Supersession Chain 도입을 통한 AI 메모리 모순 해결 및 데이터 무결성 확보

Context

메모리 데이터 증가에 따라 과거의 잘못된 정보와 최신 정보가 동일한 가중치로 Recall되는 문제 발생. 단순 Vector DB 저장 방식으로는 시간 경과에 따른 정보의 교체(Supersession)를 처리하지 못해 Signal-to-Noise ratio가 저하되는 한계 노출.

Technical Solution

• Semantic Similarity 분석을 통해 신규 메모리가 기존 메모리를 대체하는지 판단하는 vektor-dedup.js 모듈 설계
• 기존 메모리에 superseded_by 컬럼과 Timestamp를 추가하여 최신 정보로의 Forward-pointer 구조 구축
• WHERE superseded_by IS NULL 조건 필터링을 통한 Active Recall 최적화로 구버전 데이터 배제
• 삭제 대신 체이닝 구조를 유지함으로써 데이터 Provenance 추적 및 과거 상태 복구 가능성 확보
• Proxy 패턴을 활용해 remember() 호출을 인터셉트하고 중복 검사 및 마킹 로직을 주입하는 AOP 방식 적용
• MCP 서버의 다중 Entry Point(vektor.mjs vs vektor-slipstream-dxt) 분석을 통한 런타임 바인딩 오류 해결