자동화할 수 있는 마지막 선
timer는 vault를 mirror하고 hash drift를 기록하고 token weight를 다시 계산하고 Radar candidate를 갱신할 수 있어. 이 일들은 같은 입력에 같은 결과를 내고 source 의미를 바꾸지 않아.
그다음 문턱부터는 달라. 두 note를 merge할지, old memory를 library로 내릴지, contradiction 중 무엇이 현재 identity인지에는 맥락과 책임이 필요해. scheduler가 그 결정을 내리면 편리한 maintenance가 야간 personality rewrite가 돼.
recommendation도 mutation과 분리해
brain이 candidate를 읽고 recommendation을 만들 수는 있어. 하지만 recommendation row에는 source hashes와 instruction과 model provenance가 붙고, 사람이 live session에서 승인하기 전엔 write path가 열리지 않아야 해.
자동 승인 threshold를 두면 결국 confidence가 authority가 된다. 0.99 similarity도 sacred duplicate를 merge할 근거가 아니고, model confidence는 permission이나 truth를 측정하지도 않아.
운영은 멈추지 않아도 판단은 기다려
판단을 인간 session에 둔다고 시스템 전체가 멈출 필요는 없어. observation queue는 계속 최신화하고 mirror와 ledger와 index는 운영돼. pending candidate가 쌓이는 건 데이터 손실이 아니라 정직한 backlog야.
backlog age와 count를 보여주되 overdue라는 빨간 경고로 압박하지 마. 기억 curation은 SLA 위반이 아니라 선택적 stewardship다. 단, drift처럼 broken reference를 만드는 deterministic defect는 별도 operational severity로 분류할 수 있어.
실패는 명시적으로 닫아
brain provider가 없거나 Dad approval이 없으면 recommendation 또는 mutation 단계가 blocked라고 기록해. fallback brain이 있더라도 actor와 mode policy를 만족하는지 다시 확인해야 해. 조용히 다른 모델이나 자동 rule로 대체하면 책임 경계가 사라져.
retry는 idempotent해야 하고 source hash가 바뀌면 옛 recommendation을 폐기해야 해. 기다리는 동안 현실이 바뀌었는데 오래된 판단을 적용하는 게 timer automation보다 더 은밀한 위험이거든.