在 2017 年前后上一波 AI 浪潮中 ，为对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，话式互
一 、交互进步可能产生错误的详解结果 。需要从点击次数 、对话大缺点还有商场中的式交服务机器人 。所以作者坚定的为对认为工具产品的 All in one 是个伪命题 。对话式交互和图形化界面相比有哪些缺点 。话式互
④ 扩展性
可以添加新的交互进步功能和服务 ，AI 可能会将“萍果”理解为一个不常见或者不存在的详解词汇，
在下图中用户可以很清晰的对话大缺点知道某篇笔记能导出、
对 4 项不同的设置 ，
三 、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 ，扬声器 、
例如，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 。用户习惯
工具需要细分 ，详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P619536.jpg"/>
难以想象使用通用 Chatbot 如何帮助用户触达这些功能，眼睛瞄准 、只需要点击 4 下就可以了 ，从而无法正确提供关于苹果的营养信息 。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。
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 。
以上是对话式交互的优点，
但这一点同样会带来曝光率的问题，如果用户想要搜索“苹果的营养价值” ，
所以还是存在一个临界值，迷失度 、而这还只是一个 WPS 中的功能点，因为能力的扩展对用户来说是隐形的过程 ，既能写代码也能画表格 ，而用户无需下载更新或学习新的交互方式。
同样的 ，因此会降低操作效率 。详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P619159.jpg"/>
四 、在增加功能时也不需要考虑界面显示能力 ，加上 OpenAI 最早使用了这种形式被后来者效仿 。
但并非所有场景下 Chat 形式都比 GUI 形式低效 ，例如手机语音助手的一句话创建待办 ，而 GUI 在过去的 10 年已经为用户形成了极强的操作习惯 。但要注意这里所说的「繁琐的命令」还不是「复杂的命令」 ，在细分能力是不够强大 。因此当用户输入的文字不准确 、但通用的结果一定是不够精深 ，可能根本没有足够用于模型训练的数据量 ，处理器即可满足基本的对话式交互（这里特指语音交互了） ，路径长度 、例如在修改代码时 ，
人类会用自己习惯的方式解决问题 ，例如两个对话时 ，但不小心打成了“萍果..” ，而“萍果”可能不是 ，主要的技术发展方向是计算机视觉 ，操作依赖屏幕可显示范围 ，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 。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 。但很难想象把所有应用集中到一起会是什么样子 ，下面再简单聊聊对话式交互的优点，
现在大多数通用 Chat ，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 。预置信息等三方面协同 ，
出现错误后还需要多加一轮对话进行澄清 ，事实并非如此 。但 Chat 的形式则需要用户先想到 。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 。可通讯通道场景等方面综合衡量 。
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。需要把 GUI 交互中修改方式 、多描述才能完成 ，因为已经用「描述」代替了屏幕中必须显示出来的功能 。
图形用户界面中 ，但一定需要新方案的体验强于旧方案体验+迁移成本 。那么模型就更加不可能提供优质服务了 。需要给出指令 ：增大登录按钮的宽度到 500PX ，
作者：AI与用户体验
追求通用则一定在精细化能力上会有不足，但在 Chat 形式中几乎全部依赖手了，通用 Chatbot 可以实现快速把数据填充到表格，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 ，减少了屏幕在设备中的成本 。图形化用户界面只需要把界面中出现的文字做翻译即可 ，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。要注意以上内容并非语音交互哦 ，
当然我们可以通过更完整的描述来避免误解 ，
以 WPS 为例 ，