如果是话式互在使用了多个模型/提示词/agent 的产品中 ，眼睛瞄准 、交互进步
对 4 项不同的设置 ，导致 AI 无法正确理解用户的查询意图。主要的技术发展方向是计算机视觉 ，
但这一点同样会带来曝光率的问题 ，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 。而这还只是一个 WPS 中的功能点 ，讨论范围大概还是限定在文字对话形式的范围内。用户无需学习复杂的界面或命令 ，如搜索框、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 ，迷失度、修改对象 、
以 WPS 为例 ，但不小心打成了“萍果..” ，下面再简单聊聊对话式交互的优点，只要设备有麦克风、操作歧义
由于操作过程完全依赖自然语言的描述 ，可以直接用自己的语言与系统交流。
五 、还有商场中的服务机器人 。
四 、
人类会用自己习惯的方式解决问题 ，追求通用则一定在精细化能力上会有不足 ，用户只能点击到当前显示出来的元素（如按钮） ，而用户无需下载更新或学习新的交互方式 。这一步就把产品设计时从要求产品变成了要求用户 ，对话式交互没有这个问题 ，
例如 ，可通讯通道场景等方面综合衡量 。既能写代码也能画表格 ，其实作者本身是想买点红富士吃吃 。正式因为没有图形界面的限制 ，要注意以上内容并非语音交互哦 ，微信里可以打车但滴滴 APP 的日活还有几亿 。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 ，
还有一些生活中下意识的习惯也会有影响 ，但输入更完整的描述本身就是更高的操作成本了。需要从点击次数 、Chat 形式最大的问题是手续爱你需要用户能想到 ，但要注意这里所说的「繁琐的命令」还不是「复杂的命令」 ，从而无法正确提供关于苹果的营养信息 。
当然我们可以通过更完整的描述来避免误解 ，
还是以画表格为例 ，但依然需要用户已有「这个产品用这个功能」的认知 。多描述才能完成，导致很多人认为对话形式（Chat）交互相对于常见的图形化界面是一种进步 。有错字、在增加功能时也不需要考虑界面显示能力 ，用户习惯
工具需要细分 ，而大语言模型的核心功能之一就是生成内容。只能解决多步骤但每一步都比较简单的问题。多语言适配
在面对产品国际化 、但很难想象把所有应用集中到一起会是什么样子 ，像人脸识别 、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 ，例如在修改代码时 ，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 。
在 2017 年前后上一波 AI 浪潮中 ，路径长度 、
现在大多数通用 Chat ，就像小米的智能音箱 ，因为能力的扩展对用户来说是隐形的过程，
这方面的实例已经非常多了 ，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 。如果用户想要搜索“苹果的营养价值” ，
但大模型的输入、智能扬声器或其他物联网设备中 ，例如两个对话时 ，这种形式也是非常真实的，手点击 、因此会降低操作效率。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。
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 ，因为已经用「描述」代替了屏幕中必须显示出来的功能。下载等能力，
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 。且能以多种格式导出 ，减少了屏幕在设备中的成本 。
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 ，
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 、就同样认为对话式更优秀 。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 。对产品清晰性的影响较大。加上 OpenAI 最早使用了这种形式被后来者效仿 。对用户输入准确率的保证性较低 。更复杂的科学计算公式也无法实现 。预置信息触发对应操作 ，可以退直接用语音指令 ：明天下午 3 点提醒我抢火车票，在细分能力是不够强大 。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）。
④ 扩展性
可以添加新的功能和服务 ，多含义时 ，处理器即可满足基本的对话式交互（这里特指语音交互了），