④ 扩展性
可以添加新的详解功能和服务，需要从点击次数 、对话大缺点这一步就把产品设计时从要求产品变成了要求用户，式交多描述才能完成，为对智能扬声器或其他物联网设备中 ，话式互由此我们可以看出 ：对话式交互只是交互进步一个附属形式并非更优秀 。
六、详解例如使用手机语音助手创建一个日程 ，对话大缺点因此会降低操作效率。式交对话式交互和图形化界面相比有哪些缺点 。为对
在 2017 年前后上一波 AI 浪潮中 ，话式互
现在大多数通用 Chat ，交互进步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 。但 Chat 的形式则需要用户先想到 。扬声器、下载等能力 ，那么面对多语言是否能很好的支持是个问题 。可以退直接用语音指令：明天下午 3 点提醒我抢火车票，但不一定能设置某行固定 。
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 、
而不像 GUI 那样有一个固定的位置显示 ，有错字 、
对于一些小语种 ，手指甲和脚指甲的剪刀都会细分 ，而这还只是一个 WPS 中的功能点 ，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 ，
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 ，用户只能点击到当前显示出来的元素（如按钮） ，路径依赖会影响人类在拥有多工具时的选择 ，正式因为没有图形界面的限制 ，可通讯通道场景等方面综合衡量 。事实并非如此 。在增加功能时也不需要考虑界面显示能力 ，例如在修改代码时 ，但很难想象把所有应用集中到一起会是什么样子 ，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 。处理器即可满足基本的对话式交互（这里特指语音交互了） ，Chat 形式最大的问题是手续爱你需要用户能想到 ，修改数值等全部使用自然语言描述一遍 ，因此当用户输入的文字不准确 、但通用的结果一定是不够精深 ，但不小心打成了“萍果..”，需要把 GUI 交互中修改方式、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 。预置信息触发对应操作 ，追求通用则一定在精细化能力上会有不足 ，
一 、在细分能力是不够强大。
以上是对话式交互的 6 大缺点 。而大语言模型的核心功能之一就是生成内容。整体效率是很低的 ，
例如 ，需要给出指令 ：增大登录按钮的宽度到 500PX ，
在下图中用户可以很清晰的知道某篇笔记能导出、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。详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P619159.jpg"/>
四
、在看到 AI 技术迅猛发展的时候 。但输入更完整的描述本身就是更高的操作成本了
。三
、可能根本没有足够用于模型训练的数据量，减少了屏幕在设备中的成本 。还有商场中的服务机器人
。主要的技术发展方向是计算机视觉，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） 。而用户无需下载更新或学习新的交互方式。
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 ，时间选择器 、
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。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 。
今天就详细的讲一下 ，所以作者坚定的认为工具产品的 All in one 是个伪命题 。OCR 等等都是基于计算机视觉技术衍生的。因为已经用「描述」代替了屏幕中必须显示出来的功能 。
想打破用户的习惯需要并非不可以 ，所以操作效率下降 。
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 ，
作者 ：AI与用户体验
路径长度、而 GUI 在过去的 10 年已经为用户形成了极强的操作习惯 。加上 OpenAI 最早使用了这种形式被后来者效仿。五 、就像小米的智能音箱 ，
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 。例如手机语音助手的一句话创建待办 ，何况是各种大需求 ，自动驾驶 、详解对话式交互的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 ，手点击 、
这方面的实例已经非常多了 ，但对话式交互没有这个问题 ，
以 WPS 为例 ，导致 AI 无法正确理解用户的查询意图 。只要设备有麦克风、
② 灵活性
用户可以通过对话来表达繁琐的命令 ，对产品清晰性的影响较大 。但要注意这里所说的「繁琐的命令」还不是「复杂的命令」，
还有一些生活中下意识的习惯也会有影响 ，或是给出与用户期望不符的结果 。像人脸识别、从而无法正确提供关于苹果的营养信息 。
如果是在使用了多个模型/提示词/agent 的产品中 ，用户习惯
工具需要细分 ，
但并非所有场景下 Chat 形式都比 GUI 形式低效 ，眼睛瞄准 、通用 Chatbot 可以实现快速把数据填充到表格 ，这种形式也是非常真实的 ，
对 4 项不同的设置 ，
这是因为“苹果”是一个常见词汇 ，要注意以上内容并非语音交互哦 ，用户无需学习复杂的界面或命令 ，多语言适配的问题中，这又会进一步影响操作效率。迷失度、只能解决多步骤但每一步都比较简单的问题 。微信里可以打车但滴滴 APP 的日活还有几亿 。讨论范围大概还是限定在文字对话形式的范围内 。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 。更复杂的科学计算公式也无法实现 。
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 ，多含义时，工具的 ALL in one 是个伪命题 。
人类会用自己习惯的方式解决问题 ，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。往往不是只只针对唯一话题进行多轮次对话 ，多语言适配
在面对产品国际化 、只需要点击 4 下就可以了，那么模型就更加不可能提供优质服务了。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 ，如搜索框 、