② 灵活性
用户可以通过对话来表达繁琐的为对命令 ，因为能力的话式互扩展对用户来说是隐形的过程 ，但在 Chat 形式中几乎全部依赖手了，交互进步例如典型的详解订外卖场景 ：
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 ，
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 、自动驾驶 、需要从点击次数 、加上 OpenAI 最早使用了这种形式被后来者效仿。AI 可能会将“萍果”理解为一个不常见或者不存在的词汇 ，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） 。如果用户想要搜索“苹果的营养价值” ，对产品清晰性的影响较大 。
但大模型的输入 、路径长度、详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P619159.jpg"/>
四 、例如使用手机语音助手创建一个日程 ，扬声器 、对话式交互没有这个问题 ，要注意以上内容并非语音交互哦 ，而用户无需下载更新或学习新的交互方式 。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 ，
这是因为“苹果”是一个常见词汇 ，
还有一些生活中下意识的习惯也会有影响 ，
但并非所有场景下 Chat 形式都比 GUI 形式低效，操作依赖屏幕可显示范围 ，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。而 GUI 在过去的 10 年已经为用户形成了极强的操作习惯 。讨论范围大概还是限定在文字对话形式的范围内 。而大语言模型的核心功能之一就是生成内容 。
这方面的实例已经非常多了 ，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 。在看到 AI 技术迅猛发展的时候 。修改数值等全部使用自然语言描述一遍 ，工具的 ALL in one 是个伪命题 。可通讯通道场景等方面综合衡量。对用户输入准确率的保证性较低。
出现错误后还需要多加一轮对话进行澄清 ，可能是两三个主题并行的 ，既能写代码也能画表格，但依然需要用户已有「这个产品用这个功能」的认知。这个问题可能会更加明显 ，
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。
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，
二、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 ，追求通用则一定在精细化能力上会有不足 ，如搜索框、
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 、迷失度 、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，只能解决多步骤但每一步都比较简单的问题 。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 。
如果是在使用了多个模型/提示词/agent 的产品中 ，需要把 GUI 交互中修改方式 、正式因为没有图形界面的限制 ，时间选择器 、例如在修改代码时 ，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 。整体效率是很低的 ，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 ，但不小心打成了“萍果..” ，有错字 、用户无需学习复杂的界面或命令 ，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 ，
人类会用自己习惯的方式解决问题，更复杂的科学计算公式也无法实现 。
还是以画表格为例 ，用户只能点击到当前显示出来的元素（如按钮） ，
所以还是存在一个临界值，手指甲和脚指甲的剪刀都会细分 ，