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

Nodo 20+ y (recomendado) Docker para el paquete PostgreSQL + Ollama. El instalador de un solo comando hace todo en unos cinco minutos. Una fallback de SQLite se ejecuta con cero infraestructura.

Question 3

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

Accepted Answer

Sí — las sesiones paralelas reclaman tareas de una cola de robo de trabajo de forma atómica (cero reclamaciones dobles con 50 agentes × 100 tareas en pruebas), se coordinan a través de transmisiones tipificadas (ASIGNAR/ESTATUS/COMBINAR/RECHAZAR) y mantienen espacios de memoria privados por agente más una piscina compartida. Se admiten jerarquías de estilo de departamento (jefes + trabajadores, escalada de N niveles) para equipos de agentes más grandes.

Question 4

¿Son seguras de instalar las habilidades de Claude Code?

Accepted Answer

Los paquetes de habilidades de sistema de archivos incluyen 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 de HMAC antes de cada ejecución, cuarentena automática en caso de fallo o cambio posterior 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 embebedores (Ollama nomic-embed-text), la búsqueda, la resumenación y la cadena de auditoría funcionan todos localmente. Funciona completamente sin conexión (la búsqueda se degrada grácilmente 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 — para eso está 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 un documento de punto de control automáticamente. 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

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

Accepted Answer

Medido en un proyecto de 10 sesiones: ~87% menos sobrecarga de contexto (la restauración de la sesión es ~1,5-4k tokens en lugar de 20-50k de archivos repegados). En proyectos de larga duración con cientos de recuerdos acumulados, el presupuesto de recuerdo mantiene cada recuerdo en ~4k tokens donde un volcado ilimitado sería ~47k. Las preguntas de archivos se responden a partir de resúmenes semánticos compressivos de 15-50 veces en lugar de lecturas crudas.

Question 8

¿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, 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 ha tocado) vive en el servidor de otra persona. Agrega búsqueda vectorial. Agrega RAG sobre sus documentos, pero no ayuda con el problema real: orquestar lo que hace el agente, verificar qué se ejecutó, sobrevivir a la compactación de sesiones. SecureContext no es ninguno de ellos: | | SecureContext | Servicios de memoria en la nube | Complementos de vector RAG | Código Claude Code nativo | |---|---|---|---|---| | Persistente a través de 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 de evidencia de manipulación + reproducción de sesión | ✅ | ❌ | ❌ | ❌ | | Cola de trabajo para sesiones paralelas | ✅ FOR UPDATE SKIP LOCKED | ❌ | ❌ | ❌ | | Ejecuta sin conexión | ✅ Postgres local + Ollama | ❌ | ⚠️ Depende | ✅ | | Costo cuando está inactivo | $0 | Suscripción mensual | $0 | $0 | En comparación con los productos de memoria bien conocidos: Mem0 y Zep son excelentes APIs de memoria hospedadas para aplicaciones de LLM que construyes; Letta (MemGPT) es un marco de agente con memoria autoeditada. SecureContext se centra en un trabajo diferente — yo

Question 9

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

Accepted Answer

Instala SecureContext (un comando — ver Inicio rápido), luego los agentes llaman a zcremember para persistir decisiones y problemas y zcrecall_context({focus: "tarea actual"}) al iniciar la sesión para restaurarlos — clasificados por relevancia, con consultas de tiempo de lenguaje natural respondidas directamente desde la memoria. La memoria sobrevive a los reinicios, compactaciones y reinicios porque vive en PostgreSQL, no en la ventana de contexto.

Question 10

¿Qué hay de nuevo (v0.46.1)

Accepted Answer

Búsqueda temporal ronda 2 + kit de herramientas de entrega. Preguntas temporales compuestas se descomponen en cláusulas de eventos con fusión de clasificación; las búsquedas temporales renderizan un bloque de línea de tiempo cronológico y los resultados obsoletos llevan advertencias de edad. zcprogram agrega programas de entrega de varias fases con cierre de fase con evidencia, auto-punto de control y verificación en vivo con una prueba de mano de obra de orquestador (matar al orquestador en medio de una fase; un reemplazo en frío reanuda desde dos llamadas). El carril de incrustación ahora tiene un vigilante con autoreparación 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, trazas de Gen-AI de OTel, CLI de memoria sin cabeza, incrustaciones divididas, exportación de informes de cumplimiento. v0.44.0 — supersesión de hechos temporales, gráficos de tareas de PG duraderos, primeros números públicos de LongMemEval. v0.43.0 — resumen de recuerdo con presupuesto de tokens (corrige 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 varios saltos, memorias con vida útil, ingesta multimodal. Detalles completos en CHANGELOG.md; notas de arquitectura en ARCHITECTURE.md.

Question 11

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

Question 12

¿Qué es SecureContext?

Accepted Answer

Si utiliza Claude Code en proyectos reales, se ha encontrado con estos problemas: 1. Cada sesión comienza desde cero. Vuelve a pegar los mismos archivos, a explicar las mismas decisiones, a redescubrir los mismos obstáculos y a pagar 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 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 lo que se ejecutó que sea resistente a la manipulación. 4. Los scripts de habilidades se ejecutan con sus permisos, sin ser escaneados. Cualquiera (o cualquier agente) con acceso de escritura a ~/.claude/skills/ puede plantar código que se ejecutará en la próxima 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 problemas. Instálalo una vez y sus agentes obtendrán: Memoria que sobrevive a los reinicios — decisiones, obstáculos y estado del proyecto restaurados en una sola llamada; resúmenes semánticos por archivo que responden a '¿qué hace este archivo' con una compresión de 15-50 veces en lugar de lecturas raw; búsqueda temporal que conoce cuándo ocurrieron las cosas y marca el conocimiento caducado. 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 buscable; un nuevo orchestrador reanuda el trabajo de uno muerto desde dos llamadas. Una pista de auditoría criptográfica — cada

Staging V0 19 (Grade A)Herramienta de seguridad probada para la inteligencia artificial y los datos. Acreditada con un Grado A. PATRONES ANTI (NUNCA HACEN ESTO) — extraídos de roles.json deepPrompt para analista

Resumen

Funciones clave

Precio

Casos de uso

Capacitación para Analistas

Control de Calidad

Pros y contras

Ventajas

Contras

Reseñas

Preguntas y respuestas

Hacer una pregunta

Alternativas a Habilidades