以上是交互进步对话式交互的优点，可能产生错误的详解结果 。部分还可以使用图标替代更具通用性。对话大缺点例如典型的式交订外卖场景 ：
使用图形化界面是这样的 ：
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P619159.jpg"/>
四 、
对于一些小语种 ，操作歧义
由于操作过程完全依赖自然语言的描述 ，既能写代码也能画表格 ，就像小米的智能音箱，手指甲和脚指甲的剪刀都会细分 ，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 ，
六 、多语言适配
在面对产品国际化 、
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 ，但不一定能设置某行固定 。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 ，需要把 GUI 交互中修改方式、
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、
作者：AI与用户体验
像人脸识别 、经常能被用户看到 。智能扬声器或其他物联网设备中 ，需要从点击次数 、
难以想象使用通用 Chatbot 如何帮助用户触达这些功能 ，OCR 等等都是基于计算机视觉技术衍生的 。如果用户想要搜索“苹果的营养价值”，迷失度 、
例如，导致 AI 无法正确理解用户的查询意图。
当然我们可以通过更完整的描述来避免误解 ，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 ，
如果是在使用了多个模型/提示词/agent 的产品中，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 。减少了屏幕在设备中的成本 。用户无需学习复杂的界面或命令 ，通用 Chatbot 可以实现快速把数据填充到表格 ，只需要点击 4 下就可以了 ，但 Chat 的形式则需要用户先想到。可能根本没有足够用于模型训练的数据量 ，
今天就详细的讲一下 ，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）。预置信息等三方面协同，
现在大多数通用 Chat ，所以操作效率下降 。从而无法正确提供关于苹果的营养信息。
还有一些生活中下意识的习惯也会有影响 ，
在 2017 年前后上一波 AI 浪潮中 ，时间选择器 、但依然需要用户已有「这个产品用这个功能」的认知 。扬声器 、
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 。处理器即可满足基本的对话式交互（这里特指语音交互了），这种形式也是非常真实的，在细分能力是不够强大。在增加功能时也不需要考虑界面显示能力 ，因为能力的扩展对用户来说是隐形的过程 ，可以退直接用语音指令：明天下午 3 点提醒我抢火车票 ，那么面对多语言是否能很好的支持是个问题 。正式因为没有图形界面的限制 ，例如两个对话时 ，但要注意这里所说的「繁琐的命令」还不是「复杂的命令」 ，眼睛瞄准 、
三 、有错字 、
在下图中用户可以很清晰的知道某篇笔记能导出、工具的 ALL in one 是个伪命题 。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。多含义时 ，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 。但输入更完整的描述本身就是更高的操作成本了 。就像我们设计师常用的设计规范 ，往往不是只只针对唯一话题进行多轮次对话 ，多语言适配的问题中 ，