Ähnlichkeit ist nicht Identität
Embeddings eignen sich hervorragend, um Inhalte zu finden, die semantisch ähnlich wirken. Als stabiler Primärschlüssel taugen sie nicht. Zwei URLs können denselben Artikel enthalten, und eine URL kann im Lauf der Zeit wesentlich unterschiedliche Inhalte ausliefern.
Llamar leitet deshalb eine Seitenkennung aus einer versionierten kanonischen URL und einen eigenen Inhaltshash aus einer begrenzten Erfassung ab. Der Server berechnet beides erneut. Stimmen die Werte nicht überein, ist das ein Vertragsfehler – nichts, was sich mit einer Vermutung über den nächsten Nachbarn übergehen lässt.
Der praktische Nutzen
Eine deterministische Identität ermöglicht eine idempotente Aufnahme. Geht eine Antwort verloren, kann der Vorgang wiederholt werden, ohne eine zweite Zusammenfassung zu bezahlen. Aliasse lassen sich erfassen, ohne die Historie umzuschreiben, und beim Löschen privater Daten kann gezielt der richtige Beitrag entfernt werden.
Inhaltliche Gleichwertigkeit bleibt wichtig, gehört aber in eine umkehrbare Belegebene oberhalb der Identität. Hashes des Seiteninhalts, Shingles und Embeddings können darauf hinweisen, dass zwei unabhängig identifizierte Seiten Duplikate sind, ohne sie unwiderruflich zusammenzuführen.
Ein Vertrag, den beide Seiten belegen müssen
Browser und Backend implementieren den Algorithmus unabhängig voneinander und prüfen ihn mit denselben bytegenauen Beispieldaten. Diese bewusste Doppelung über eine Vertrauensgrenze hinweg deckt Abweichungen auf. Gleichzeitig verhindert sie, dass eine der beiden Laufzeitumgebungen durch eine importierte Implementierung unbemerkt zur alleinigen Autorität wird.