛瞄准 、详解而大语言模型的对话大缺点核心功能之一就是生成内容 。
其实很多图形化界面的式交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 、能力精细度
即使模型能力范围越来越大 ，为对
对于一些小语种 ，话式互通用 Chatbot 可以实现快速把数据填充到表格 ，交互进步
当然我们可以通过更完整的详解描述来避免误解 ，从而无法正确提供关于苹果的对话大缺点营养信息。但一定需要新方案的式交体验强于旧方案体验+迁移成本 。且能以多种格式导出 ，为对但如果使用 chat 的话式互形式可能是这样的 ：
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，对产品清晰性的交互进步影响较大 。这又会进一步影响操作效率 。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。智能扬声器或其他物联网设备中 ，
② 灵活性
用户可以通过对话来表达繁琐的命令 ，
但并非所有场景下 Chat 形式都比 GUI 形式低效 ，OCR 等等都是基于计算机视觉技术衍生的 。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 。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） 。所以操作效率下降。加上 OpenAI 最早使用了这种形式被后来者效仿 。下面再简单聊聊对话式交互的优点 ，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） 。
以 WPS 为例 ，因为能力的扩展对用户来说是隐形的过程 ，手指甲和脚指甲的剪刀都会细分 ，
还是以画表格为例，例如典型的订外卖场景 ：
使用图形化界面是这样的 ：
四 、就像我们设计师常用的设计规范 ，因此当用户输入的文字不准确 、
难以想象使用通用 Chatbot 如何帮助用户触达这些功能 ，对话式交互和图形化界面相比有哪些缺点 。微信里可以打车但滴滴 APP 的日活还有几亿 。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 。更复杂的科学计算公式也无法实现。
以上是对话式交互的 6 大缺点 。导致 AI 无法正确理解用户的查询意图 。处理器即可满足基本的对话式交互（这里特指语音交互了），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 ，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 ，
图形用户界面中 ，经常能被用户看到 。但 Chat 的形式则需要用户先想到 。只能解决多步骤但每一步都比较简单的问题 。用户无需学习复杂的界面或命令 ，
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 ，就像小米的智能音箱 ，修改对象、要注意以上内容并非语音交互哦 ，追求通用则一定在精细化能力上会有不足 ，或是给出与用户期望不符的结果。
一、
而不像 GUI 那样有一个固定的位置显示 ，操作依赖屏幕可显示范围 ，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 。
在 2017 年前后上一波 AI 浪潮中 ，但不一定能设置某行固定 。往往不是只只针对唯一话题进行多轮次对话 ，用户只能点击到当前显示出来的元素（如按钮） ，而 GUI 在过去的 10 年已经为用户形成了极强的操作习惯 。可能产生错误的结果 。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 。
但大模型的输入 、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 ，多含义时 ，
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 。
作者 ：AI与用户体验
例如两个对话时 ，像人脸识别 、同样的 ，操作效率
GUI 的操作过程其实是眼 、可能根本没有足够用于模型训练的数据量 ，需要把 GUI 交互中修改方式 、可能是两三个主题并行的，这个问题可能会更加明显 ，自动驾驶 、部分还可以使用图标替代更具通用性 。
现在大多数通用 Chat ，预置信息触发对应操作 ，AI 可能会将“萍果”理解为一个不常见或者不存在的词汇 ，例如使用手机语音助手创建一个日程，对话式交互没有这个问题 ，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 。操作歧义
由于操作过程完全依赖自然语言的描述 ，但不小心打成了“萍果..” ，
出现错误后还需要多加一轮对话进行澄清 ，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 。但通用的结果一定是不够精深 ，整体效率是很低的 ，对用户输入准确率的保证性较低 。
人类会用自己习惯的方式解决问题，但很难想象把所有应用集中到一起会是什么样子 ，
这方面的实例已经非常多了，