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 ，为对分类是话式互人脑生理结构决定的人处理任务/信息的方式 。
四 、修改数值等全部使用自然语言描述一遍 ，
人类会用自己习惯的方式解决问题 ，部分还可以使用图标替代更具通用性 。但很难想象把所有应用集中到一起会是什么样子 ，
六 、用户只能点击到当前显示出来的元素（如按钮） ，操作歧义
由于操作过程完全依赖自然语言的描述 ，
以 WPS 为例 ，因为已经用「描述」代替了屏幕中必须显示出来的功能 。输出都使用了大量的文字，OCR 等等都是基于计算机视觉技术衍生的。且能以多种格式导出 ，
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 、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 。例如两个对话时 ，何况是各种大需求 ，微信里可以打车但滴滴 APP 的日活还有几亿 。而用户无需下载更新或学习新的交互方式 。因此当用户输入的文字不准确 、要注意以上内容并非语音交互哦 ，
④ 扩展性
可以添加新的功能和服务 ，需要从点击次数 、但通用的结果一定是不够精深 ，因此会降低操作效率 。
现在大多数通用 Chat ，图形化用户界面只需要把界面中出现的文字做翻译即可 ，例如手机语音助手的一句话创建待办 ，这种形式也是非常真实的 ，既能写代码也能画表格，对话式交互没有这个问题，
出现错误后还需要多加一轮对话进行澄清 ，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 。操作效率
GUI 的操作过程其实是眼、在细分能力是不够强大。有错字、处理器即可满足基本的对话式交互（这里特指语音交互了） ，
难以想象使用通用 Chatbot 如何帮助用户触达这些功能 ，路径依赖会影响人类在拥有多工具时的选择 ，
但并非所有场景下 Chat 形式都比 GUI 形式低效 ，或是给出与用户期望不符的结果 。但要注意这里所说的「繁琐的命令」还不是「复杂的命令」，下面再简单聊聊对话式交互的优点，整体效率是很低的 ，例如典型的订外卖场景 ：
使用图形化界面是这样的 ：
最近两年很多 AI 产品出现之后都采用了对话式（Chat）的形式 。预置信息触发对应操作 ，那么模型就更加不可能提供优质服务了 。例如使用手机语音助手创建一个日程 ，
一、事实并非如此。而大语言模型的核心功能之一就是生成内容 。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） 。可以直接用自己的语言与系统交流。这一步就把产品设计时从要求产品变成了要求用户 ，下载等能力，那么面对多语言是否能很好的支持是个问题 。而“萍果”可能不是 ，需要把 GUI 交互中修改方式、
如果是在使用了多个模型/提示词/agent 的产品中，用户习惯
工具需要细分，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 。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 ，能力精细度
即使模型能力范围越来越大 ，对用户输入准确率的保证性较低。
在 2017 年前后上一波 AI 浪潮中 ，预置信息等三方面协同 ，
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。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 ，
二 、
以上是对话式交互的优点，
五 、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） 。但对话式交互没有这个问题 ，
对于一些小语种 ，在增加功能时也不需要考虑界面显示能力 ，
对 4 项不同的设置 ，智能扬声器或其他物联网设备中 ，
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 、
图形用户界面中，