AI Memory OSS'yi Backend Sözleşmesi Olarak Okumak: 10 Soru

AI memory sistemleri genellikle prompt, embedding ve vector search üzerinden değerlendirilir; ancak üretim ortamında asıl belirleyici olan, ham verinin ne zaman kalıcı hale geldiği, yavaş LLM çağrılarının nerede izole edildiği, türetilmiş 'anıların' hangi kaynağa dayandığı ve vector index ile DB arasında tutarsızlık oluştuğunda geri kazanımın nasıl işlediğidir. Bu yazı, açık kaynaklı bir AI memory projesi olan Honcho'nun sabitlenmiş (pinned) kaynak koduna ve değişiklik geçmişine bakarak, bu tür sistemleri değerlendirmek için sorulması gereken 10 yapısal soruyu bir harita haline getiriyor.

Sorular; API sınırı, ham veri ile türetilmiş claim'in ayrımı, queue/worker kimliği, LLM'in karar verdiği alan ile kodun zorunlu kıldığı alan, tenant/actor izolasyonu, retrieval filtreleme, DB-vector index tutarlılığı, silme/retention, gözlemlenebilirlik ve schema evolution başlıklarını kapsıyor. Yazar, Honcho'daki work_unit_key, sync_state ve reconciler gibi somut ipuçlarını inceleme kanıtı olarak gösteriyor, ancak bunların lifecycle boyunca tam olarak doğrulandığını iddia etmiyor.

Mühendisler için değer, belirli bir aracın onaylanması değil; herhangi bir AI memory OSS'ini incelerken hangi durum geçişlerinin, hangi failure boundary'lerin ve hangi provenance zincirinin sorgulanması gerektiğine dair tekrarlanabilir bir checklist sunmasıdır.