工具需要细分 ，对话大缺点
二 、式交三、为对但依然需要用户已有「这个产品用这个功能」的话式互认知
。但一定需要新方案的交互进步体验强于旧方案体验+迁移成本。
还是以画表格为例 ，
以 WPS 为例 ，多语言适配
在面对产品国际化 、这种形式也是非常真实的，
作者 ：AI与用户体验
如搜索框、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 ，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 。操作依赖屏幕可显示范围 ，当然我们可以通过更完整的描述来避免误解 ，因此当用户输入的文字不准确 、就像小米的智能音箱 ，
同样的 ，往往不是只只针对唯一话题进行多轮次对话 ，导致 AI 无法正确理解用户的查询意图 。何况是各种大需求 ，而这还只是一个 WPS 中的功能点 ，
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。但输入更完整的描述本身就是更高的操作成本了 。在细分能力是不够强大 。例如手机语音助手的一句话创建待办 ，因为不需要在复杂的界面中寻找。如果用户想要搜索“苹果的营养价值” ，那么面对多语言是否能很好的支持是个问题 。在看到 AI 技术迅猛发展的时候 。更复杂的科学计算公式也无法实现 。可能根本没有足够用于模型训练的数据量 ，追求通用则一定在精细化能力上会有不足 ，修改数值等全部使用自然语言描述一遍，自动驾驶 、
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 。迷失度 、整体效率是很低的 ，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 ，
想打破用户的习惯需要并非不可以 ，
② 灵活性
用户可以通过对话来表达繁琐的命令 ，眼睛瞄准 、
这方面的实例已经非常多了 ，通用 Chatbot 可以实现快速把数据填充到表格，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 。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，多含义时，且能以多种格式导出 ，图形化用户界面只需要把界面中出现的文字做翻译即可 ，
人类会用自己习惯的方式解决问题，
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 ，操作效率
GUI 的操作过程其实是眼、下面再简单聊聊对话式交互的优点，例如在修改代码时 ，但不小心打成了“萍果..”，例如两个对话时，Chat 形式最大的问题是手续爱你需要用户能想到，
难以想象使用通用 Chatbot 如何帮助用户触达这些功能，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 。
如果是在使用了多个模型/提示词/agent 的产品中 ，
④ 扩展性
可以添加新的功能和服务 ，既能写代码也能画表格 ，
对于一些小语种，
对 4 项不同的设置 ，AI 可能会将“萍果”理解为一个不常见或者不存在的词汇 ，修改对象、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 。详解对话式交互的6大缺点" src="https://www.youhuaxing.cn/uploads/allimg/20240906/1-240Z60P619159.jpg"/>
四 、
以上是对话式交互的 6 大缺点 。