Question 1

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

Accepted Answer

SecureContext degrada de manera elegante según la categoría de hardware: cada capa alimentada por LLM falla cerrada (la función contribuye silenciosamente nada) en lugar de romper la ingesta o búsqueda. Lo que cambia con el hardware es la cantidad de la pila de inteligencia que está activa: | Nivel | Hardware | Modelos que caben | Lo que obtienes | |---|---|---|---| | Mínimo | Cualquier CPU, ~2 GB de RAM libre | nomic-embed-text (solo incrustaciones) | Búsqueda híbrida BM25+vector, memoria de trabajo, cadena de auditoría, puerta de habilidades: el núcleo. Las capas LLM (extracción de eventos, extracción de entidades, arbitraje de contradicciones) permanecen inactivas. | | Medio | 8-16 GB de GPU (o Apple Silicon 16 GB+) | + qwen2.5-coder:14b o phi4:14b (uno a la vez) | + Extracción de hechos-eventos en ingesta (razonamiento temporal), arbitraje de contradicciones LLM, extracción de entidades, resúmenes semánticos de archivos L0/L1. | | Completo | 24 GB+ de GPU (por ejemplo, RTX 4090/5090) | + phi4:14b y gpt-oss:20b residentes juntos | Todo, de forma concurrente, con latencia interactiva: más un generador local fuerte para QA/benchmarks. Esta es la configuración con la que se midieron nuestros deltas de benchmark publicados. Orientación sobre la elección de modelos ( Todos medidos, ver bench/): Incrustaciones: nomic-embed-text: requerido, pequeño, se ejecuta en cualquier lugar. Extracción de eventos (ZCEVENTEXTRACTMODEL, phi4:14b predeterminado): nuestro bakeoff puntuó phi4:14b con un 100% de extracción de eventos / 100% de precisión de fecha, empatando gpt-oss:20b a 2× la velocidad. En GPU más pequeños, qwen2.5-coder:14b está cerca (84,6% de recall). Los modelos de codificador ≠ mejor: qwen2.5-coder:32b obtuvo la peor puntuación (69,2%) a

Question 2

¿Qué necesito para ejecutarlo?

Accepted Answer

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

Question 3

¿Pueden varias 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 work‑stealing (cero reclamos dobles con 50 agentes × 100 tareas en pruebas), se coordinan mediante broadcasts tipados (ASSIGN/STATUS/MERGE/REJECT) y mantienen espacios de nombres de memoria privados por agente más un pool compartido. Se soportan jerarquías estilo departamento (cabezas + trabajadores, escalada N‑tier) para equipos de agentes más grandes.

Question 4

¿Son seguras las habilidades de Claude Code para instalar?

Accepted Answer

El bundle de habilidades del sistema de archivos contiene scripts que se ejecutan con tus permisos, y el cargador nativo de Claude Code no los escanea. SecureContext añade la puerta que falta: escaneo de AST al admitir, verificación HMAC antes de cada ejecución, cuarentena automática ante fallos o cambios posteriores a la admisión, y un registro encadenado verificable de cada decisión de admisión.

Question 5

Does SecureContext send my code or data to the cloud?

Accepted Answer

No. La memoria, embeddings (Ollama nomic-embed-text), búsqueda, resumido y la cadena de auditoría se ejecutan localmente. Funciona totalmente offline (la búsqueda se degrada de forma elegante a solo palabras clave si Ollama está caída) y no cuesta nada cuando está inactivo.

Question 6

Can it manage a long, multi-week project?

Accepted Answer

Sí — para eso 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 nuevo reconstruye todo el estado de entrega 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: ~87 % menos de sobrecarga de contexto (la restauración de la sesión es ~1.5–4 k tokens en lugar de 20–50 k de archivos re‑pegados). En proyectos de larga duración con cientos de memorias acumuladas, el presupuesto de recall mantiene cada recuerdo en ~4 k tokens, donde 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

¿Cómo le doy a Claude Code memoria persistente entre sesiones?

Accepted Answer

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

Question 9

¿En qué se diferencia de la competencia?

