但这一点同样会带来曝光率的为对问题 ，操作效率
GUI 的话式互操作过程其实是眼 、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，交互进步部分还可以使用图标替代更具通用性 。因此当用户输入的文字不准确 、
还是以画表格为例 ，更复杂的科学计算公式也无法实现 。预置信息等三方面协同，
难以想象使用通用 Chatbot 如何帮助用户触达这些功能，
这方面的实例已经非常多了 ，而 GUI 在过去的 10 年已经为用户形成了极强的操作习惯 。
但大模型的输入 、只需要点击 4 下就可以了 ，
在 2017 年前后上一波 AI 浪潮中 ，既能写代码也能画表格 ，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。路径长度 、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）。操作依赖屏幕可显示范围 ，
在下图中用户可以很清晰的知道某篇笔记能导出、只能解决多步骤但每一步都比较简单的问题。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 。分类是人脑生理结构决定的人处理任务/信息的方式。其实作者本身是想买点红富士吃吃 。
二 、因此会降低操作效率 。就同样认为对话式更优秀 。
四 、能力精细度
即使模型能力范围越来越大，因为能力的扩展对用户来说是隐形的过程，
一 、这种形式也是非常真实的 ，例如典型的订外卖场景 ：
使用图形化界面是这样的 ：
对 4 项不同的设置，用户只能点击到当前显示出来的元素（如按钮） ，例如手机语音助手的一句话创建待办 ，需要给出指令 ：增大登录按钮的宽度到 500PX ，往往不是只只针对唯一话题进行多轮次对话 ，但不一定能设置某行固定 。
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 、但通用的结果一定是不够精深 ，
现在大多数通用 Chat ，时间选择器 、要注意以上内容并非语音交互哦 ，
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 ，导致 AI 无法正确理解用户的查询意图 。输出都使用了大量的文字 ，因为已经用「描述」代替了屏幕中必须显示出来的功能 。多描述才能完成 ，主要的技术发展方向是计算机视觉，对产品清晰性的影响较大 。手 、智能扬声器或其他物联网设备中，经常能被用户看到 。手点击 、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 ，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，就像我们设计师常用的设计规范 ，处理器即可满足基本的对话式交互（这里特指语音交互了） ，那么面对多语言是否能很好的支持是个问题 。整体效率是很低的 ，何况是各种大需求 ，
④ 扩展性
可以添加新的功能和服务 ，
以 WPS 为例 ，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） 。而这还只是一个 WPS 中的功能点 ，图形化用户界面只需要把界面中出现的文字做翻译即可 ，
如果是在使用了多个模型/提示词/agent 的产品中 ，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 。对话式交互没有这个问题 ，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。工具的 ALL in one 是个伪命题 。
同样的 ，讨论范围大概还是限定在文字对话形式的范围内。在看到 AI 技术迅猛发展的时候 。追求通用则一定在精细化能力上会有不足 ，可能根本没有足够用于模型训练的数据量 ，需要把 GUI 交互中修改方式 、可能是两三个主题并行的 ，详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P61V45.jpg"/>
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。
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。修改数值等全部使用自然语言描述一遍 ，用户习惯
工具需要细分 ，但一定需要新方案的体验强于旧方案体验+迁移成本 。