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 cerrada (la funcionalidad simplemente no aporta nada) en lugar de romper la ingestión o la búsqueda. Lo que cambia con el hardware es cuánto de la pila de inteligencia está activo:

| Nivel | Hardware | Modelos compatibles | Qué obtienes |
|---|---|---|---|
| Mínimo | Cualquier CPU, ~2 GB de RAM libres | nomic-embed-text (solo incrustaciones) | Búsqueda híbrida BM25+vector, memoria de trabajo, cadena de auditoría, control de habilidades — lo esencial. Las capas LLM (extracción de eventos, extracción de entidades, adjudicación de contradicciones) permanecen inactivas. |
| Medio | GPU de 8–16 GB (o Apple Silicon de 16 GB+) | + qwen2.5-coder:14b o phi4:14b (uno a la vez) | + Extracción de eventos‑hechos 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 simultáneamente | Todo, de forma concurrente y con latencia interactiva, además de un generador local potente para preguntas y respuestas/benchmarks. Esta es la configuración en la que se midieron los deltas de nuestros benchmarks publicados.

Guía de elección de modelo (todos medidos, ver bench/):
- Incrustaciones: nomic-embed-text — obligatorio, diminuto, funciona en cualquier lugar.
- Extracción de eventos (ZCEVENTEXTRACTMODEL, por defecto phi4:14b): en nuestras pruebas phi4:14b obtuvo 100 % de recall de eventos y 100 % de precisión en fechas, igualando a gpt‑oss:20b a 2× la velocidad. En GPUs más pequeñas qwen2.5-coder:14b está cerca (84,6 % de recall).
- Los modelos de codificación no son

Question 2

¿Qué necesito para ejecutarlo?

Accepted Answer

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

Question 3

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

Accepted Answer

Sí — sesiones paralelas reclaman tareas de forma atómica desde una cola de trabajo robado (cero reclamos dobles 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 más un pool compartido. Se admiten jerarquías al estilo de departamentos (jefes + trabajadores, escalado N‑tier) para equipos de agentes más grandes.

Question 4

¿Son seguras las habilidades de Claude Code para instalar?

Accepted Answer

Los paquetes de habilidades del sistema de archivos incluyen 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

¿SecureContext envía mi código o datos a la nube?

Accepted Answer

No. La memoria, los embeddings (Ollama nomic-embed-text), la búsqueda, la resumición y la cadena de auditoría se ejecutan localmente. Funciona completamente offline (la búsqueda degrada elegantemente a solo palabras clave si Ollama está caído) y no cuesta nada cuando está inactivo.

Question 6

¿Puede gestionar un proyecto largo de varias semanas?

Accepted Answer

Sí — para eso es 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 evidencias 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 tiempo real.

Question 7

¿Cuánto reduce SecureContext los costos de tokens de Claude Code?

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 re‑pegados). En proyectos de larga duración con cientos de recuerdos acumulados, el presupuesto de recuperación mantiene cada recall 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

¿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 advertencias y a zcrecall_context({focus: "tarea actual"}) al iniciar la sesión para restaurarlas — clasificadas 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

Cómo 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, ni registro de auditoría, ni modelo de seguridad. Sincronizan con un servicio en la nube. Mejor experiencia de usuario, pero el historial de herramientas de tu agente (potencialmente incluyendo secretos que tocó) vive en el servidor de otra persona. Incorporan búsqueda vectorial. Añaden 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 sesiones. SecureContext no es ninguno de esos:

| | 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 |
| Pérdida automática por compactación | ❌ | ❌ | ❌ |
| Programas de entrega + puntos de control con evidencia | ✅ zcprogram | ❌ | ❌ | ❌ |
| Registro 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 offline | ✅ Postgres local + Ollama | ❌ | ⚠️ Depende | ✅ |
| Coste en inactividad | $0 | Suscripción mensual | $0 | $0 |

En comparación con los productos de memoria más conocidos: Mem0 y Z

Question 10

¿Qué hay de nuevo (v0.46.1)?