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 y los reproducen. No hay compresión semántica, no hay rastro de auditoría, no hay modelo de seguridad. Sincronizan con un servicio en la nube. Mejor UX, pero el historial de herramientas de tu agente (potencialmente incluidos secretos que manipuló) vive en el servidor de otra persona. Añaden búsqueda vectorial. Introducen RAG sobre tus documentos pero no ayudan con el problema real: orquestar lo que hace el agente, verificar lo que se ejecutó, sobrevivir a la compactación de la sesión. SecureContext no es ninguna de esas opciones:

| | SecureContext | Servicios de memoria en la nube | Plugins de Vector RAG | Claude Code nativo |
|---|---|---|---|---|
| Persistente entre reinicios | ✅ Sí, Postgres local | ✅ Pero en su servidor | ⚠️ Sólo documentos, no estado |
| Programas de entrega + puntos de control con evidencia | ✅ zcprogram | ❌ | ❌ | ❌ |
| Rastro de auditoría HMAC | ✅ Subclave por agente | ❌ | ❌ | ❌ |
| Aislamiento de identidad por agente | ✅ HKDF + RLS | ❌ | ❌ | ❌ |
| Puerta de admisión de habilidades (HMAC + AST) | ✅ | ❌ | ❌ | ❌ |
| Cadena a prueba de manipulaciones + reproducción de sesión | ✅ | ❌ | ❌ | ❌ |
| Cola de robo de trabajo para sesiones paralelas | ✅ FOR UPDATE SKIP LOCKED | ❌ | ❌ | ❌ |
| Funciona sin conexión | ✅ Postgres local + Ollama | ❌ | ⚠️ Depende | ✅ |
| Costo en inactividad | $0 | Suscripción mensual | $0 | $0 |

En comparación con los productos de memoria más conocidos: Mem0 y Zep son excelentes APIs de memoria alojadas para apps LLM que construyes; Letta (MemGPT) es un marco de agentes con memoria auto‑editada. SecureContext está dirigido a una tarea

Question 10

¿Qué es SecureContext?

Accepted Answer

Si utiliza Claude Code en proyectos reales, ha encontrado estos obstáculos: 1. Cada sesión comienza desde cero. Vuelve a pegar los mismos archivos, vuelve a explicar las mismas decisiones, vuelve a descubrir los mismos problemas — y paga 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 a mitad de una característica (crash, ventana cerrada, contexto agotado), su reemplazo comienza a ciegas. La gente compensa 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 de tamper-evident de lo que se ejecutó. 4. Los scripts de habilidades se ejecutan con sus permisos, sin escaneo. Cualquiera (o cualquier agente) con acceso de escritura a ~/.claude/skills/ puede plantar código que se ejecuta en la próxima invocación. 5. Las sesiones paralelas se superponen. Dos ventanas reclaman la misma tarea; una sobrescribe las ediciones de la otra. SecureContext es un plugin de MCP que cierra los cinco. Instálalo una vez y sus agentes obtienen: 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?' a 15-50× compresión en lugar de lecturas crudas; búsqueda temporal que sabe cuándo sucedieron las cosas y marca el conocimiento estancado. Una capa de entrega para proyectos de ejecución prolongada — zcprogram rastrea programas de múltifases; cerrar una fase requiere evidencia de aceptación y genera automáticamente un punto de control searchable; un nuevo orchestrator reanuda el trabajo de uno muerto desde dos llamadas. Un registro de auditoría criptográfico — cada

Question 11

¿Qué hay de nuevo (v0.46.1)

Accepted Answer

Recuperación temporal ronda 2 + kit de herramientas de entrega. Las preguntas temporales compuestas se descomponen en cláusulas de eventos con fusión de rango; las búsquedas temporales renderizan un bloque de cronología y los resultados obsoletos llevan alertas de antigüedad. zcprogram agrega programas de entrega de múltiples fases con cierre de fase con evidencia, auto-puntos de control — verificados en vivo con una prueba de entrega del coordinador (matar al coordinador a mitad de fase; un reemplazo en frío resume desde dos llamadas). El carril de incrustación ahora tiene un perro guardián con autocuración budgetada. Lanzamientos recientes: v0.46.0 — memoria de equipo (claves por usuario, espacios de trabajo compartidos, atribución de escritura), reproducción de sesión con provisión criptográfica, spans de Gen-AI de OTel, memoria de CLI sin cabeza, incrustaciones por partes, exportación de informe de cumplimiento. v0.44.0 — supresión de hechos temporales, gráfica de tarea de 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 de múltiples saltos, memorias con TTL, ingesta multimodal. Detalles completos en CHANGELOG.md; notas de arquitectura en ARCHITECTURE.md.

designer-nielsen-s-10-heuristics-applied (Grade A)Habilidad de data-ai con pruebas de seguridad para Claude AI. Calificación A. NIELSEN'S 10 HEURISTICS — APPLIED — extraída de roles.json deepPrompt para designer

Resumen

Funciones clave

Precio

Casos de uso

Diseño de interfaces de usuario

Evaluación de interfaces existentes

Pros y contras

Ventajas

Contras

Reseñas

Preguntas y respuestas

Hacer una pregunta

Alternativas a Habilidades