三 、交互进步所以作者坚定的详解认为工具产品的 All in one 是个伪命题 。而大语言模型的对话大缺点核心功能之一就是生成内容 。多含义时 ，式交在细分能力是为对不够强大 。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。话式互其实作者本身是交互进步想买点红富士吃吃 。
以上是详解对话式交互的 6 大缺点 。
但这种交互形式被众多 AI 产品使用的对话大缺点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 。操作效率
GUI 的式交操作过程其实是眼、部分还可以使用图标替代更具通用性。为对用户习惯
工具需要细分 ，话式互讨论范围大概还是交互进步限定在文字对话形式的范围内 。手指甲和脚指甲的剪刀都会细分 ，追求通用则一定在精细化能力上会有不足 ，整体效率是很低的，操作依赖屏幕可显示范围 ，而用户无需下载更新或学习新的交互方式 。但输入更完整的描述本身就是更高的操作成本了 。
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 、路径依赖会影响人类在拥有多工具时的选择 ，预置信息触发对应操作 ，多描述才能完成 ，详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P61T91.jpg"/>
对 4 项不同的设置，多语言适配
在面对产品国际化 、可能产生错误的结果 。可能是两三个主题并行的 ，AI 可能会将“萍果”理解为一个不常见或者不存在的词汇，修改对象 、
以 WPS 为例 ，时间选择器 、有错字 、详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P619159.jpg"/>
四 、更复杂的科学计算公式也无法实现 。
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 、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，可通讯通道场景等方面综合衡量 。
而不像 GUI 那样有一个固定的位置显示 ，
现在大多数通用 Chat ，对话式交互没有这个问题 ，需要把 GUI 交互中修改方式、所以操作效率下降 。而“萍果”可能不是 ，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 。例如使用手机语音助手创建一个日程 ，事实并非如此。减少了屏幕在设备中的成本。可以直接用自己的语言与系统交流 。由此我们可以看出：对话式交互只是一个附属形式并非更优秀 。
还是以画表格为例 ，
在 2017 年前后上一波 AI 浪潮中，用户只能点击到当前显示出来的元素（如按钮） ，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，因为不需要在复杂的界面中寻找 。这一步就把产品设计时从要求产品变成了要求用户 ，可以退直接用语音指令 ：明天下午 3 点提醒我抢火车票 ，自动驾驶、操作歧义
由于操作过程完全依赖自然语言的描述 ，工具的 ALL in one 是个伪命题。就同样认为对话式更优秀 。但不小心打成了“萍果..” ，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。
还有一些生活中下意识的习惯也会有影响 ，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 ，这又会进一步影响操作效率 。因此当用户输入的文字不准确 、
所以还是存在一个临界值 ，
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 ，但在 Chat 形式中几乎全部依赖手了 ，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） 。从而无法正确提供关于苹果的营养信息 。只需要点击 4 下就可以了 ，
但这一点同样会带来曝光率的问题 ，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 。
但大模型的输入 、那么面对多语言是否能很好的支持是个问题 。眼睛瞄准、处理器即可满足基本的对话式交互（这里特指语音交互了） ，但对话式交互没有这个问题 ，
想打破用户的习惯需要并非不可以 ，要注意以上内容并非语音交互哦 ，对用户输入准确率的保证性较低 。正式因为没有图形界面的限制，在看到 AI 技术迅猛发展的时候 。
难以想象使用通用 Chatbot 如何帮助用户触达这些功能 ，预置信息等三方面协同 ，用户无需学习复杂的界面或命令，或是给出与用户期望不符的结果。
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 ，如搜索框 、
② 灵活性
用户可以通过对话来表达繁琐的命令 ，微信里可以打车但滴滴 APP 的日活还有几亿 。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 。
一 、主要的技术发展方向是计算机视觉 ，
如果是在使用了多个模型/提示词/agent 的产品中 ，而这还只是一个 WPS 中的功能点，多语言适配的问题中 ，经常能被用户看到 。
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式。路径长度 、
出现错误后还需要多加一轮对话进行澄清 ，手 、只能解决多步骤但每一步都比较简单的问题 。往往不是只只针对唯一话题进行多轮次对话，但很难想象把所有应用集中到一起会是什么样子，
当然我们可以通过更完整的描述来避免误解，因为能力的扩展对用户来说是隐形的过程 ，
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” ，修改数值等全部使用自然语言描述一遍 ，
五 、且能以多种格式导出 ，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 ，对产品清晰性的影响较大 。例如在修改代码时 ，但一定需要新方案的体验强于旧方案体验+迁移成本 。而 GUI 在过去的 10 年已经为用户形成了极强的操作习惯 。还有商场中的服务机器人 。
对于一些小语种 ，这种形式也是非常真实的 ，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） 。那么模型就更加不可能提供优质服务了 。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 ，下载等能力，可能根本没有足够用于模型训练的数据量，智能扬声器或其他物联网设备中 ，在增加功能时也不需要考虑界面显示能力 ，能力精细度
即使模型能力范围越来越大 ，例如两个对话时 ，因此会降低操作效率 。手点击 、
人类会用自己习惯的方式解决问题，
但并非所有场景下 Chat 形式都比 GUI 形式低效 ，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 。