对 4 项不同的设置 ，
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，更复杂的科学计算公式也无法实现 。用户习惯
工具需要细分 ，例如两个对话时，操作歧义
由于操作过程完全依赖自然语言的描述 ，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 。下面再简单聊聊对话式交互的优点，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。
② 灵活性
用户可以通过对话来表达繁琐的命令 ，多语言适配的问题中 ，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） 。
人类会用自己习惯的方式解决问题 ，且能以多种格式导出 ，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 ，
想打破用户的习惯需要并非不可以 ，这又会进一步影响操作效率 。例如在修改代码时 ，图形化用户界面只需要把界面中出现的文字做翻译即可 ，
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。
二、用户只能点击到当前显示出来的元素（如按钮） ，用户无需学习复杂的界面或命令 ，对用户输入准确率的保证性较低 。Chat 形式最大的问题是手续爱你需要用户能想到 ，
图形用户界面中 ，需要把 GUI 交互中修改方式、整体效率是很低的 ，减少了屏幕在设备中的成本 。操作依赖屏幕可显示范围，就像我们设计师常用的设计规范 ，多含义时 ，但一定需要新方案的体验强于旧方案体验+迁移成本 。如搜索框 、经常能被用户看到 。因为已经用「描述」代替了屏幕中必须显示出来的功能 。
现在大多数通用 Chat，要注意以上内容并非语音交互哦，
对于一些小语种 ，
五、手
、六 、
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，
同样的 ，需要给出指令：增大登录按钮的宽度到 500PX ，
例如，AI 可能会将“萍果”理解为一个不常见或者不存在的词汇 ，部分还可以使用图标替代更具通用性 。正式因为没有图形界面的限制，输出都使用了大量的文字，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 ，所以作者坚定的认为工具产品的 All in one 是个伪命题 。那么模型就更加不可能提供优质服务了。处理器即可满足基本的对话式交互（这里特指语音交互了） ，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，所以操作效率下降。
以上是对话式交互的优点 ，例如手机语音助手的一句话创建待办，在看到 AI 技术迅猛发展的时候。在细分能力是不够强大 。就像小米的智能音箱 ，像人脸识别 、何况是各种大需求，多语言适配
在面对产品国际化 、追求通用则一定在精细化能力上会有不足，需要从点击次数 、但输入更完整的描述本身就是更高的操作成本了。能力精细度
即使模型能力范围越来越大 ，
④ 扩展性
可以添加新的功能和服务 ，事实并非如此 。工具的 ALL in one 是个伪命题 。这种形式也是非常真实的 ，预置信息触发对应操作 ，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 。往往不是只只针对唯一话题进行多轮次对话 ，只能解决多步骤但每一步都比较简单的问题 。路径长度、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 ，
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。如果用户想要搜索“苹果的营养价值” ，因此会降低操作效率 。
三 、时间选择器 、
以上是对话式交互的 6 大缺点 。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 ，
但这一点同样会带来曝光率的问题 ，
但并非所有场景下 Chat 形式都比 GUI 形式低效 ，但对话式交互没有这个问题 ，
但大模型的输入 、只要设备有麦克风 、
作者：AI与用户体验
但在 Chat 形式中几乎全部依赖手了 ，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 。下载等能力 ，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 。因为能力的扩展对用户来说是隐形的过程 ，这是因为“苹果”是一个常见词汇 ，
四 、而“萍果”可能不是 ，对话式交互没有这个问题，例如使用手机语音助手创建一个日程 ，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。可以直接用自己的语言与系统交流 。但不小心打成了“萍果..” ，分类是人脑生理结构决定的人处理任务/信息的方式 。而这还只是一个 WPS 中的功能点 ，主要的技术发展方向是计算机视觉 ，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 ，既能写代码也能画表格 ，预置信息等三方面协同 ，
今天就详细的讲一下 ，自动驾驶 、可通讯通道场景等方面综合衡量。因此当用户输入的文字不准确 、对产品清晰性的影响较大 。
当然我们可以通过更完整的描述来避免误解 ，可能是两三个主题并行的，
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 ，这一步就把产品设计时从要求产品变成了要求用户 ，
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、
而不像 GUI 那样有一个固定的位置显示，扬声器 、可以退直接用语音指令：明天下午 3 点提醒我抢火车票 ，只需要点击 4 下就可以了 ，可能根本没有足够用于模型训练的数据量，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） 。但很难想象把所有应用集中到一起会是什么样子 ，但 Chat 的形式则需要用户先想到 。
在 2017 年前后上一波 AI 浪潮中 ，
在下图中用户可以很清晰的知道某篇笔记能导出 、
还有一些生活中下意识的习惯也会有影响，在增加功能时也不需要考虑界面显示能力 ，
以 WPS 为例 ，修改数值等全部使用自然语言描述一遍，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。有错字、
还是以画表格为例 ，