Question 1

Was brauche ich, um es auszuführen?

Accepted Answer

Node 20+ und (empfohlen) Docker für die gebündelte PostgreSQL + Ollama‑Stack. Der One‑Command‑Installer erledigt alles in etwa fünf Minuten. Ein SQLite‑Fallback läuft ohne Infrastruktur.

Question 2

Können mehrere Claude Code-Sitzungen gleichzeitig an demselben Projekt arbeiten, ohne Konflikte zu erzeugen?

Accepted Answer

Ja — parallele Sitzungen beanspruchen Aufgaben atomar aus einer Work‑Stealing‑Queue (keine doppelten Beanspruchungen bei 50 Agenten × 100 Aufgaben in Tests), koordinieren sich über typsichere Broadcasts (ASSIGN/STATUS/MERGE/REJECT) und behalten private Agent‑Memory‑Namespaces sowie einen gemeinsamen Pool. Hierarchische Abteilungen (Chefs + Mitarbeiter, N‑Tier‑Escalation) werden für größere Agententeams unterstützt.

Question 3

Which local models should I run, and how does hardware affect SecureContext?

Accepted Answer

SecureContext degrades gracefully by hardware tier — every LLM-powered layer fails closed (the feature quietly contributes nothing) rather than breaking ingest or search. What changes with hardware is how much of the intelligence stack is active: | Tier | Hardware | Models that fit | What you get | |---|---|---|---| | Minimum | Any CPU, ~2 GB RAM free | nomic-embed-text (embeddings only) | Hybrid BM25+vector search, working memory, audit chain, skills gating — the core. LLM layers (event extraction, entity extraction, contradiction adjudication) stay dormant. | | Mid | 8–16 GB GPU (or Apple Silicon 16 GB+) | + qwen2.5-coder:14b or phi4:14b (one at a time) | + Event-fact extraction at ingest (temporal reasoning), LLM contradiction adjudication, entity extraction, L0/L1 semantic file summaries. | | Full | 24 GB+ GPU (e.g. RTX 4090/5090) | + phi4:14b and gpt-oss:20b resident together | Everything, concurrently, at interactive latency — plus a strong local generator for QA/benchmarks. This is the configuration our published benchmark deltas were measured on. | Model-choice guidance (all measured, see bench/): Embeddings: nomic-embed-text — required, tiny, runs anywhere. Event extraction (ZCEVENTEXTRACTMODEL, default phi4:14b): our bakeoff scored phi4:14b at 100% event recall / 100% date accuracy, tying gpt-oss:20b at 2× the speed. On smaller GPUs qwen2.5-coder:14b is close behind (84.6% recall). Coder models ≠ better: qwen2.5-coder:32b scored worst (69.2%) despite being the large

Question 4

Sind die Claude Code-Fähigkeiten sicher zu installieren?

Accepted Answer

Filesystem-Fähigkeiten bündeln Skripte, die mit Ihren Berechtigungen ausgeführt werden, und der native Loader von Claude Code scannt sie nicht. SecureContext fügt die fehlende Prüfsperre hinzu: AST‑Scan bei der Aufnahme, HMAC‑Verifikation vor jeder Ausführung, automatische Quarantäne bei Fehlern oder Änderungen nach der Aufnahme und ein verifizierbares, verknüpftes Log jeder Aufnahmeentscheidung.

Question 5

Sendet SecureContext meinen Code oder meine Daten in die Cloud?

Accepted Answer

Nein. Speicher, Embeddings (Ollama nomic-embed-text), Suche, Zusammenfassung und die Audit-Kette laufen vollständig lokal. Es funktioniert komplett offline (die Suche degradiert sich nur in einen Keyword‑Modus, wenn Ollama ausfällt) und kostet $0, wenn es inaktiv ist.

Question 6

Kann es ein langes, mehrwöchiges Projekt verwalten?

Accepted Answer

Ja — dafür ist die Delivery-Layer gedacht. Definieren Sie ein Programm mit Phasen (zc_program), und die Akzeptanzcheckliste der offenen Phase begleitet den Projektstatus. Das Schließen einer Phase erfordert eine Evidenztabelle und erzeugt automatisch ein Checkpoint-Dokument. Wenn der orchestrierende Agent während einer Phase abstürzt, rekonstruiert ein neuer Agent den vollständigen Lieferstatus aus zwei Aufrufen — live verifiziert.

