Question 1

Welche lokalen Modelle sollte ich ausführen und wie beeinflusst Hardware SecureContext?

Accepted Answer

SecureContext degradiert sanft je nach Hardware-Tier – jede LLM-gesteuerte Schicht fällt geschlossen aus (die Funktion trägt leise nichts bei), statt die Aufnahme oder Suche zu brechen. Was mit der Hardware sich ändert, ist, wie viel des Intelligenz-Stacks aktiv ist:

| Tier | Hardware | Modelle, die passen | Was Sie bekommen |
|---|---|---|---|
| Minimum | Jeder CPU, ~2 GB RAM frei | nomic-embed-text (nur Einbettungen) | Hybrid BM25+Vektor‑Suche, Arbeitsspeicher, Audit‑Kette, Fähigkeiten‑Gate – das Kernstück. LLM‑Schichten (Ereignis‑Extraktion, Entität‑Extraktion, Widerspruchs‑Bewertung) bleiben inaktiv. |
| Mid | 8–16 GB GPU (oder Apple Silicon 16 GB+) | + qwen2.5-coder:14b oder phi4:14b (je ein Modell gleichzeitig) | + Ereignis‑Fakt‑Extraktion beim Ingest (temporales Denken), LLM‑Widerspruchs‑Bewertung, Entität‑Extraktion, L0/L1 semantische Datei‑Zusammenfassungen. |
| Full | 24 GB+ GPU (z. B. RTX 4090/5090) | + phi4:14b und gpt-oss:20b gleichzeitig im Speicher | Alles, gleichzeitig, bei interaktiver Latenz – plus ein starker lokaler Generator für QA/Benchmarks. Dies ist die Konfiguration, auf der unsere veröffentlichten Benchmark‑Delta‑Messungen basieren. |

Anleitung zur Modellauswahl (alle gemessen, siehe bench/):

* Einbettungen: nomic-embed-text – erforderlich, klein, läuft überall.
* Ereignis‑Extraktion (ZCEVENTEXTRACTMODEL, Standard phi4:14b): unsere Bakeoff‑Bewertung erzielte bei phi4:14b 100 % Ereignis‑Erinnerung / 100 % Datengenauigkeit, gleichwertig zu gpt-oss:20b mit 2× der Geschwindigkeit. Auf kleineren GPUs liegt qwen2.5-coder:14b knapp hinterher (84,6 % Erinnerung).
* Coder‑Modelle

Question 2

Was benötige ich, um es auszuführen?

Accepted Answer

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

Question 3

Können mehrere Claude Code-Sitzungen an demselben Projekt ohne Konflikte arbeiten?

Accepted Answer

Ja — parallele Sitzungen beanspruchen Aufgaben atomar aus einer Work-Stealing-Warteschlange (null Doppelbeanspruchungen bei 50 Agenten × 100 Aufgaben in Tests), koordinieren sich über typisierte Broadcasts (ASSIGN/STATUS/MERGE/REJECT) und behalten private Agenten-Memory-Namenräume plus einen gemeinsamen Pool bei. Abteilungen‑artige Hierarchien (Leiter + Arbeiter, N‑Tier‑Escalation) werden für größere Agenten‑Teams unterstützt.

Question 4

Sind Claude Code-Fähigkeiten sicher zu installieren?

Accepted Answer

Die Filesystem-Fähigkeiten bündeln Skripte, die mit Ihren Berechtigungen ausgeführt werden, und der native Loader von Claude Code durchsucht sie nicht. SecureContext fügt die fehlende Gate hinzu: AST-Scan bei der Zulassung, HMAC-Überprüfung vor jeder Ausführung, automatische Quarantäne bei Fehlern oder Änderungen nach der Zulassung und ein verifizierbares verknüpftes Protokoll jeder Zulassungsentscheidung.

Question 5

Sendet SecureContext meinen Code oder Daten in die Cloud?

Accepted Answer

Nein. Speicher, Einbettungen (Ollama nomic-embed-text), Suche, Zusammenfassung und die Audit‑Kette laufen lokal. Es funktioniert vollständig offline (die Suche degradiert sich sanft zu reinen Schlüsselworten, falls 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‑Schicht 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 mitten in einer Phase abstürzt, baut ein neuer Agent den vollständigen Delivery‑Status aus zwei Aufrufen neu auf – live verifiziert.

Question 7

Wie viel senkt SecureContext die Claude-Code-Tokenkosten?

Accepted Answer

Gemessen an einem 10‑Sitzungsprojekt: ~87 % weniger Kontext‑Overhead (Sitzungswiederherstellung ist ~1,5–4 k Tokens statt 20–50 k der erneut eingefügten Dateien). Bei langfristigen Projekten mit Hunderten von akkumulierten Erinnerungen hält das Rückrufbudget jede Rückholung bei ~4 k Tokens, während ein unbegrenzter Dump ~47 k betragen würde. Dateianfragen werden aus 15–50× komprimierten semantischen Zusammenfassungen beantwortet, anstatt Rohdaten zu lesen.

Question 8

Wie unterscheidet es sich von Wettbewerbern

Accepted Answer

Bei den meisten "Memory for Claude Code" Projekten gibt es drei Vorgehensweisen: 1) Die Konversation wird in JSON verpackt, die Nachrichten werden gespeichert und wieder abgespielt – ohne semantische Kompression, ohne Audit-Trail und ohne Sicherheitsmodell. 2) Synchronisation mit einem Cloud‑Dienst – bessere UX, aber die Historie des Agenten (möglicherweise inklusive Secrets) landet auf einem fremden Server. 3) Einbindung in einen Vektor‑Suchdienst – er fügt RAG über Ihre Dokumente hinzu, hilft jedoch nicht beim eigentlichen Problem, nämlich der Orchestrierung, der Verifikation, was ausgeführt wurde, und der Überlebensfähigkeit bei Sitzungs‑Kompression.

