Question 1

Quels modèles locaux devrais-je exécuter, et comment le matériel affecte-t-il SecureContext ?

Accepted Answer

SecureContext dégrade gracieusement en fonction du niveau matériel — chaque couche alimentée par un LLM échoue fermée (la fonction contribue en silence sans rien apporter) plutôt que de casser l'ingestion ou la recherche. Ce qui change avec le matériel est la quantité de la pile d'intelligence active : | Niveau | Matériel | Modèles s'y adaptant | Ce que vous obtenez | |---|---|---|---| | Minimum | N'importe quel CPU, ~2 Go de RAM libre | nomic-embed-text (embeddings uniquement) | Recherche Hybrid BM25+vecteur, mémoire de travail, chaîne de contrôle d'accès, barrière de compétences — le noyau. Les couches LLM (extraction d'événements, extraction d'entités, arbitrage de contradictions) restent inactives. | | Moyen | GPU de 8 à 16 Go (ou Apple Silicon 16 Go +) | + qwen2.5-coder : 14b ou phi4 : 14b (dans l'un ou l'autre) | + Extraction d'événements de fait à l'ingestion (raisonnement temporel), arbitrage de contradictions LLM, extraction d'entités, résumés de fichiers L0/L1 semantiques. | | Plein | GPU 24 Go + (par exemple RTX 4090/5090) | + phi4 : 14b et gpt -oss : 20b résidents ensemble | Tout, en même temps, à une latence interactive — et un générateur local fort pour les tests de QA/benchmark. C'est la configuration où nos deltas publiés de benchmark ont été mesurés. | La guidance de modélisation (tous mesurés, voir bench/): Embeddings : nomic-embed-text — requis, très petit, fonctionne n'importe où. L'extraction d'événements (ZCEVENTEXTRACTMODEL, défaut phi4 : 14b) : notre bakeoff a classé phi4 : 14b à 100 % de rappel / 100 % d'exactitude en date, égalant gpt -oss : 20b à 2x la vitesse. Sur les GPUs plus petits, qwen2.5-coder : 14b est proche derrière (84.6 % de rappel).

Question 2

Quels sont les besoins pour le lancer ?

Accepted Answer

Node 20+ et (recommandé) Docker pour le bundle PostgreSQL + Ollama. Un installeur en une commande fait tout en cinq minutes. Une version SQLite peut s'exécuter avec zéro d'infrastructure.

Question 3

Est-ce que plusieurs sessions Claude Code peuvent travailler sur le même projet sans conflits ?

Accepted Answer

Oui — plusieurs sessions s'exécutent atomiquement pour acquérir des tâches à partir d'une file d'attente de vol de travail (aucun double-échantillon à 50 agents × 100 tâches en test), coordonnent via des diffusions typées (ASSIGN/STATUS/MERGE/REJECT), et stockent des namespaces de mémoire privés par agent ainsi qu'un pool partagé. Des hiérarchies de type département (chef + ouvriers, N-niveaux d'escalade) sont prises en charge pour les grands équipes d'agents.

Question 4

Sont les compétences Claude Code sécurisées pour les installer ?

Accepted Answer

Les scripts de bundle skills s'exécutent avec vos permissions, et le chargeur natif de Claude Code ne les inspecte pas. SecureContext ajoute la porte manquante : scan du code d'AST à l'admission, vérification HMAC avant chaque exécution, quarantaine automatique en cas d'échec ou de changement post-admission, et un journal chaîné vérifiable de chaque décision d'admission.

Question 5

Le SecureContext envoie mon code ou mes données dans le nuage ?

Accepted Answer

Non. La mémoire, les émbeddings (Ollama nomic-embed-text), la recherche et la mise à jour de la synthèse s'exécutent localement. Cela fonctionne pleinement hors-ligne (la recherche se dégrade amicalement à des mots-clés seuls si Ollama est hors-ligne) et coûte 0 $ lorsque l'on est inactif .

Question 6

Peut-il gérer un projet long et multi-hebdomadaire ?

Accepted Answer

Oui — c'est pour quoi le stratum de livraison est là. Définissez un programme avec des phases (zc_program), et l'état de phase ouverte se transporte avec l'état du projet. La fermeture d'une phase exige une table d'évidences et génère un document de point de contrôle automatiquement. Si l'agent orchestrateur meurt en cours de phase, un nouveau reconstruit l'état complet de la livraison à partir de deux appels — vérifié en direct.

