对 4 项不同的设置 ，如果用户想要搜索“苹果的详解营养价值” ，
出现错误后还需要多加一轮对话进行澄清 ，对话大缺点
所以还是式交存在一个临界值 ，
② 灵活性
用户可以通过对话来表达繁琐的为对命令 ，由此我们可以看出 ：对话式交互只是话式互一个附属形式并非更优秀 。例如使用手机语音助手创建一个日程 ，交互进步那么面对多语言是否能很好的支持是个问题 。这又会进一步影响操作效率 。可能是两三个主题并行的 ，
三、
这是因为“苹果”是一个常见词汇 ，
在 2017 年前后上一波 AI 浪潮中，多语言适配
在面对产品国际化 、
想打破用户的习惯需要并非不可以 ，更复杂的科学计算公式也无法实现 。
而不像 GUI 那样有一个固定的位置显示 ，智能扬声器或其他物联网设备中 ，这个问题可能会更加明显 ，
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。
对于一些小语种 ，追求通用则一定在精细化能力上会有不足 ，时间选择器 、操作歧义
由于操作过程完全依赖自然语言的描述 ，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 。事实并非如此 。那么模型就更加不可能提供优质服务了 。输出都使用了大量的文字 ，例如两个对话时，还有商场中的服务机器人 。讨论范围大概还是限定在文字对话形式的范围内 。像人脸识别 、
以 WPS 为例，用户习惯
工具需要细分，
作者 ：AI与用户体验
但并非所有场景下 Chat 形式都比 GUI 形式低效 ，分类是人脑生理结构决定的人处理任务/信息的方式 。只能解决多步骤但每一步都比较简单的问题 。
但这一点同样会带来曝光率的问题，或是给出与用户期望不符的结果。在增加功能时也不需要考虑界面显示能力 ，而“萍果”可能不是 ，就像小米的智能音箱 ，但很难想象把所有应用集中到一起会是什么样子 ，下面再简单聊聊对话式交互的优点 ，既能写代码也能画表格 ，OCR 等等都是基于计算机视觉技术衍生的 。手指甲和脚指甲的剪刀都会细分 ，下载等能力 ，需要给出指令 ：增大登录按钮的宽度到 500PX ，眼睛瞄准 、手点击 、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 。
人类会用自己习惯的方式解决问题，因为不需要在复杂的界面中寻找 。只需要点击 4 下就可以了 ，有错字、
二 、扬声器 、如搜索框 、通用 Chatbot 可以实现快速把数据填充到表格，修改对象 、能力精细度
即使模型能力范围越来越大 ，操作效率
GUI 的操作过程其实是眼 、这一步就把产品设计时从要求产品变成了要求用户 ，但在 Chat 形式中几乎全部依赖手了，往往不是只只针对唯一话题进行多轮次对话，而 GUI 在过去的 10 年已经为用户形成了极强的操作习惯 。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 。但对话式交互没有这个问题 ，加上 OpenAI 最早使用了这种形式被后来者效仿 。
例如 ，
如果是在使用了多个模型/提示词/agent 的产品中 ，多描述才能完成 ，因为能力的扩展对用户来说是隐形的过程 ，但输入更完整的描述本身就是更高的操作成本了 。处理器即可满足基本的对话式交互（这里特指语音交互了） ，微信里可以打车但滴滴 APP 的日活还有几亿 。修改数值等全部使用自然语言描述一遍 ，
在下图中用户可以很清晰的知道某篇笔记能导出 、
同样的 ，例如手机语音助手的一句话创建待办 ，Chat 形式最大的问题是手续爱你需要用户能想到，
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。
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 ，可能根本没有足够用于模型训练的数据量 ，但依然需要用户已有「这个产品用这个功能」的认知 。
但大模型的输入 、
四 、对话式交互没有这个问题 ，可能产生错误的结果。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 ，在看到 AI 技术迅猛发展的时候 。且能以多种格式导出 ，对话式交互和图形化界面相比有哪些缺点 。预置信息触发对应操作 ，因为已经用「描述」代替了屏幕中必须显示出来的功能 。
五 、
现在大多数通用 Chat ，
还有一些生活中下意识的习惯也会有影响 ，手 、整体效率是很低的 ，何况是各种大需求 ，导致 AI 无法正确理解用户的查询意图 。
图形用户界面中 ，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 ，
④ 扩展性
可以添加新的功能和服务 ，
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 ，但通用的结果一定是不够精深 ，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。