你让 AI 连续改代码、填表单，做到一半才发现它早先走错了。此时只让它“忘掉后面的对话”并不够：文件已经改过，表单可能已经提交。就像游戏读档后，地图却没有复原，错误仍会沿着后续步骤放大。
AgentRewind 为长程 Agent——需要连续调用工具、改变外部环境的 AI 系统——加入成套的检查点。它同时保存 Agent 的上下文和受控环境状态；发现问题后，系统可以回滚到较早的快照，再带着上一次尝试得到的信息重新执行。关键不只是恢复“它记得什么”，而是连“它已经做了什么”也一起倒带。
作者还构建了 MettleBench，用一系列相互关联的工程要求衡量任务是否完成，以及中途推进了多少。作者自述，在多种任务、模型、执行策略和 Agent 框架下，AgentRewind 都提高了成功率与平均清单进度；但现有材料未披露具体提升数字，也未说明哪些外部操作能够安全回滚。