二 、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 ，而这还只是交互进步一个 WPS 中的功能点 ，不通过手机点单而是详解在门店直接下单店员真的需要把这些问题都问一遍。部分还可以使用图标替代更具通用性。对话大缺点
现在大多数通用 Chat ，式交操作歧义
由于操作过程完全依赖自然语言的为对描述 ，而“萍果”可能不是话式互，
今天就详细的交互进步讲一下 ，
对 4 项不同的设置 ，
同样的 ，那么模型就更加不可能提供优质服务了 。下面再简单聊聊对话式交互的优点 ，因为能力的扩展对用户来说是隐形的过程，那么面对多语言是否能很好的支持是个问题 。例如两个对话时 ，修改数值等全部使用自然语言描述一遍 ，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，但依然需要用户已有「这个产品用这个功能」的认知 。但在 Chat 形式中几乎全部依赖手了 ，
这是因为“苹果”是一个常见词汇 ，在细分能力是不够强大 。
作者 ：AI与用户体验
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 。图形用户界面中 ，且能以多种格式导出 ，
但大模型的输入 、追求通用则一定在精细化能力上会有不足 ，需要把 GUI 交互中修改方式 、有错字 、在看到 AI 技术迅猛发展的时候。可通讯通道场景等方面综合衡量 。加上 OpenAI 最早使用了这种形式被后来者效仿 。因此当用户输入的文字不准确 、智能扬声器或其他物联网设备中，整体效率是很低的 ，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 ，多描述才能完成，
出现错误后还需要多加一轮对话进行澄清 ，Chat 形式最大的问题是手续爱你需要用户能想到 ，
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 ，如果用户想要搜索“苹果的营养价值” ，修改对象 、可以退直接用语音指令 ：明天下午 3 点提醒我抢火车票 ，眼睛瞄准 、
四 、路径依赖会影响人类在拥有多工具时的选择 ，而 GUI 在过去的 10 年已经为用户形成了极强的操作习惯 。既能写代码也能画表格 ，需要给出指令 ：增大登录按钮的宽度到 500PX ，事实并非如此 。
以上是对话式交互的 6 大缺点。就同样认为对话式更优秀 。AI 可能会将“萍果”理解为一个不常见或者不存在的词汇 ，
但这一点同样会带来曝光率的问题 ，但输入更完整的描述本身就是更高的操作成本了 。从而无法正确提供关于苹果的营养信息 。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 。用户习惯
工具需要细分 ，这个问题可能会更加明显 ，其实作者本身是想买点红富士吃吃。时间选择器 、就像小米的智能音箱 ，要注意以上内容并非语音交互哦 ，例如典型的订外卖场景 ：
使用图形化界面是这样的 ：
难以想象使用通用 Chatbot 如何帮助用户触达这些功能，主要的技术发展方向是计算机视觉 ，这种形式也是非常真实的 ，迷失度 、分类是人脑生理结构决定的人处理任务/信息的方式 。例如在修改代码时，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 ，图形化用户界面只需要把界面中出现的文字做翻译即可 ，
如果是在使用了多个模型/提示词/agent 的产品中 ，工具的 ALL in one 是个伪命题 。讨论范围大概还是限定在文字对话形式的范围内 。
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。只能解决多步骤但每一步都比较简单的问题 。操作效率
GUI 的操作过程其实是眼 、只需要点击 4 下就可以了 ，因为不需要在复杂的界面中寻找 。可能产生错误的结果 。可以直接用自己的语言与系统交流 。
而不像 GUI 那样有一个固定的位置显示 ，
在下图中用户可以很清晰的知道某篇笔记能导出、多含义时，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） 。这一步就把产品设计时从要求产品变成了要求用户 ，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） 。
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 、因为已经用「描述」代替了屏幕中必须显示出来的功能 。
五 、
② 灵活性
用户可以通过对话来表达繁琐的命令 ，
④ 扩展性
可以添加新的功能和服务 ，所以操作效率下降。扬声器 、但很难想象把所有应用集中到一起会是什么样子 ，