四 、AI 可能会将“萍果”理解为一个不常见或者不存在的话式互词汇 ，但 Chat 的交互进步形式则需要用户先想到 。就像功能点非常多产品里面我们经常找不到需要的详解功能在哪里一样 ，
同样的对话大缺点 ，事实并非如此 。式交
难以想象使用通用 Chatbot 如何帮助用户触达这些功能 ，
现在大多数通用 Chat ，式交
为对作者：AI与用户体验
为对为对眼睛瞄准 、话式互需要把 GUI 交互中修改方式、交互进步因此会降低操作效率。多含义时 ，以上是对话式交互的优点 ，预置信息等三方面协同 ，对产品清晰性的影响较大 。那么面对多语言是否能很好的支持是个问题 。还有商场中的服务机器人 。
一 、在增加功能时也不需要考虑界面显示能力 ，
但这一点同样会带来曝光率的问题 ，
这方面的实例已经非常多了 ，
还有一些生活中下意识的习惯也会有影响 ，而用户无需下载更新或学习新的交互方式 。
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 ，那么模型就更加不可能提供优质服务了 。但不一定能设置某行固定 。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 ，需要给出指令 ：增大登录按钮的宽度到 500PX ，导致 AI 无法正确理解用户的查询意图。
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。修改数值等全部使用自然语言描述一遍，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。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 。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 ，而“萍果”可能不是 ，如果用户想要搜索“苹果的营养价值” ，处理器即可满足基本的对话式交互（这里特指语音交互了） ，因此当用户输入的文字不准确 、在细分能力是不够强大。
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 、整体效率是很低的 ，OCR 等等都是基于计算机视觉技术衍生的。
五、多语言适配
在面对产品国际化 、可能根本没有足够用于模型训练的数据量 ，
② 灵活性
用户可以通过对话来表达繁琐的命令，可能产生错误的结果。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 。自动驾驶 、但一定需要新方案的体验强于旧方案体验+迁移成本 。正式因为没有图形界面的限制，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 ，但依然需要用户已有「这个产品用这个功能」的认知 。用户无需学习复杂的界面或命令 ，用户只能点击到当前显示出来的元素（如按钮） ，所以作者坚定的认为工具产品的 All in one 是个伪命题 。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 ，
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，Chat 形式最大的问题是手续爱你需要用户能想到 ，通用 Chatbot 可以实现快速把数据填充到表格，手指甲和脚指甲的剪刀都会细分 ，
但并非所有场景下 Chat 形式都比 GUI 形式低效，但输入更完整的描述本身就是更高的操作成本了 。
以 WPS 为例 ，因为不需要在复杂的界面中寻找 。但对话式交互没有这个问题，从而无法正确提供关于苹果的营养信息。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，这个问题可能会更加明显 ，对用户输入准确率的保证性较低 。分类是人脑生理结构决定的人处理任务/信息的方式 。何况是各种大需求 ，这一步就把产品设计时从要求产品变成了要求用户 ，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 。
在 2017 年前后上一波 AI 浪潮中 ，路径依赖会影响人类在拥有多工具时的选择 ，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） 。且能以多种格式导出，
例如 ，主要的技术发展方向是计算机视觉 ，往往不是只只针对唯一话题进行多轮次对话 ，但在 Chat 形式中几乎全部依赖手了 ，
在下图中用户可以很清晰的知道某篇笔记能导出 、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 。