代理型AI助手能够自主执行多步骤任务，这在用户体验方面提出了新的问题：在驾驶等注意力关键的情境下，此类系统应如何在扩展操作期间传达进展和推理过程？

一项采用混合方法的受控研究对此进行了探讨，比较了提供计划步骤和中间结果反馈的模式与仅提供最终结果的静默操作模式。研究采用双任务范式，参与者通过车载语音助手与系统交互。

研究结果表明，中间反馈能显著改善用户对任务速度的感知、对系统的信任以及整体用户体验，同时降低了用户感知的任务负荷。这些积极效果在不同任务复杂度和交互情境下均得到验证。

进一步的访谈揭示了用户倾向于一种自适应的反馈方式：初期提供高透明度反馈以建立信任，随着系统被证明可靠而逐步减少反馈的详细程度，并根据任务的重要性和情境上下文进行调整。

基于实证发现，研究为代理型助手的反馈时机和详细程度提出了设计启示，旨在平衡系统的透明度与运行效率。该研究为在注意力受限环境下设计更人性化、可信赖的AI助手提供了重要参考。