Question 1

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

Accepted Answer

SecureContext degradert sich je nach Hardware‑Stufe graceful: Jede LLM‑gestützte Ebene fällt stillschweigend aus (die Funktion trägt einfach nichts mehr bei), anstatt den Import oder die Suche zu brechen. Was sich mit der Hardware ändert, ist, wie viel vom Intelligenz‑Stack aktiv ist:

| Stufe | Hardware | Passende Modelle | Was Sie erhalten |
|---|---|---|---|
| Minimum | Beliebige CPU, ca. 2 GB freier RAM | nomic-embed-text (nur Embeddings) | Hybride BM25+Vektor‑Suche, Arbeitsspeicher, Audit‑Chain, Skill‑Gating — das Grundgerüst. LLM‑Ebenen (Ereigniserkennung, Entitätserkennung, Widerspruchs‑Adjudikation) bleiben deaktiviert. |
| Mittel | 8–16 GB GPU (oder Apple Silicon 16 GB+) | + qwen2.5-coder:14b oder phi4:14b (jeweils eins) | + Ereignis‑Fact‑Extraktion beim Import (temporales Schließen), LLM‑Widerspruchs‑Adjudikation, Entitätsextraktion, L0/L1 semantische Dateizusammenfassungen. |
| Voll | 24 GB+ GPU (z. B. RTX 4090/5090) | + phi4:14b und gpt‑oss:20b gleichzeitig resident | Alles gleichzeitig, mit interaktiver Latenz — plus ein starker lokaler Generator für QA/Benchmarks. Das ist die Konfiguration, auf der unsere veröffentlichten Benchmark‑Deltas gemessen wurden. |

Modell‑Auswahl‑Leitfaden (alle gemessen, siehe bench/):
- Embeddings: nomic-embed-text — zwingend, winzig, läuft überall.
- Ereigniserkennung (ZCEVENTEXTRACTMODEL, Standard phi4:14b): Unser Bake‑off bewertete phi4:14b mit 100 % Ereignis‑Recall / 100 % Datums‑Genauigkeit, gleichauf mit gpt‑oss:20b bei doppelt so hoher Geschwindigkeit. Auf kleineren GPUs liegt qwen2.5-coder:14b knapp dahinter (84,6

Question 2

Was brauche ich, um es auszuführen?

Accepted Answer

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

Question 3

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

Accepted Answer

Ja – parallele Sessions beanspruchen atomar Aufgaben aus einer Work‑Stealing‑Queue (keine Doppelbeanspruchungen bei 50 Agents × 100 Tasks im Test), koordinieren sich über typisierte Broadcasts (ASSIGN/STATUS/MERGE/REJECT) und behalten private Speicher‑Namespaces pro Agent plus einen gemeinsamen Pool. Abteilungsartige Hierarchien (Leiter + Mitarbeiter, N‑Stufen‑Eskalation) werden für größere Agent‑Teams unterstützt.

Question 4

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 beim Admission, HMAC‑Verifizierung vor jeder Ausführung, automatische Quarantäne bei Fehlern oder nachträglichen Änderungen und ein verifizierbares, verkettetes Log jeder Admission‑Entscheidung.

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 alles lokal. Es funktioniert komplett offline (die Suche degradiert gracefully zu reinen Stichworten, falls Ollama nicht verfügbar ist) und kostet $0 im Leerlauf.

Question 6

Kann es ein langes, mehrere Wochen dauerndes Projekt managen?

Accepted Answer

Ja – genau dafür gibt es die Delivery‑Schicht. Definieren Sie ein Programm mit Phasen (zc_program), und die Akzeptanz‑Checkliste der offenen Phase reist mit dem Projektstatus mit. Das Abschließen einer Phase erfordert eine Evidenztabelle und erzeugt automatisch ein Checkpoint‑Dokument. Stirbt der orchestrierende Agent mitten in einer Phase, rekonstruiert ein neuer Agent den kompletten Lieferstatus aus zwei Aufrufen – live verifiziert.

Question 7

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

Accepted Answer

Gemessen an einem 10‑Sitzungen‑Projekt: etwa 87 % weniger Kontext‑Overhead (die Sitzungs‑Wiederherstellung kostet ca. 1,5–4 k Tokens statt 20–50 k bei erneut eingefügten Dateien). Bei langlaufenden Projekten mit Hunderten von gespeicherten Erinnerungen bleibt das Abruf‑Budget bei ~4 k Tokens, während ein unbeschränkter Dump ~47 k Tokens beanspruchen würde. Dateiabfragen werden aus 15–50‑fach komprimierten semantischen Zusammenfassungen beantwortet, nicht aus Rohdateien.

Question 8

Wie gebe ich Claude Code persistenten Speicher über Sitzungen hinweg?

