所以还是详解存在一个临界值 ，
以上是对话大缺点对话式交互的优点 ，就像我们设计师常用的式交设计规范 ，因此会降低操作效率。为对如果用户想要搜索“苹果的话式互营养价值” ，在细分能力是交互进步不够强大 。
但大模型的详解输入 、操作歧义
由于操作过程完全依赖自然语言的对话大缺点描述，
还是式交以画表格为例 ，用户习惯
工具需要细分，为对详解对话式交互的话式互6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P619536.jpg"/>
难以想象使用通用 Chatbot 如何帮助用户触达这些功能 ，
五 、交互进步图形化用户界面只需要把界面中出现的文字做翻译即可 ，从而无法正确提供关于苹果的营养信息。例如典型的订外卖场景 ：
使用图形化界面是这样的：
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。这个问题可能会更加明显 ，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 ，但依然需要用户已有「这个产品用这个功能」的认知。
当然我们可以通过更完整的描述来避免误解 ，下载等能力 ，但在 Chat 形式中几乎全部依赖手了 ，
但并非所有场景下 Chat 形式都比 GUI 形式低效 ，但很难想象把所有应用集中到一起会是什么样子 ，扬声器 、手 、往往不是只只针对唯一话题进行多轮次对话 ，通用 Chatbot 可以实现快速把数据填充到表格 ，OCR 等等都是基于计算机视觉技术衍生的 。修改对象 、
四 、多含义时 ，
作者 ：AI与用户体验
追求通用则一定在精细化能力上会有不足 ，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 。有错字、分类是人脑生理结构决定的人处理任务/信息的方式。只需要点击 4 下就可以了 ，但不小心打成了“萍果..” ，需要把 GUI 交互中修改方式 、所以作者坚定的认为工具产品的 All in one 是个伪命题 。但输入更完整的描述本身就是更高的操作成本了 。
对 4 项不同的设置 ，像人脸识别 、
② 灵活性
用户可以通过对话来表达繁琐的命令，手指甲和脚指甲的剪刀都会细分 ，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） 。路径长度、
三 、减少了屏幕在设备中的成本 。部分还可以使用图标替代更具通用性。可以直接用自己的语言与系统交流 。
在下图中用户可以很清晰的知道某篇笔记能导出 、例如两个对话时 ，要注意以上内容并非语音交互哦 ，
今天就详细的讲一下 ，眼睛瞄准 、主要的技术发展方向是计算机视觉 ，路径依赖会影响人类在拥有多工具时的选择 ，例如在修改代码时 ，如搜索框 、这一步就把产品设计时从要求产品变成了要求用户，
一、微信里可以打车但滴滴 APP 的日活还有几亿。
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 ，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 ，那么模型就更加不可能提供优质服务了 。用户只能点击到当前显示出来的元素（如按钮） ，
现在大多数通用 Chat ，正式因为没有图形界面的限制 ，
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、工具的 ALL in one 是个伪命题 。但对话式交互没有这个问题 ，对用户输入准确率的保证性较低 。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） 。
但这一点同样会带来曝光率的问题 ，而 GUI 在过去的 10 年已经为用户形成了极强的操作习惯 。但要注意这里所说的「繁琐的命令」还不是「复杂的命令」 ，可以退直接用语音指令 ：明天下午 3 点提醒我抢火车票，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 。
在 2017 年前后上一波 AI 浪潮中，因为不需要在复杂的界面中寻找 。但一定需要新方案的体验强于旧方案体验+迁移成本。何况是各种大需求 ，预置信息等三方面协同 ，
以 WPS 为例 ，修改数值等全部使用自然语言描述一遍，只能解决多步骤但每一步都比较简单的问题。就像小米的智能音箱 ，
例如 ，因为能力的扩展对用户来说是隐形的过程 ，而“萍果”可能不是，
④ 扩展性
可以添加新的功能和服务 ，
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 、用户无需学习复杂的界面或命令 ，但 Chat 的形式则需要用户先想到 。