Accepted Answer

Ronda 2 de recuperación temporal + el kit de herramientas de entrega. Las preguntas temporales compuestas se descomponen en cláusulas de eventos con fusión de rangos; las búsquedas temporales generan un bloque de Línea de Tiempo cronológica y los resultados obsoletos muestran advertencias de antigüedad. zcprogram añade programas de entrega multiphase con cierre de fase controlado por evidencia y autocomprobación — verificado en vivo con una prueba de entrega al orquestador (mata al orquestador a mitad de fase; un reemplazo en frío reanuda desde dos llamadas). El carril de incrustaciones ahora tiene un watchdog con autocuración presupuestada. Lanzamientos recientes: v0.46.0 — memoria de equipo (claves por usuario, espacios de trabajo compartidos, atribución de escritura), reproducción de sesiones con procedencia criptográfica, spans OTel Gen‑AI, CLI de memoria CI/sin cabeza, incrustaciones fragmentadas, exportación de informe de cumplimiento. v0.44.0 — supersesión de hechos temporales, grafo de tareas PG duradero, primeros números públicos de LongMemEval. v0.43.0 — digest de recuperación con presupuesto de tokens (soluciona el flujo de recuperación de 47 k tokens en proyectos maduros). v0.41‑0.42** — programa de calidad de memoria: recuperación enfocada, consolidación, ventanas bi‑temporales, recuperación de grafo multi‑salto, memorias TTL, ingestión multimodal. Detalles completos en CHANGELOG.md; notas de arquitectura en ARCHITECTURE.md.

Question 11

¿GPU NVIDIA? agregar: -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 envuelve esto con detección automática de GPU y un modo de producción (proxy inverso nginx).

Question 12

¿Qué es SecureContext?

Accepted Answer

Si usas Claude Code en proyectos reales, probablemente ya hayas topado con estos problemas: 1. Cada sesión comienza en frío. Vuelves a pegar los mismos archivos, a volver a explicar las mismas decisiones, a redescubrir los mismos trucos, 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 orquestador muere a mitad de una funcionalidad (por un bloqueo, una ventana cerrada, contexto agotado), su reemplazo empieza a ciegas. La gente compensa con archivos CHECKPOINT escritos a mano. 3. No hay registro de lo que realmente hicieron los agentes. Cuando algo falla, Claude Code no tiene un historial a prueba de manipulaciones de lo que se ejecutó. 4. Los scripts de habilidades se ejecutan con tus permisos, sin escanear. Cualquier persona (o agente) con acceso de escritura a ~/.claude/skills/ puede introducir código que se ejecutará en la siguiente invocación. 5. Las sesiones paralelas se pisan entre sí. Dos ventanas reclaman la misma tarea; una sobrescribe los cambios de la otra. SecureContext es un plugin MCP que cierra los cinco puntos. Instálalo una sola vez y tus agentes obtendrán: Memoria que sobrevive a reinicios — decisiones, trucos y estado del proyecto restaurados en una llamada; resúmenes semánticos por archivo que responden "¿qué hace este archivo?" con una compresión de 15–50× en lugar de lecturas crudas; búsqueda temporal que sabe cuándo ocurrieron los hechos y señala conocimientos obsoletos. Una capa de entrega para proyectos de larga duración — zcprogram rastrea programas multi‑fase; cerrar una fase requiere evidencia de aceptación y genera automáticamente un punto de control buscable; un orquestador nuevo retoma el trabajo de uno muerto desde dos llamadas. Un registro de auditoría criptográfico — cada

developer-performance-instincts (Grade A)Seguridad probada en datos AI para Claude AI. Grado A. Instintos de rendimiento — extraído de roles.json deepPrompt para desarrolladores.

Resumen

Funciones clave

Precio

Casos de uso

Mejorar el rendimiento de la aplicación

Optimizar consultas de bases de datos

Mejorar la experiencia de usuario frontend

Pros y contras

Ventajas

Contras

Reseñas

Preguntas y respuestas

Hacer una pregunta

Alternativas a Habilidades

Manage Headers (Grade A)

Using Git Worktrees (Grade A)

Ga4 Bigquery Schema (Grade A)

Meta Capi (Grade A)

Callees (Grade A)

Test Module Name (Grade A)

Board Of Directors (Grade A)

Advpl Mvc Avancado (Grade A)