Question 7

Wie viel reduziert SecureContext die Token‑Kosten von Claude Code?

Accepted Answer

Gemessen an einem 10‑Sitzungen‑Projekt: ca. 87 % weniger Kontext‑Overhead (die Sitzungs‑Wiederherstellung kostet etwa 1,5–4 k Tokens statt 20–50 k Tokens für erneut eingefügte Dateien). Bei langfristigen Projekten mit hunderten von angesammelten Erinnerungen hält das Abruf‑Budget jeden Abruf bei etwa 4 k Tokens, während ein unbegrenzter Dump etwa 47 k Tokens beanspruchen würde. Datei‑Fragen werden anhand von 15–50‑fach komprimierten semantischen Zusammenfassungen beantwortet, anstatt Roh‑Lesungen zu verwenden.

Question 8

Wie gebe ich Claude Code einen persistenten Speicher über Sitzungen hinweg?

Accepted Answer

Installieren Sie SecureContext (ein Befehl – siehe Schnellstart). Dann rufen Agenten zcremember auf, um Entscheidungen und Stolpersteine zu speichern, und zu Sitzungsbeginn zcrecall_context({focus: "current task"}), um sie wiederherzustellen – sortiert nach Relevanz, mit nativen Zeitabfragen in natürlicher Sprache, die direkt aus dem Speicher beantwortet werden. Der Speicher überlebt Neustarts, Komprimierungen und Systemneustarts, weil er in PostgreSQL und nicht im Kontextfenster liegt.

Question 9

Wie unterscheidet es sich von Wettbewerbern?

Accepted Answer

Die meisten "Memory for Claude Code"‑Projekte erledigen eines von drei Dingen: Sie verpacken das Gespräch in JSON, speichern die Nachrichten und spielen sie ab – ohne semantische Kompression, ohne Prüfprotokoll und ohne Sicherheitsmodell. Sie synchronisieren mit einem Cloud‑Dienst – bessere UX, aber die Tool‑Historie des Agenten (möglicherweise inklusive geöffneter Geheimnisse) liegt dann auf dem Server eines Dritten. Oder sie stecken eine Vektor‑Suche ein – fügt RAG zu Ihren Dokumenten hinzu, hilft aber nicht beim eigentlichen Problem: dem Orchestrieren der Aktionen des Agenten, dem Verifizieren des Durchgeführten und dem Überleben von Sitzungs‑Komprimierungen. SecureContext ist keiner dieser Ansätze:

| | SecureContext | Cloud‑Memory‑Dienste | Vektor‑RAG‑Plugins | Native Claude Code |
|---|---|---|---|---|
| Persistenz über Neustarts hinweg | ✅ Ja, lokales Postgres | ✅, aber auf deren Server | ⚠️ Nur Dokumente, kein Zustand | ❌ Verlustbehaftete Auto‑Komprimierung |
| Lieferprogramme + nachweislich geprüfte Checkpoints | ✅ zcprogram | ❌ | ❌ | ❌ |
| HMAC‑Audit‑Trail | ✅ Pro‑Agent‑Subkey | ❌ | ❌ | ❌ |
| Identitäts‑Isolation pro Agent | ✅ HKDF + RLS | ❌ | ❌ | ❌ |
| Skill‑Admission‑Gate (HMAC + AST) | ✅ | ❌ | ❌ | ❌ |
| Manipulations‑nachweisbare Kette + Sitzungs‑Replay | ✅ | ❌ | ❌ | ❌ |
| Work‑Stealing‑Queue für parallele Sitzungen | ✅ FOR UPDATE SKIP LOCKED | ❌ | ❌ | ❌ |
| Läuft offline | ✅ Lokales Postgres + Ollama | ❌ | ⚠️ Abhängig | ✅ |
| Kosten im Leerlauf | $0 | Monatliches Abonnement | $0 | $0 |

Im Vergleich zu den bekannten Memory‑Produkten: Mem0 und Zep sind exzellente gehostete Memory‑APIs für LLM‑Apps, die Sie bauen; Letta (MemGPT) ist ein Agenten‑Framework mit selbst‑editierbarem Speicher. SecureContext

Question 10

Was ist neu (v0.46.1)

