Question 1

¿Qué modelos locales debería ejecutar y cómo afecta el hardware a SecureContext?

Accepted Answer

SecureContext se degrada de forma gradual según el nivel de hardware: cada capa impulsada por LLM falla de manera segura (la función simplemente deja de aportar) en lugar de romper la ingestión o la búsqueda. Lo que cambia con el hardware es cuánta parte de la pila de inteligencia está activa:

| Nivel | Hardware | Modelos que caben | Qué obtienes |
|---|---|---|---|
| Mínimo | Cualquier CPU, ~2 GB RAM libres | nomic-embed-text (solo embeddings) | Búsqueda híbrida BM25+vector, memoria de trabajo, cadena de auditoría, control de habilidades — el núcleo. Las capas LLM (extracción de eventos, extracción de entidades, adjudicación de contradicciones) permanecen inactivas. |
| Medio | GPU de 8–16 GB (o Apple Silicon 16 GB+) | + qwen2.5-coder:14b o phi4:14b (uno a la vez) | + Extracción de hechos‑evento en la ingestión (razonamiento temporal), adjudicación de contradicciones con LLM, extracción de entidades, resúmenes semánticos de archivos L0/L1. |
| Completo | GPU de 24 GB+ (p.ej. RTX 4090/5090) | + phi4:14b y gpt-oss:20b residentes juntos | Todo, de forma concurrente y con latencia interactiva, más un generador local potente para preguntas y respuestas/benchmarks. Esta es la configuración en la que se midieron los deltas de nuestro benchmark publicado. |

Guía de elección de modelo (todos medidos, ver bench/):
- Embeddings: nomic-embed-text — obligatorio, diminuto, corre en cualquier lugar.
- Extracción de eventos (ZCEVENTEXTRACTMODEL, phi4:14b por defecto): en nuestra comparativa phi4:14b obtuvo 100 % de recall de eventos y 100 % de precisión de fechas, igualando a gpt-oss:20b a 2× la velocidad. En GPUs más pequeñas qwen2.5-coder:14b está cerca (84,6 % recall).
- Modelos coder ≠ mejores: qwen2.5-coder:32b obtuvo el peor rendimiento (69,2

Question 2

¿Qué necesito para ejecutarlo?

Accepted Answer

Node 20+ y (recomendado) Docker para el stack empaquetado de PostgreSQL + Ollama. El instalador de un solo comando hace todo en unos cinco minutos. Existe una alternativa SQLite que funciona sin infraestructura.

Question 3

¿Pueden múltiples sesiones de Claude Code trabajar en el mismo proyecto sin conflictos?

Accepted Answer

Sí — las sesiones paralelas reclaman tareas de forma atómica de una cola de robo de trabajo (cero reclamos duplicados con 50 agentes × 100 tareas en pruebas), se coordinan mediante transmisiones tipadas (ASSIGN/STATUS/MERGE/REJECT) y mantienen espacios de nombres de memoria privados por agente además de un pool compartido. Se soportan jerarquías tipo departamento (jefes + trabajadores, escalado N‑tier) para equipos de agentes más grandes.

Question 4

¿Son seguras de instalar las habilidades de Claude Code?

Accepted Answer

Las habilidades del sistema de archivos empaquetan scripts que se ejecutan con tus permisos, y el cargador nativo de Claude Code no los escanea. SecureContext agrega la puerta que falta: análisis de AST en la admisión, verificación HMAC antes de cada ejecución, cuarentena automática en caso de falla o cambio posterior a la admisión, y un registro en cadena verificable de cada decisión de admisión.

Question 5

¿SecureContext envía mi código o datos a la nube?

Accepted Answer

No. La memoria, los embeddings (Ollama nomic-embed-text), la búsqueda, la resumen y la cadena de auditoría funcionan todos localmente. Funciona completamente sin conexión a Internet (la búsqueda se degrada elegantemente a solo palabra clave si Ollama está caído) y cuesta $0 cuando está inactivo.

