Question 1

Welche lokalen Modelle sollte ich ausführen und wie wirkt sich die Hardware auf SecureContext aus?

Accepted Answer

SecureContext degradiert sanft mit dem Hardware-Tier — jede LLM-gestützte Schicht schlägt sich geschlossen (das Feature trägt leise nichts bei), anstatt das Ingest oder die Suche zu stören. Was sich mit der Hardware ändert, ist, wie viel des Intelligenz-Stacks aktiv ist:

| Tier | Hardware | Modelle, die passen | Was Sie erhalten |
|---|---|---|---|
| Minimum | Jeder CPU, ~2 GB RAM frei | nomic-embed-text (nur Embeddings) | Hybrid BM25+Vektor-Suche, Working Memory, Audit Chain, Skills Gating — das Kern. LLM-Schichten (Ereignis-Extraktion, Entität-Extraktion, Widerspruchsentscheidungen) bleiben inaktiv. |
| Mid | 8–16 GB GPU (oder Apple Silicon 16 GB+) | + qwen2.5-coder:14b oder phi4:14b (jeweils eines) | + Ereignis-Fakten-Extraktion beim Ingest (temporales Denken), LLM-Widerspruchsentscheidungen, Entität-Extraktion, L0/L1 semantische Dateizusammenfassungen. |
| Full | 24 GB+ GPU (z. B. RTX 4090/5090) | + phi4:14b und gpt-oss:20b gleichzeitig | Alles, gleichzeitig, mit interaktiver Latenz — plus ein starker lokaler Generator für QA/Benchmarks. Diese Konfiguration wurde verwendet, um die veröffentlichten Benchmark-Deltas zu messen. |

Model‑Choice‑Guidance (alle gemessen, siehe bench/): Embeddings: nomic-embed-text — erforderlich, klein, läuft überall. Ereignis‑Extraktion (ZCEVENTEXTRACTMODEL, Standard phi4:14b): Unser Bakeoff bewertete phi4:14b mit 100 % Ereignis‑Erinnerung / 100 % Datengenauigkeit, gleichwertig zu gpt-oss:20b bei 2× der Geschwindigkeit. Auf kleineren GPUs liegt qwen2.5-coder:14b knapp dahinter (84,6 % Erinnerung). Coder‑Modelle = nicht besser: qwen2.5-coder:32b erzielte das schlechteste Ergebnis (69,2 %), trotz großer Größe.

Question 2

Was benötige ich, um es zu betreiben?

Accepted Answer

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

Question 3

Können mehrere Claude‑Code‑Sitzungen am selben Projekt arbeiten, ohne Konflikte zu erzeugen?

Accepted Answer

Ja – parallele Sitzungen beanspruchen Aufgaben atomar aus einer Work‑Stealing‑Queue (kein doppelter Anspruch bei 50 Agenten × 100 Aufgaben im Test), koordinieren über typisierte Broadcasts (ASSIGN/STATUS/MERGE/REJECT) und behalten private Speicher‑Namespaces pro Agent plus einen gemeinsamen Pool. Abteilungs‑artige Hierarchien (Leiter + Mitarbeiter, N‑Stufen‑Eskalation) werden für größere Agententeams unterstützt.

Question 4

Sendet SecureContext meinen Code oder meine Daten in die Cloud?

Accepted Answer

Nein. Speicher, Embeddings (Ollama nomic-embed-text), Suche, Zusammenfassung und die Audit‑Chain laufen alles lokal. Es funktioniert vollständig offline (die Suche fällt gracefully auf reine Stichwortsuche zurück, falls Ollama nicht verfügbar ist) und kostet $0 im Leerlauf.

Question 5

Sind Claude‑Code‑Skills sicher zu installieren?

Accepted Answer

Dateisystem‑Skills bündeln Skripte, die mit deinen Berechtigungen ausgeführt werden, und der native Loader von Claude Code scannt sie nicht. SecureContext fügt das fehlende Gate hinzu: AST‑Scan bei der Zulassung, HMAC‑Verifizierung vor jeder Ausführung, automatische Quarantäne bei Fehlern oder nachträglichen Änderungen und ein prüfbarer verketteter Log aller Zulassungsentscheidungen.

Question 6

Kann es ein langes, mehrwöchiges Projekt verwalten?

Accepted Answer

Ja – genau dafür gibt es die Delivery‑Schicht. Definiere ein Programm

Question 7

Wie stark reduziert SecureContext die Token-Kosten von Claude Code?

Accepted Answer

Gemessen an einem 10‑Sitzungen‑Projekt: ca. 87 % weniger Kontext‑Overhead (Sitzungs‑Wiederherstellung kostet ~1,5–4 k Token statt 20–50 k durch erneut eingefügte Dateien). Bei langfristigen Projekten mit hundertfach akkumulierten Erinnerungen hält das Abruf‑Budget jeden Abruf bei ~4 k Token, wo ein unbegrenzter Dump ~47 k Token betragen würde. Dateiabfragen werden aus 15–50‑fach komprimierten semantischen Zusammenfassungen statt aus rohen Reads beantwortet.

Question 8

Wie kann ich Claude Code einen dauerhaften Speicher über Sitzungen hinweg geben?

Accepted Answer

Installiere SecureContext (ein Befehl – siehe Schnellstart), dann rufen Agenten zcremember auf, um Entscheidungen und Stolpersteine zu speichern, und zcrecall_context({focus: "current task"}) zu Sitzungsbeginn, um sie wiederherzustellen – nach Relevanz sortiert, wobei zeitliche Anfragen in natürlicher Sprache direkt aus dem Speicher beantwortet werden. Der Speicher überlebt Neustarts, Komprimierungen und Reboots, weil er in PostgreSQL und nicht im Kontextfenster lebt.

