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 controlada (la función 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 que caben | Qué obtienes |
|---|---|---|---|
| Mínimo | Cualquier CPU, ~2 GB de RAM libre | 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 de 16 GB+) | + qwen2.5-coder:14b o phi4:14b (uno a la vez) | + Extracción de eventos‑hechos en 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 residiendo juntos | Todo, de forma concurrente, con latencia interactiva — además de un generador local potente para Q&A y 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 — requerido, diminuto, corre en cualquier lugar.
- Extracción de eventos (ZCEVENTEXTRACTMODEL, phi4:14b por defecto): en nuestra comparativa phi4:14b alcanzó 100 % de recall de eventos y 100 % de precisión de fechas, igualando a gpt-oss:20b con el doble de velocidad. En GPUs más pequeñas qwen2.5-coder:14b está cercano (84,6 % de recall).
- Los modelos coder no son necesariamente mejores: qwen2.5-coder:32b obtuvo

Question 2

What do I need to run it?

Accepted Answer

Node 20+ and (recommended) Docker for the bundled PostgreSQL + Ollama stack. The one-command installer does everything in about five minutes. A SQLite fallback runs with zero infrastructure.

Question 3

Can multiple Claude Code sessions work on the same project without conflicts?

Accepted Answer

Yes — parallel sessions atomically claim tasks from a work-stealing queue (zero double-claims at 50 agents × 100 tasks in testing), coordinate through typed broadcasts (ASSIGN/STATUS/MERGE/REJECT), and keep private per-agent memory namespaces plus a shared pool. Department-style hierarchies (heads + workers, N-tier escalation) are supported for larger agent teams.

Question 4

Are Claude Code skills safe to install?

Accepted Answer

Filesystem skills bundle scripts that run with your permissions, and Claude Code's native loader does not scan them. SecureContext adds the missing gate: AST scan at admission, HMAC verification before every execution, automatic quarantine on failure or post-admission change, and a verifiable chained log of every admission decision.

Question 5

Does SecureContext send my code or data to the cloud?

Accepted Answer

No. Memory, embeddings (Ollama nomic-embed-text), search, summarization, and the audit chain all run locally. It works fully offline (search degrades gracefully to keyword-only if Ollama is down) and costs $0 when idle.

Question 6

Can it manage a long, multi-week project?

Accepted Answer

Yes — that's what the delivery layer is for. Define a program with phases (zc_program), and the open phase's acceptance checklist travels with the project state. Closing a phase requires an evidence table and generates a checkpoint document automatically. If the orchestrating agent dies mid-phase, a fresh one reconstructs the full delivery state from two calls — verified live.

Question 7

How much does SecureContext reduce Claude Code token costs?

Accepted Answer

Measured across a 10-session project: ~87% less context-overhead (session restore is ~1.5–4k tokens instead of 20–50k of re-pasted files). On long-lived projects with hundreds of accumulated memories, the recall budget keeps each recall at ~4k tokens where an unbounded dump would be ~47k. File questions are answered from 15–50× compressed semantic summaries instead of raw reads.

Question 8

How do I give Claude Code persistent memory across sessions?

Accepted Answer

Install SecureContext (one command — see Quick start), then agents call zcremember to persist decisions and gotchas and zcrecall_context({focus: "current task"}) at session start to restore them — ranked by relevance, with natural-language time queries answered directly from memory. Memory survives restarts, compactions, and reboots because it lives in PostgreSQL, not in the context window.

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 UX, pero el historial de herramientas de tu agente (potencialmente con secretos que manejó) vive en el servidor de otro. Insertan 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 tras reinicios | Sí, Postgres local | Pero en su servidor | Sólo documentos, no estado | Compactación 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 sin conexión | Postgres local + Ollama |   |   |   |
| Dependencias |   |   |   |   |
| Costo en reposo | $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 apunta a un trabajo 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 evento con fusión de rangos; las búsquedas temporales generan un bloque de Línea de Tiempo cronológica y los resultados obsoletos muestran advertencias de antigüedad. zcprogram agrega programas de entrega multi‑fase con cierre de fase controlado por evidencia y auto‑puntos de control — verificado en vivo con una prueba de transferencia al orquestador (mata al orquestador a mitad de fase; un reemplazo en frío continúa 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 límite de tokens (corrige el caudal de recuerdo de 47 k tokens en proyectos maduros). v0.41–0.42** — programa de calidad de memoria: recuerdo enfocado, 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 usas Claude Code en proyectos reales, te toparás con estas limitaciones: 1. Cada sesión comienza en frío. Vuelves a pegar los mismos archivos, a volver a explicar las mismas decisiones, a redescubrir los mismos obstáculos, 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 funcionalidad (crash, 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 insertar 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, obstáculos 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 marca 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 checkpoint buscable; un orquestador fresco retoma el trabajo de uno muerto desde dos llamadas. Un registro de auditoría criptográfico — cada

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

Resumen

Funciones clave

Precio

Casos de uso

Gestión segura de cambios

Manejo de secretos

Pros y contras

Ventajas

Contras

Reseñas

Preguntas y respuestas

Hacer una pregunta

Alternativas a Habilidades