AI 代理很少能完全按照最初提出的长期计划执行。工具结果会暴露缺失的事实，外部系统会发生变化，策略会通过人工输入而更新，模型也可能发现先前的假设是错误的。ReAct 风格的代理正是围绕推理、行动、观察与计划更新的这种交错过程而设计的，而非基于一个不可变的计划。工程上的难点始于这些行动会产生持久的副作用。在 Temporal 中，已完成的 Activity 并非一个可以从修订后的计划中编辑掉的意图；其完成状态和结果已成为工作流事件历史的一部分。因此，重新规划必须协调新的决策与已经发生的过去。