Question 6

¿Puede gestionar un proyecto largo de varias semanas?

Accepted Answer

Sí, eso es para lo que sirve la capa de entrega. Define un programa con fases (zc_program), y la lista de verificación de aceptación de la fase abierta viaja con el estado del proyecto. Cerrar una fase requiere una tabla de evidencia y genera automáticamente un documento de punto de control. Si el agente orquestador muere a mitad de fase, uno fresco reconstruye el estado de entrega completo a partir de dos llamadas — verificado en vivo.

Question 7

How much does SecureContext reduce Claude Code token costs?

Accepted Answer

Medido en un proyecto de 10 sesiones: aproximadamente un 87 % menos de sobrecarga de contexto (la restauración de la sesión consume ~1.5–4 k tokens en lugar de 20–50 k de archivos reinsertados). En proyectos de larga duración con cientos de memorias acumuladas, el presupuesto de recuperación mantiene cada recuperación en ~4 k tokens, mientras que un volcado sin límites sería ~47 k. Las preguntas sobre archivos se responden a partir de resúmenes semánticos comprimidos 15–50 × en lugar de lecturas crudas.

Question 8

How do I give Claude Code persistent memory across sessions?

Accepted Answer

Instala SecureContext (un solo comando — ver Quick start), luego los agentes llaman a zcremember para persistir decisiones y trucos, y usan zcrecall_context({focus: "current task"}) al iniciar la sesión para restaurarlos — clasificados por relevancia, con consultas de tiempo en lenguaje natural respondidas directamente desde la memoria. La memoria sobrevive reinicios, compactaciones y apagados porque reside en PostgreSQL, no en la ventana de contexto.

Question 9

¿Cómo se diferencia de los competidores

Accepted Answer

La mayoría de los proyectos de 'memoria para Claude Code' hacen una de tres cosas: Envuelven la conversación en JSON. Guardan los mensajes, los reproducen. No hay compresión semántica, no hay registro de auditoría, no hay modelo de seguridad. Sincronizan con un servicio en la nube. Mejora la experiencia del usuario, pero ahora la historia de herramientas del agente (potencialmente incluyendo secretos que tocó) vive en el servidor de alguien más. Agrega búsqueda vectorial. Agrega RAG sobre sus documentos, pero no ayuda con el problema real: orquestar lo que hace el agente, verificar lo que se ejecutó, sobrevivir a la compacción de sesión. SecureContext no es ninguno de ellos: | | SecureContext | Servicios de memoria en la nube | Plugins de RAG vectorial | Claude Code nativo | |---|---|---|---|---| | Persistente a través de reinicios | Yes, local Postgres | Sí, pero en su servidor | Solo documentos, no estado | Compacción automática con pérdida | | Programas de entrega + puntos de control con evidence-gated | zcprogram | | | | | Registro de auditoría HMAC | Subclave por agente | | | | | Aislamiento de identidad por agente | HKDF + RLS | | | | | Puerta de admisión de habilidades (HMAC + AST) | | | | | | Cadena de evidencia de manipulación + reproducción de sesión | | | | | | Cola de trabajo-stealing para sesiones paralelas | FOR UPDATE SKIP LOCKED | | | | | Ejecución sin conexión | Local Postgres + Ollama | Depende | | | Costo cuando está inactivo | $0 | Suscripción mensual | $0 | $0 | En comparación con los productos de memoria conocidos: Mem0 y Zep son excelentes API de memoria alojadas para aplicaciones LLM que construyes; Letta (MemGPT) es un marco de agente con memoria autoeditada. SecureContext se dirige a un trabajo diferente — yo

Question 10

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 wrap this with GPU auto-detection and a prod` mode (nginx reverse proxy).

