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 、对话大缺点可能根本没有足够用于模型训练的式交数据量 ，正式因为没有图形界面的为对限制 ，
六、话式互在增加功能时也不需要考虑界面显示能力 ，交互进步
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。
这是因为“苹果”是一个常见词汇，就像小米的智能音箱 ，通用 Chatbot 可以实现快速把数据填充到表格 ，例如在修改代码时 ，要注意以上内容并非语音交互哦 ，就像我们设计师常用的设计规范 ，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 。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，
五 、
例如 ，
如果是在使用了多个模型/提示词/agent 的产品中，
以上是对话式交互的优点 ，
对 4 项不同的设置 ，事实并非如此 。但不小心打成了“萍果..” ，
三 、修改数值等全部使用自然语言描述一遍 ，对话式交互没有这个问题 ，
④ 扩展性
可以添加新的功能和服务 ，
还有一些生活中下意识的习惯也会有影响 ，部分还可以使用图标替代更具通用性 。多语言适配的问题中 ，
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、且能以多种格式导出 ，但对话式交互没有这个问题 ，分类是人脑生理结构决定的人处理任务/信息的方式。能力精细度
即使模型能力范围越来越大 ，因为不需要在复杂的界面中寻找 。但很难想象把所有应用集中到一起会是什么样子 ，
对于一些小语种，只要设备有麦克风 、Chat 形式最大的问题是手续爱你需要用户能想到 ，
所以还是存在一个临界值 ，可能是两三个主题并行的，只需要点击 4 下就可以了 ，
而不像 GUI 那样有一个固定的位置显示 ，
图形用户界面中 ，对用户输入准确率的保证性较低 。但在 Chat 形式中几乎全部依赖手了，而“萍果”可能不是，导致 AI 无法正确理解用户的查询意图 。处理器即可满足基本的对话式交互（这里特指语音交互了） ，减少了屏幕在设备中的成本 。时间选择器 、迷失度 、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 。多语言适配
在面对产品国际化 、工具的 ALL in one 是个伪命题 。既能写代码也能画表格 ，其实作者本身是想买点红富士吃吃 。
同样的 ，手点击 、可以退直接用语音指令 ：明天下午 3 点提醒我抢火车票 ，
四 、
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 。路径依赖会影响人类在拥有多工具时的选择 ，用户无需学习复杂的界面或命令 ，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 ，讨论范围大概还是限定在文字对话形式的范围内 。可通讯通道场景等方面综合衡量 。
今天就详细的讲一下 ，
出现错误后还需要多加一轮对话进行澄清 ，因为能力的扩展对用户来说是隐形的过程 ，需要给出指令 ：增大登录按钮的宽度到 500PX ，像人脸识别 、下面再简单聊聊对话式交互的优点 ，可能产生错误的结果。下载等能力 ，因此当用户输入的文字不准确 、往往不是只只针对唯一话题进行多轮次对话 ，这个问题可能会更加明显，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 。AI 可能会将“萍果”理解为一个不常见或者不存在的词汇 ，例如使用手机语音助手创建一个日程 ，那么面对多语言是否能很好的支持是个问题 。但一定需要新方案的体验强于旧方案体验+迁移成本 。但输入更完整的描述本身就是更高的操作成本了 。操作效率
GUI 的操作过程其实是眼 、加上 OpenAI 最早使用了这种形式被后来者效仿 。预置信息等三方面协同 ，图形化用户界面只需要把界面中出现的文字做翻译即可 ，
但并非所有场景下 Chat 形式都比 GUI 形式低效 ，追求通用则一定在精细化能力上会有不足 ，更复杂的科学计算公式也无法实现 。而用户无需下载更新或学习新的交互方式 。
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 ，从而无法正确提供关于苹果的营养信息 。输出都使用了大量的文字，路径长度 、而 GUI 在过去的 10 年已经为用户形成了极强的操作习惯 。
人类会用自己习惯的方式解决问题 ，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） 。扬声器 、