SecureContext bietet keines dieser Features: 
| Feature | SecureContext | Cloud‑Memory‑Dienste | Vektor‑RAG‑Plugins | Native Claude Code |
|---|---|---|---|---|
| Persistenz über Neustarts | ✅ Ja, lokales Postgres | ✅ Ja, aber auf deren Server | ⚠️ Nur Dokumente, kein Zustand | ❌ Datenverlust bei automatischer Kompression |
| Delivery-Programme + evidence‑gated Checkpoints | ✅ zcprogram | ❌ | ❌ | ❌ |
| HMAC Audit‑Trail | ✅ Per-Agent-Subkey | ❌ | ❌ | ❌ |
| Per-Agent-Identity-Isolation | ✅ HKDF + RLS | ❌ | ❌ | ❌ |
| Skill‑Admission‑Gate (HMAC + AST) | ✅ | ❌ | ❌ | ❌ |
| Tamper‑Evident‑Chain + Session‑Replay | ✅ | ❌ | ❌ | ❌ |
| Work‑Stealing‑Queue für parallele Sessions | ✅ FOR UPDATE SKIP LOCKED | ❌ | ❌ | ❌ |
| Offline‑Betrieb | ✅ Lokales Postgres + Ollama | ❌ | ⚠️ Abhängig | ✅ |
| Kosten im Leerlauf | $0 | Monats‑Abonnement | $0 | $0 |

Im Vergleich zu den bekannten Memory‑Produkten: Mem0 und Zep sind exzellente gehostete Memory‑APIs für LLM‑Apps, die Sie entwickeln; Letta (MemGPT) ist ein Agenten‑Framework mit selbsteditierender Memory. SecureContext zielt auf einen anderen Einsatzbereich – mich.

Question 9

Wie gebe ich Claude Code persistente Erinnerung über Sessions hinweg?

Accepted Answer

Installieren Sie SecureContext (ein Befehl – siehe Quick Start), dann rufen Agenten zcremember auf, um Entscheidungen und Stolpersteine zu speichern, und zcrecall_context({focus: "current task"}) beim Start einer Session, um sie wiederherzustellen – nach Relevanz sortiert, mit direkten Antworten auf zeitbasierte Fragen aus der Erinnerung. Die Erinnerung übersteht Neustarts, Kompaktierungen und Neustarts, da sie in PostgreSQL und nicht im Kontextfenster gespeichert ist.

Question 10

What's new (v0.46.1)

Accepted Answer

Temporale Retrieval‑Runde 2 + das Delivery‑Tool‑Kit. Komplexe temporale Fragen zerlegen sich in Ereignis‑Sätze mit Rang‑Fusion; temporale Suchen zeigen einen chronologischen Timeline‑Block und veraltete Ergebnisse erhalten Alterswarnungen. Zcprogram fügt mehrstufige Lieferprogramme mit evidenzgeprüften, auto‑Checkpoint‑Phasenabschluss hinzu – live‑verifiziert mit einem Orchestrator‑Hand-off‑Test (Orchestrator mitten in der Phase abwürgen; ein kalter Ersatz setzt mit zwei Aufrufen fort). Die Embed‑Lane verfügt jetzt über einen Watchdog mit budgetiertem Selbst‑Healing. Kürzliche Releases: v0.46.0 – Team‑Memory (pro‑User‑Keys, geteilte Workspaces, Schreib‑Attribution), Sitzungs‑Replay mit kryptografischer Provenienz, OTel Gen‑AI‑Spans, CI/Headless‑Memory‑CLI, chunked embeddings, Compliance‑Report‑Export. v0.44.0 – temporale Fakten‑Supersession, dauerhafte PG‑Task‑Graph, erste öffentliche LongMemEval‑Zahlen. v0.43.0 – token‑budgetierte 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; Architektur‑Notizen 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 diese mit GPU-Autoverkennung und einem Produktionsmodus (nginx Reverse‑Proxy) umschließen.

Question 12

Was ist SecureContext?

Accepted Answer

Wenn Sie Claude Code in echten Projekten einsetzen, stoßen Sie auf folgende Probleme: 1. Jede Sitzung beginnt bei Null. Sie fügen dieselben Dateien erneut ein, erklären dieselben Entscheidungen erneut, entdecken dieselben Stolperfallen wieder – und zahlen Tokens für dieselbe Orientierungsarbeit immer wieder. 2. Langfristige Projekte haben keinen Lieferungsstatus. Wenn ein orchestrierender Agent mitten in einem Feature ausfällt (Crash, geschlossenes Fenster, erschöpfter Kontext), beginnt sein Ersatz im Dunkeln. 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 keine manipulationssichere Historie 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 bei der nächsten Ausführung läuft. 5. Parallele Sitzungen treten gegeneinander. 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: Einen Speicher, der Neustarts überlebt – Entscheidungen, Stolperfallen und Projektzustand werden in einem Aufruf wiederhergestellt; pro Datei semantische Zusammenfassungen, die "was macht diese Datei" mit 15–50‑facher Kompression statt roher Reads beantworten; eine zeitliche Suche, die weiß, wann Dinge passiert sind 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 Audit‑Trail – jede

Staging V0 19 (Grade A)Sichere daten-ai-Fähigkeit für Claude AI. Grade A. ANTI-PATTERNS (MACHE NIEMALS ZUWEIS) — extrahiert von roles.json deepPrompt für Analytiker

Übersicht

Hauptfunktionen

Preise

Anwendungsfälle

Analystenausbildung

Qualitätskontrolle

Pro & Contra

Pro

Contra

Bewertungen

Fragen & Antworten

Frage stellen

Alternativen zu Fähigkeiten