Question 11

¿Qué hay de nuevo (v0.46.1)

Accepted Answer

Búsqueda temporal ronda 2 + kit de herramientas de entrega. Las preguntas temporales compuestas se descomponen en cláusulas de eventos con fusión de rangos; las búsquedas temporales renderizan un bloque de línea de tiempo cronológico y los resultados obsoletos llevan advertencias de antigüedad. zcprogram agrega programas de entrega de varias fases con cierre de fase con evidencia, autocontrol de puntos de control — verificados en vivo con una prueba de entrega del orquestador (matar al orquestador a mitad de fase; un reemplazo en frío reanuda desde dos llamadas). El carril de incrustación ahora tiene un perro guardián con auto-sanación presupuestada. Lanzamientos recientes: v0.46.0 — memoria de equipo (claves por usuario, espacios de trabajo compartidos, atribución de escritura), reproducción de sesión con provenencia criptográfica, OTel Gen-AI spans, CLI de memoria sin cabeza, incrustaciones fragmentadas, exportación de informe de cumplimiento. v0.44.0 — supresión de hechos temporales, gráfica de tareas PG duradera, primeros números públicos de LongMemEval. v0.43.0 — resumen de recuerdo con presupuesto de tokens (soluciona la manguera de recuerdo de 47k tokens en proyectos maduros). v0.41–0.42 — programa de calidad de memoria: recuerdo enfocado, consolidación, ventanas bi-temporales, recuperación de gráficos multi-salto, memorias TTL, ingesta multimodal. Detalles completos en CHANGELOG.md; notas de arquitectura en ARCHITECTURE.md.

Question 12

¿Qué es SecureContext?

Accepted Answer

Si usas Claude Code en proyectos reales, habrás encontrado estos obstáculos: 1. Cada sesión comienza desde cero. Vuelves a pegar los mismos archivos, vuelves a explicar las mismas decisiones, vuelves a descubrir los mismos problemas — y pagas tokens por el mismo trabajo de orientación una y otra vez. 2. Los proyectos largos no tienen un estado de entrega. Cuando un agente de orquestación muere en medio de una característica (crash, ventana cerrada, contexto agotado), su reemplazo comienza a ciegas. Las personas compensan con archivos CHECKPOINT escritos a mano. 3. No hay registro de lo que los agentes realmente hicieron. Cuando algo sale mal, Claude Code no tiene un historial inmutable de lo que se ejecutó. 4. Los scripts de habilidad se ejecutan con tus permisos, no escaneados. Cualquiera (o cualquier agente) con acceso de escritura a ~/.claude/skills/ puede plantar código que se ejecuta en la siguiente invocación. 5. Las sesiones paralelas se pisotean entre sí. Dos ventanas reclaman la misma tarea; una sobrescribe las ediciones de la otra. SecureContext es un plugin de MCP que soluciona los cinco. Instálalo una vez y tus agentes obtendrán: Memoria que sobrevive a los reinicios — decisiones, problemas y estado del proyecto restaurados en una sola llamada; resúmenes semánticos por archivo que responden '¿qué hace este archivo' con una compresión de 15-50 veces en lugar de lecturas raw; búsqueda temporal que conoce cuándo sucedieron las cosas y marca el conocimiento estancado. Una capa de entrega para proyectos de ejecución prolongada — zcprogram rastrea programas de varias fases; cerrar una fase requiere evidencia de aceptación y genera automáticamente un punto de control buscable; un nuevo agente de orquestación reanuda el trabajo de uno muerto desde dos llamadas. Un rastro de auditoría criptográfico — cada

designer-common-anti-patterns (Grade A)Habilidad de data‑ai probada en seguridad para Claude AI. Calificación A. ANTI-PATTERNS COMUNS — extraídos de roles.json deepPrompt para designer

Resumen

Funciones clave

Precio

Casos de uso

Diseño de Formularios Accesibles

Mejora del Manejo de Errores

Pros y contras

Ventajas

Contras

Reseñas

Preguntas y respuestas

Hacer una pregunta

Alternativas a Habilidades