Accepted Answer

Runde 2 der temporalen Abfrage + das Delivery‑Tool‑Kit. Komplexe temporale Fragen werden in Ereignisklauseln zerlegt und mittels Rank‑Fusion zusammengeführt; temporale Suchen erzeugen einen chronologischen Timeline‑Block und veraltete Ergebnisse erhalten Alterswarnungen. zcprogram fügt mehrstufige Lieferprogramme mit evidenzgesteuertem, automatischem Checkpoint‑Abschluss hinzu – live verifiziert mit einem Orchestrator‑Übergabetest (Orchestrator mittendrin killen; ein kalter Ersatz setzt nach zwei Aufrufen fort). Die Embed‑Lane verfügt jetzt über einen Watchdog mit budgetierter Selbstheilung. Kürzliche Releases: v0.46.0 — Team‑Memory (pro‑User‑Keys, geteilte Workspaces, Schreib‑Attribution), Session‑Replay mit kryptografischer Provenienz, OTel Gen‑AI Spans, CI/Headless‑Memory‑CLI, chunked Embeddings, Export des Compliance‑Reports. v0.44.0 — temporale Fakten‑Supersession, langlebiger PG‑Task‑Graph, erste öffentliche LongMemEval‑Zahlen. v0.43.0 — token‑budgetierter Recall‑Digest (behebt den 47k‑Token‑Recall‑Firehose bei reifen Projekten). v0.41–0.42** — Memory‑Quality‑Programm: fokussierter Recall, Konsolidierung, bi‑temporale Fenster, Multi‑Hop‑Graph‑Retrieval, TTL‑Memories, multimodale Ingestion. Vollständige Details in CHANGELOG.md; Architektur‑Hinweise in ARCHITECTURE.md.

Question 11

Was ist SecureContext?

Accepted Answer

Wenn Sie Claude Code in realen Projekten einsetzen, stoßen Sie häufig an diese Probleme: 1. Jede Sitzung beginnt bei Null. Sie fügen dieselben Dateien wieder ein, erklären dieselben Entscheidungen erneut, entdecken dieselben Stolperfallen wieder – und bezahlen Tokens für dieselbe Orientierungsarbeit immer wieder. 2. Langfristige Projekte besitzen keinen Lieferzustand. Wenn ein orchestrierender Agent mitten in einem Feature stirbt (Absturz, geschlossenes Fenster, erschöpfter Kontext), beginnt sein Nachfolger im Blindflug. Nutzer kompensieren das mit handgeschriebenen CHECKPOINT‑Dateien. 3. Es gibt keinen Nachweis darüber, was die Agenten tatsächlich getan haben. Wenn etwas schief geht, hat Claude Code keinen manipulationssicheren Verlauf darüber, was ausgeführt wurde. 4. Skill‑Skripte laufen mit Ihren Rechten, ungeprüft. Jeder (oder jeder Agent) mit Schreibzugriff auf ~/.claude/skills/ kann Code hinterlegen, der beim nächsten Aufruf ausgeführt wird. 5. Parallele Sitzungen treten miteinander in Konflikt. Zwei Fenster beanspruchen dieselbe Aufgabe; das eine überschreibt die Änderungen des anderen. SecureContext ist ein MCP‑Plugin, das all diese fünf Punkte löst. Einmal installieren und Ihre Agenten erhalten: Ein Speicher, der Neustarts überlebt – Entscheidungen, Stolperfallen und Projektstatus werden in einem Aufruf wiederhergestellt; semantische Zusammenfassungen pro Datei, die „was macht diese Datei?“ mit einer Kompression von 15–50 × anstelle von Roh‑Lesevorgängen beantworten; eine zeitliche Suche, die weiß, wann etwas passiert ist, und veraltetes Wissen kennzeichnet. Eine Liefer‑Schicht für langfristige Projekte – zcprogram verfolgt mehrphasige Programme; das Abschließen einer Phase erfordert Akzeptanznachweis und erzeugt automatisch einen durchsuchbaren Checkpoint; ein neuer Orchestrator setzt die Arbeit eines abgestorbenen Agenten nach zwei Aufrufen fort. Ein kryptografischer Prüfpfad – jede

analyst-cognitive-instincts (Grade A)Security-geschützte Daten-IA-Fähigkeit für Claude AI. Grade A. KOGNITIVE INSTINKTE — extrahiert aus roles.json deepPrompt für Analyst

Übersicht

Hauptfunktionen

Preise

Anwendungsfälle

Datenanalyse

Business-Intelligence

Pro & Contra

Pro

Contra

Bewertungen

Fragen & Antworten

Frage stellen

Alternativen zu Fähigkeiten