REPLAY DETERMINISTICO
Replay
deterministico
Quando qualcosa conta, hai bisogno dello stato com'era — non di un riassunto, e non di una nuova risposta a una vecchia domanda. Il replay deterministico ricostruisce lo stato registrato dagli eventi conservati, così che un momento passato possa essere rivisitato come registrato.
IL PROBLEMA
Le rivisitazioni derivano
Chiedere a un sistema di descrivere il passato produce una rivisitazione: compressa, riordinata, a volte migliorata. Chiedergli di decidere di nuovo può produrre una risposta diversa, perché modelli, policy e contesto cambiano.
Il replay evita entrambi. Non decide di nuovo e non riassume. Restituisce lo stato che è stato registrato.
COS'È IL REPLAY
Ricostruzione dello stato registrato
Il replay percorre gli eventi conservati in ordine e ricostruisce lo stato che descrivono: quale fonte è stata acquisita, quale contesto è stato legato, quale decisione è stata registrata. Il playground di evidenza lo dimostra con una storia di esempio — evidenza aggiunta, contesto legato, decisione registrata — in cui ogni checkpoint mostra il contesto registrato in quel momento.
Il risultato è lo stato come registrato, non una rivisitazione di esso.
COSA SERVE AL REPLAY
Condizioni, non magia
Il replay ha bisogno di eventi conservati: senza il registro, non c'è nulla da cui ricostruire. Ha bisogno del lignaggio registrato — riferimenti di fonte, contesto, policy e ricevuta — così che lo stato ricostruito sia tracciabile a ciò che è stato registrato. Ha bisogno che l'ambito del tenant sia rispettato a ogni confine, così che il replay mostri solo lo spazio di lavoro a cui appartiene. E i controlli di hash rispetto a un riferimento fidato sono ciò che permette a un revisore di fidarsi che lo stato ricostruito corrisponda a quello registrato.
Dove mancano eventi, il replay può arrivare solo fin dove arriva il record. Non inventa ciò che non è mai stato registrato.
COSA IL REPLAY NON È
Non la stessa risposta del modello un'altra volta
Il replay restituisce lo stato di memoria memorizzato. Non garantisce un output identico del modello: eseguire di nuovo un modello su vecchi input può produrre una risposta diversa, e questo non è un fallimento del replay — il replay non ha mai promesso la risposta del modello, solo lo stato registrato.
Il replay non è nemmeno ripristino. Non ripristina dati persi. Se gli eventi non sono mai stati conservati, o lo storage è fallito, il replay non può riportarli indietro — ed è per questo che backup e procedure di ripristino restano necessari.
UN ESEMPIO ELABORATO
Percorri la storia di esempio
La sezione replay del playground di evidenza percorre una storia di esempio in tre checkpoint: l'evidenza entra nel record, il contesto viene legato, la decisione viene registrata. Ogni checkpoint mostra il contesto registrato in quel momento, e la nota è esplicita: il replay riguarda lo stato di memoria memorizzato, non una garanzia di output identico del modello.
Gli esempi sono etichettati. La dimostrazione mostra il meccanismo; non è un replay in produzione.
GUIDE CORRELATE
Continua con un'altra guida
LA TUA PROSSIMA DECISIONE
Costruisci con la memoria.
Sostieni l’evidenza.
Dota l’AI rilevante di una cronologia che puoi ispezionare.
