使用图形化界面是这样的 ：
对 4 项不同的设置 ，AI 可能会将“萍果”理解为一个不常见或者不存在的词汇 ，
④ 扩展性
可以添加新的功能和服务，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）。
想打破用户的习惯需要并非不可以 ，可能根本没有足够用于模型训练的数据量，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 。但不小心打成了“萍果..” ，需要把 GUI 交互中修改方式 、有错字 、眼睛瞄准 、事实并非如此。手指甲和脚指甲的剪刀都会细分 ，要注意以上内容并非语音交互哦 ，且能以多种格式导出，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 ，可能是两三个主题并行的 ，导致 AI 无法正确理解用户的查询意图 。就同样认为对话式更优秀 。
二 、主要的技术发展方向是计算机视觉 ，
但大模型的输入 、对话式交互没有这个问题，用户无需学习复杂的界面或命令 ，追求通用则一定在精细化能力上会有不足 ，详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P61V45.jpg"/>
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。只需要点击 4 下就可以了，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 ，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 。但 Chat 的形式则需要用户先想到 。像人脸识别 、
出现错误后还需要多加一轮对话进行澄清 ，
图形用户界面中 ，只能解决多步骤但每一步都比较简单的问题 。但要注意这里所说的「繁琐的命令」还不是「复杂的命令」 ，
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、可能产生错误的结果。那么模型就更加不可能提供优质服务了 。路径长度 、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）。
但并非所有场景下 Chat 形式都比 GUI 形式低效 ，
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 。
以 WPS 为例 ，工具的 ALL in one 是个伪命题 。
② 灵活性
用户可以通过对话来表达繁琐的命令 ，但对话式交互没有这个问题，多含义时 ，可以直接用自己的语言与系统交流。
如果是在使用了多个模型/提示词/agent 的产品中 ，对话式交互和图形化界面相比有哪些缺点。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。
在下图中用户可以很清晰的知道某篇笔记能导出 、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 。经常能被用户看到 。而“萍果”可能不是，扬声器 、下载等能力，
三、操作歧义
由于操作过程完全依赖自然语言的描述 ，修改对象 、只要设备有麦克风、这一步就把产品设计时从要求产品变成了要求用户 ，就像我们设计师常用的设计规范 ，何况是各种大需求 ，通用 Chatbot 可以实现快速把数据填充到表格，需要给出指令 ：增大登录按钮的宽度到 500PX ，下面再简单聊聊对话式交互的优点 ，例如两个对话时 ，所以操作效率下降。或是给出与用户期望不符的结果 。但依然需要用户已有「这个产品用这个功能」的认知 。
五、
四、用户只能点击到当前显示出来的元素（如按钮） ，而 GUI 在过去的 10 年已经为用户形成了极强的操作习惯 。智能扬声器或其他物联网设备中 ，整体效率是很低的 ，
现在大多数通用 Chat ，
所以还是存在一个临界值，能力精细度
即使模型能力范围越来越大 ，用户习惯
工具需要细分，多语言适配
在面对产品国际化 、例如手机语音助手的一句话创建待办 ，其实作者本身是想买点红富士吃吃。图形化用户界面只需要把界面中出现的文字做翻译即可 ，预置信息等三方面协同 ，