本发明的实施例涉及基于交互期间的用户行为的自学习人工智能语音响应。提供了一种用于向用户推荐指导指令的系统。该系统包括具有计算机可读指令的存储器和用于执行计算机可读指令的处理器。计算机可读指令控制处理器以执行以下操作：监视包括由用户执行的至少一个动作的正在进行的任务；生成描绘正在进行的任务的图像数据；以及基于图像数据显示正在进行的任务。系统分析正在进行的任务并生成增强图像。增强图像被叠加在图像数据上，使得增强图像与正在进行的任务同时被显示，以引导用户推进正在进行的任务。