Accepted Answer

Installieren Sie SecureContext (ein einziger Befehl – siehe Quick start). Anschließend rufen Agenten zcremember auf, um Entscheidungen und Stolperfallen zu speichern, und zu Beginn einer Sitzung zcrecall_context({focus: "current task"}), um sie wiederherzustellen – sortiert nach Relevanz, wobei zeitbezogene Anfragen in natürlicher Sprache direkt aus dem Speicher beantwortet werden. Der Speicher überlebt Neustarts, Komprimierungen und Systemneustarts, weil er in PostgreSQL und nicht im Kontext‑Fenster 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 wieder ab. Keine semantische Kompression, kein Prüfprotokoll, kein Sicherheitsmodell. Sie synchronisieren mit einem Cloud‑Dienst. Besseres UI, aber die Tool‑Historie Ihres Agents (möglicherweise inklusive Geheimnissen, die er berührt hat) liegt dann auf dem Server eines Dritten. Oder sie setzen auf Vektor‑Suche. Das fügt RAG über Ihre Dokumente hinzu, hilft aber nicht beim eigentlichen Problem – dem Orchestrieren dessen, was der Agent tut, dem Verifizieren dessen, was ausgeführt wurde, und dem Überstehen von Sitzungs‑Komprimierung. SecureContext ist keines dieser Modelle:

| | SecureContext | Cloud‑Memory‑Services | Vektor‑RAG‑Plugins | Native Claude Code |
|---|---|---|---|---|
| Persistenz über Neustarts | Ja, lokales Postgres | Aber auf deren Server | Nur Docs, kein Zustand | Verlustbehaftete Auto‑Komprimierung |
| Lieferprogramme + prüfbare Checkpoints | zcprogram | | | |
| HMAC‑Audit‑Trail | Pro‑Agent‑Subkey | | | |
| Pro‑Agent‑Identitätsisolierung | HKDF + RLS | | | |
| Skill‑Admission‑Gate (HMAC + AST) | | | | |
| Manipulationsnachweis‑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 Agent‑Framework mit selbst‑editierbarem Speicher. SecureContext verfolgt einen anderen Zweck – mich.

Question 10

Was ist neu (v0.46.1)

Accepted Answer

Runde 2 der temporalen Abfrage + das Delivery‑Tool‑Kit. Zusammengesetzte temporale Fragen werden in Ereignisklauseln zerlegt und mittels Rank‑Fusion kombiniert; temporale Suchen erzeugen einen chronologischen Timeline‑Block und veraltete Ergebnisse erhalten Alterswarnungen. zcprogram fügt mehrphasige Lieferprogramme mit evidenzgesteuerter, automatischer Checkpoint‑Schließung hinzu – live‑verifiziert mit einem Orchestrator‑Übergabetest (den Orchestrator mitten in einer Phase töten; ein kalter Ersatz setzt nach zwei Aufrufen fort). Die Embed‑Lane verfügt jetzt über einen Watchdog mit budgetierter Selbstheilung. Kürzlich veröffentlichte Versionen: v0.46.0 – Team‑Memory (pro‑User‑Schlüssel, geteilte Arbeitsbereiche, Schreib‑Attribution), Session‑Replay mit kryptografischer Provenienz, OTel‑Gen‑AI‑Spans, CI/Headless‑Memory‑CLI, chunked Embeddings, Export von 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 finden Sie in CHANGELOG.md; architektonische Hinweise in ARCHITECTURE.md.

Question 11

Was ist SecureContext?

Accepted Answer

Wenn Sie Claude Code in echten Projekten einsetzen, stoßen Sie auf folgende Probleme: 1. Jede Sitzung beginnt kalt. Sie fügen dieselben Dateien erneut ein, erklären dieselben Entscheidungen erneut, entdecken dieselben Stolperfallen wieder – und zahlen Tokens für dieselbe Orientierung immer wieder. 2. Langfristige Projekte haben keinen Lieferungsstatus. Wenn ein orchestrierender Agent mitten in einem Feature stirbt (Absturz, geschlossenes Fenster, erschöpfter Kontext), beginnt sein Ersatz blind. Menschen kompensieren das mit handgeschriebenen CHECKPOINT‑Dateien. 3. Es gibt keine Aufzeichnung dessen, was die Agenten tatsächlich getan haben. Wenn etwas schief läuft, besitzt 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 überschreiben sich gegenseitig. Zwei Fenster beanspruchen dieselbe Aufgabe; das eine überschreibt die Änderungen des anderen. SecureContext ist ein MCP‑Plugin, das all diese fünf Probleme schließt. Installieren Sie es einmal und Ihre Agenten erhalten: Einen Speicher, der Neustarts überlebt – Entscheidungen, Stolperfallen und Projektstatus werden in einem Aufruf wiederhergestellt; semantische Zusammenfassungen pro Datei, die die Frage „Was macht diese Datei?“ mit 15–50× Kompression anstatt roher Lesevorgänge beantworten; temporale Suche, die weiß, wann Dinge passiert sind 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 frischer Orchestrator nimmt die Arbeit eines toten Agents nach nur zwei Aufrufen wieder auf. Ein kryptografischer Prüfpfad – jede

devops-prime-directives (Grade A)Sicherheitsgetesteten Daten-ai-Fähigkeit für Claude AI. Klasse A. PRIME DIRECTIVES — extrahiert aus roles.json deepPrompt für devops

Übersicht

Hauptfunktionen

Preise

Anwendungsfälle

Sicheres Änderungsmanagement

Geheime Anweisungen

Pro & Contra

Pro

Contra

Bewertungen

Fragen & Antworten

Frage stellen

Alternativen zu Fähigkeiten