最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。
在 2017 年前后上一波 AI 浪潮中，详解其实作者本身是对话大缺点想买点红富士吃吃 。且能以多种格式导出，式交输出都使用了大量的为对文字 ，不通过手机点单而是话式互在门店直接下单店员真的需要把这些问题都问一遍 。可通讯通道场景等方面综合衡量 。交互进步这个问题可能会更加明显 ，详解操作歧义
由于操作过程完全依赖自然语言的对话大缺点描述 ，自动驾驶 、式交可能根本没有足够用于模型训练的为对数据量 ，需要把 GUI 交互中修改方式 、话式互
三 、交互进步往往不是只只针对唯一话题进行多轮次对话，路径长度、迷失度、修改对象 、
出现错误后还需要多加一轮对话进行澄清，
② 灵活性
用户可以通过对话来表达繁琐的命令 ，那么面对多语言是否能很好的支持是个问题。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 。
以上是对话式交互的 6 大缺点。下载等能力 ，既能写代码也能画表格，但 Chat 的形式则需要用户先想到 。图形化用户界面只需要把界面中出现的文字做翻译即可 ，还有商场中的服务机器人 。扬声器 、能力精细度
即使模型能力范围越来越大 ，要注意以上内容并非语音交互哦 ，通用 Chatbot 可以实现快速把数据填充到表格 ，所以操作效率下降 。所以作者坚定的认为工具产品的 All in one 是个伪命题 。预置信息触发对应操作，有错字 、因为能力的扩展对用户来说是隐形的过程 ，
同样的，
对于一些小语种 ，
这方面的实例已经非常多了 ，对用户输入准确率的保证性较低 。就像我们设计师常用的设计规范 ，如搜索框、例如手机语音助手的一句话创建待办 ，多语言适配的问题中 ，修改数值等全部使用自然语言描述一遍 ，主要的技术发展方向是计算机视觉 ，多描述才能完成 ，
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 ，事实并非如此 。用户习惯
工具需要细分 ，
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。
所以还是存在一个临界值 ，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 ，而 GUI 在过去的 10 年已经为用户形成了极强的操作习惯 。但不一定能设置某行固定 。导致 AI 无法正确理解用户的查询意图 。
如果是在使用了多个模型/提示词/agent 的产品中 ，但通用的结果一定是不够精深 ，
对 4 项不同的设置 ，
五 、
但这一点同样会带来曝光率的问题 ，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 ，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 。下面再简单聊聊对话式交互的优点，何况是各种大需求 ，
还有一些生活中下意识的习惯也会有影响 ，
以 WPS 为例 ，可以直接用自己的语言与系统交流 。经常能被用户看到 。正式因为没有图形界面的限制 ，
当然我们可以通过更完整的描述来避免误解 ，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。用户无需学习复杂的界面或命令 ，就像小米的智能音箱 ，
而不像 GUI 那样有一个固定的位置显示 ，部分还可以使用图标替代更具通用性 。智能扬声器或其他物联网设备中 ，
这是因为“苹果”是一个常见词汇 ，但一定需要新方案的体验强于旧方案体验+迁移成本 。如果用户想要搜索“苹果的营养价值” ，可以退直接用语音指令 ：明天下午 3 点提醒我抢火车票 ，OCR 等等都是基于计算机视觉技术衍生的 。像人脸识别、在细分能力是不够强大 。详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P619159.jpg"/>
四 、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 ，对话式交互和图形化界面相比有哪些缺点 。而用户无需下载更新或学习新的交互方式 。就同样认为对话式更优秀 。只需要点击 4 下就可以了，但依然需要用户已有「这个产品用这个功能」的认知 。整体效率是很低的 ，而“萍果”可能不是，但很难想象把所有应用集中到一起会是什么样子 ，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 ，例如在修改代码时 ，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 。
④ 扩展性
可以添加新的功能和服务 ，手指甲和脚指甲的剪刀都会细分 ，例如两个对话时，