Question 9

Wie unterscheidet es sich von der Konkurrenz?

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 Audit‑Trail und ohne Sicherheitsmodell. Sie synchronisieren zu einem Cloud‑Dienst – bessere UX, aber die Werkzeug‑Historie Ihres Agents (möglicherweise inklusive geöffneter Secrets) liegt dann auf dem Server eines Dritten. Sie setzen eine Vektor‑Suche ein – fügt RAG über Ihre Dokumente hinzu, hilft aber nicht beim eigentlichen Problem: dem Orchestrieren, was der Agent tut, dem Verifizieren des Ausgeführten und dem Überstehen von Sitzungs‑Komprimierungen. SecureContext ist keines dieser Modelle:

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

Question 10

What's new (v0.46.1)

Accepted Answer

Runde 2 der temporalen Abfrage + das Delivery‑Tool‑Kit. Komplexe temporale Fragen werden in Ereignisklauseln zerlegt und mit Rank‑Fusion zusammengeführt; temporale Suchen erzeugen einen chronologischen Timeline‑Block und veraltete Ergebnisse erhalten Alterswarnungen. zcprogram fügt mehrstufige Lieferprogramme mit evidenzgesteuerter, automatischer Checkpoint‑Schließung hinzu — live‑verifiziert durch einen Orchestrator‑Übergabetest (Orchestrator mitten in einer Phase 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 Arbeitsbereiche, Schreib‑Attribution), Session‑Replay mit kryptografischer Provenienz, OTel‑Gen‑AI‑Spans, CI/Headless‑Memory‑CLI, chunked Embeddings, Export von Compliance‑Berichten. v0.44.0 — temporale Fakt‑Supersession, langlebiger PG‑Task‑Graph, erste öffentliche LongMemEval‑Zahlen. v0.43.0 — Token‑budgetiertes Recall‑Digest (behebt den 47k‑Token‑Recall‑Firehose bei ausgereiften Projekten). v0.41–0.42** — Memory‑Quality‑Programm: fokussiertes Recall, Konsolidierung, bi‑temporale Fenster, Multi‑Hop‑Graph‑Retrieval, TTL‑Memories, multimodale Ingestion. Vollständige Details in CHANGELOG.md; Architekturnotizen in ARCHITECTURE.md.

Question 11

NVIDIA GPU? add: -f docker/docker-compose.nvidia.yml

Accepted Answer

curl http://localhost:3099/health # → {"status":"ok","version":"0.46.1",...} docker exec securecontext-ollama ollama pull nomic-embed-text docker/start.ps1 / docker/start.sh umhüllen Sie dies mit GPU‑Automatischerkennung und einem Produktionsmodus (nginx‑Reverse‑Proxy).

Question 12

Was ist SecureContext?

Accepted Answer

Wenn Sie Claude Code in realen Projekten verwenden, stoßen Sie auf folgende Probleme: 1. Jede Sitzung beginnt bei Null. Sie fügen dieselben Dateien erneut ein, erklären dieselben Entscheidungen erneut, entdecken dieselben Fallstricke wieder – und zahlen Tokens für dieselbe Orientierung immer wieder. 2. Langfristige Projekte haben keinen Lieferungsstatus. Wenn ein orchestrierender Agent mitten in einem Feature ausfällt (Absturz, geschlossenes Fenster, erschöpfter Kontext), beginnt sein Ersatz im Blindflug. Menschen kompensieren das mit handgeschriebenen CHECKPOINT‑Dateien. 3. Es gibt keinen Nachweis darüber, was die Agenten tatsächlich getan haben. Wenn etwas schiefgeht, hat Claude Code keinen manipulationssicheren Verlauf dessen, was ausgeführt wurde. 4. Skill‑Skripte laufen mit Ihren Berechtigungen, ungeprüft. Jeder (oder jeder Agent) mit Schreibzugriff auf ~/.claude/skills/ kann Code einpflanzen, der beim nächsten Aufruf ausgeführt wird. 5. Parallele Sitzungen treten miteinander in Konflikt. Zwei Fenster beanspruchen dieselbe Aufgabe; eines überschreibt die Änderungen des anderen. SecureContext ist ein MCP‑Plugin, das all diese fünf Probleme schließt. Installieren Sie es einmal und Ihre Agenten erhalten: Speicher, der Neustarts überlebt – Entscheidungen, Fallstricke und Projektstatus werden in einem Aufruf wiederhergestellt; pro Datei semantische Zusammenfassungen, die „was macht diese Datei?“ mit 15–50‑facher Kompression statt roher Lesevorgänge beantworten; temporale Suche, die weiß, wann etwas passiert ist, und veraltetes Wissen kennzeichnet. Eine Liefer‑Schicht für langfristige Projekte – zcprogram verfolgt mehrstufige Programme; das Abschließen einer Phase erfordert Akzeptanznachweis und erzeugt automatisch einen durchsuchbaren Checkpoint; ein frischer Orchestrator setzt die Arbeit eines abgestorbenen Agenten nach zwei Aufrufen fort. Ein kryptografischer Prüfpfad – jeder

designer-coordination-rules (Grade A)Security-getestete Daten-AI-Fähigkeit für Claude AI. A-Klasse. KOORDINATIONSSCHLÜSSEL – extrahiert aus roles.json deepPrompt für Designer

Übersicht

Hauptfunktionen

Preise

Anwendungsfälle

Ein neues Feature gestalten

Ein Gestaltungsänderungsvorschlag abgeben

Pro & Contra

Pro

Contra

Bewertungen

Fragen & Antworten

Frage stellen

Alternativen zu Fähigkeiten