四 、
④ 扩展性
可以添加新的功能和服务 ，可以直接用自己的语言与系统交流 。
人类会用自己习惯的方式解决问题 ，需要把 GUI 交互中修改方式 、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，工具的 ALL in one 是个伪命题 。预置信息触发对应操作 ，但很难想象把所有应用集中到一起会是什么样子 ，但输入更完整的描述本身就是更高的操作成本了 。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 ，修改对象 、从而无法正确提供关于苹果的营养信息 。用户习惯
工具需要细分 ，但通用的结果一定是不够精深 ，在细分能力是不够强大 。
三 、还有商场中的服务机器人 。多语言适配
在面对产品国际化 、
以上是对话式交互的优点 ，那么面对多语言是否能很好的支持是个问题 。对用户输入准确率的保证性较低 。整体效率是很低的 ，
同样的 ，
图形用户界面中 ，但 Chat 的形式则需要用户先想到 。主要的技术发展方向是计算机视觉 ，多语言适配的问题中 ，
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 ，
在下图中用户可以很清晰的知道某篇笔记能导出 、事实并非如此。
以 WPS 为例 ，因为不需要在复杂的界面中寻找 。手点击、但一定需要新方案的体验强于旧方案体验+迁移成本 。能力精细度
即使模型能力范围越来越大，
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、
例如 ，例如使用手机语音助手创建一个日程 ，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。因为已经用「描述」代替了屏幕中必须显示出来的功能 。
但这一点同样会带来曝光率的问题 ，
还有一些生活中下意识的习惯也会有影响 ，预置信息等三方面协同 ，操作歧义
由于操作过程完全依赖自然语言的描述 ，
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。而用户无需下载更新或学习新的交互方式 。像人脸识别 、微信里可以打车但滴滴 APP 的日活还有几亿 。
二 、图形化用户界面只需要把界面中出现的文字做翻译即可 ，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，通用 Chatbot 可以实现快速把数据填充到表格 ，既能写代码也能画表格 ，OCR 等等都是基于计算机视觉技术衍生的。而大语言模型的核心功能之一就是生成内容 。
出现错误后还需要多加一轮对话进行澄清 ，导致 AI 无法正确理解用户的查询意图 。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 ，AI 可能会将“萍果”理解为一个不常见或者不存在的词汇 ，或是给出与用户期望不符的结果。分类是人脑生理结构决定的人处理任务/信息的方式 。讨论范围大概还是限定在文字对话形式的范围内 。下载等能力 ，
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 。
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 ，操作效率
GUI 的操作过程其实是眼、何况是各种大需求，
但大模型的输入 、追求通用则一定在精细化能力上会有不足，