Question 1

Which local models should I run, and how does hardware affect SecureContext?

Accepted Answer

SecureContext degrades gracefully by hardware tier — every LLM-powered layer fails closed (the feature quietly contributes nothing) rather than breaking ingest or search. What changes with hardware is how much of the intelligence stack is active: | Tier | Hardware | Models that fit | What you get | |---|---|---|---| | Minimum | Any CPU, ~2 GB RAM free | nomic-embed-text (embeddings only) | Hybrid BM25+vector search, working memory, audit chain, skills gating — the core. LLM layers (event extraction, entity extraction, contradiction adjudication) stay dormant. | | Mid | 8–16 GB GPU (or Apple Silicon 16 GB+) | + qwen2.5-coder:14b or phi4:14b (one at a time) | + Event-fact extraction at ingest (temporal reasoning), LLM contradiction adjudication, entity extraction, L0/L1 semantic file summaries. | | Full | 24 GB+ GPU (e.g. RTX 4090/5090) | + phi4:14b and gpt-oss:20b resident together | Everything, concurrently, at interactive latency — plus a strong local generator for QA/benchmarks. This is the configuration our published benchmark deltas were measured on. | Model-choice guidance (all measured, see bench/): Embeddings: nomic-embed-text — required, tiny, runs anywhere. Event extraction (ZCEVENTEXTRACTMODEL, default phi4:14b): our bakeoff scored phi4:14b at 100% event recall / 100% date accuracy, tying gpt-oss:20b at 2× the speed. On smaller GPUs qwen2.5-coder:14b is close behind (84.6% recall). Coder models ≠ better: qwen2.5-coder:32b scored worst (69.2%) despite being the large

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

Accepted Answer

Sí — las sesiones paralelas reclaman tareas de forma atómica desde una cola de trabajo “work‑stealing” (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 soportan jerarquías al estilo departamento (jefes + empleados, escalamiento N‑tier) para equipos de agentes más grandes.

Question 4

¿Son seguras las habilidades de Claude Code para instalar?

Accepted Answer

Las habilidades de sistema de archivos agrupan scripts que se ejecutan con tus permisos, y el cargador nativo de Claude Code no los escanea. SecureContext añade la barrera que falta: escaneo 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 encadenado verificable de cada decisión de admisión.

Question 5

¿SecureContext envía mi código o mis 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 totalmente offline (la búsqueda se degrada de forma elegante 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, 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 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: ~87 % menos de sobrecarga de contexto (la restauración de la sesión cuesta ~1.5–4 k tokens en lugar de 20–50 k de archivos re‑pegados). En proyectos a largo plazo con cientos de memorias acumuladas, 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 sin procesar.

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 trucos y a zcrecall_context({focus: "current task"}) al iniciar la sesión para restaurarlos — ordenados por relevancia, con consultas de tiempo en lenguaje natural respondidas directamente desde la memoria. La memoria sobrevive a reinicios, compactaciones y apagados porque se almacena 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, 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 otro. Añaden búsqueda vectorial. Incorporan 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 compresión de sesiones. SecureContext no es ninguno de esos:

| | SecureContext | Servicios de memoria en la nube | Plugins de RAG vectorial | Claude Code nativo |
|---|---|---|---|---|
| Persistente entre reinicios | Sí, Postgres local | Pero en su servidor | Solo documentos, no estado |
| Compresión automática con pérdida |
| 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 |
| Dependencias |
| Coste 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 aplicaciones LLM que construyes; Letta (MemGPT) es un framework de agentes con memoria auto‑editante. SecureContext está dirigido a una tarea diferente — yo

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 multietapa con cierre de fase autocomprobado y con evidencia; verificado en vivo con una prueba de traspaso al orquestador (mata al orquestador a mitad de fase; un reemplazo en frío retoma 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 sesión con procedencia criptográfica, spans OTel Gen‑AI, CLI de memoria CI/headless, incrustaciones fragmentadas, exportación de informe de cumplimiento. v0.44.0 — superación de hechos temporales, grafo de tareas PG durable, primeros números públicos de LongMemEval. v0.43.0 — digest de recuerdo con presupuesto de tokens (soluciona el incendio de recuerdo de 47 k tokens en proyectos maduros). v0.41–0.42** — programa de calidad de memoria: recuerdo focalizado, 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

¿Qué es SecureContext?

Accepted Answer

Si utilizas Claude Code en proyectos reales, te has encontrado con estos problemas: 1. Cada sesión comienza en frío. Vuelves a pegar los mismos archivos, a explicar las mismas decisiones, a descubrir los mismos inconvenientes, y pagas tokens por el mismo trabajo de orientación una y otra vez. 2. Los proyectos largos no tienen estado de entrega. Cuando un agente orquestador muere a mitad de una característica (bloqueo, ventana cerrada, contexto agotado), su sustituto comienza 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. Cualquiera (o cualquier agente) con acceso de escritura a ~/.claude/skills/ puede incrustar código que se ejecutará en la siguiente invocación. 5. Las sesiones paralelas se pisan entre sí. Dos ventanas reclaman la misma tarea; una sobrescribe las ediciones de la otra. SecureContext es un plugin MCP que soluciona los cinco problemas. Instálalo una sola vez y tus agentes obtendrán: Memoria que sobrevive a reinicios — decisiones, inconvenientes 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 eventos y alerta sobre conocimientos obsoletos. Una capa de entrega para proyectos de larga duración — zcprogram rastrea programas multifase; cerrar una fase requiere evidencia de aceptación y genera automáticamente un checkpoint buscable; un orquestador nuevo retoma el trabajo del agente muerto a partir de dos llamadas. Un rastro de auditoría criptográfico — cada

developer-prime-directives (Grade A)Habilidad data-ai probada en seguridad para Claude AI. Grade A. PRIME DIRECTIVES — extraída de roles.json deepPrompt para desarrollador

Resumen

Funciones clave

Precio

Casos de uso

Incorporación de Desarrolladores

Revisión de Código

Pros y contras

Ventajas

Contras

Reseñas

Preguntas y respuestas

Hacer una pregunta

Alternativas a Habilidades