Question 7

Combien SecureContext réduit-il les coûts de tokens de Claude Code ?

Accepted Answer

Mesuré sur un projet de 10 sessions : environ 87% moins de surcoût de contexte (la restauration de session est de 1,5 à 4k tokens au lieu de 20 à 50k de fichiers collés). Sur les projets à long terme avec des centaines de souvenirs accumulés, le budget de rappel garde chaque rappel à environ 4k tokens où un dépot non borné serait de 47k. Les questions de fichiers sont répondues à partir de 15 à 50 fois compressées des résumés sémantiques plutôt que des lectures brutes.

Question 8

Comment donner à Claude Code des mémoires persistantes entre sessions ?

Accepted Answer

Installez SecureContext (une commande — voir Quick start), puis les agents appellent zcremember pour rendre persistants les décisions et les petits trucs oubliés, et zcrecall_context ({focus: "tâche courante"}) au début de la session pour les restaurer — classés par pertinence, avec des requêtes temps-nature langue répondues directement en mémoire. La mémoire survit aux redémarrages, aux compactions et aux redémarrages car elle vit dans PostgreSQL, et non dans la fenêtre de contexte.

Question 9

Comment la différencie de ses concurrents

Accepted Answer

La plupart des projets de code à mémoire Claude font l’un des trois choses : envelopper la conversation dans un fichier JSON. Enregistre et reprend les messages. Pas de compression de sensématiques, ni d’historique d’accès, ni de modèle de sécurité. Synchroniser avec un service cloud. Un meilleur UX mais maintenant l’historique de votre agents (potentiellement y compris des secret qu’il a touchés) vit sur un serveur extérieur. Intégrer une recherche vectorielle. Ajoute un RAG sur vos documents mais ne résout pas le problème réel — coordonner ce que fait l’agent, vérifier ce qui a fonctionné, survivre à la compaction de session. Il n’est nullement l’un des ceux-ci : | | SecureContext | Services de mémoire cloud | plugins RAG vectoriel | Code Claude natif | |---|---|---|---|---| | Persistant entre redémarrage | ✅ Oui, Postgres local | ✅ Mais sur leur serveur | ⚠️ Seulement les documents, pas l’état | ❌ Compaction auto avec perte | | Programmes de livraison + points de contrôle conditionnés | ✅ zcprogram | ❌ | ❌ | ❌ | | Chronique d’accès (HMAC) | ✅ Sous-clé par agent | ❌ | ❌ | ❌ | | Isolation d’identité par agent (HKDF + RLS) | ✅ | ❌ | ❌ | ❌ | | Barrière d’admission pour les compétences (HMAC + AST) | ✅ | ❌ | ❌ | ❌ | | Chaîne évidente de modification + lecture en mode replay | ✅ | ❌ | ❌ | ❌ | | File d’attente de travail avec partage de session pour les session parallèles | ✅ FOR UPDATE SKIP LOCKED | ❌ | ❌ | ❌ | | Fonctionne hors ligne | ✅ Postgres local + Ollama | ❌ | ⚠️ Dépend | ✅ | | Coût en inertie | $0 | Abonnem. du mois | $0 | $0 | En comparaison des produits de mémoire bien connus : Mem0 et Zep sont de merveilleux API de mémoire hôtesés pour les apps LLM vous construissez.  Notons que Letta (MemGPT) est une structure de l’agent avec une mémoire auto-

Question 10

Quoi de neuf (v0.46.1)

Accepted Answer

La deuxième ronde de récupération temporelle + le kit de livraison. Les questions temporelles composées se décomposent en clauses d'événements avec la fusion de rang ; les recherches temporelles produisent un bloc Timeline chronologique et les résultats périmés affichent des avertissements de dépassement d'âge. Zcprogram ajoute des programmes de livraison multi-phases avec une phase de fermeture auto-verrouillée, vérifiée en temps réel par un test de passe de main de l'orchestrator (tuer l'orchestrator au milieu des phases ; un remplacement froid reprend depuis deux appels). La voie de l'embed a maintenant un watchdog avec des ressources auto-guériantes. Les sorties récentes : v0.46.0 — la mémoire de l'équipe (clés utilisateur personnalisées, espaces de travail partagés, attribution d'auteur), lecture en replay avec provenance cryptographique, espans Gen-AI OTel, mémoire CLI headless de CI, embeddings sur morceaux, export de rapport de conformité. v0.44.0 — remplacement de faits temporels, graphes de tâches PG durables, premiers nombres de LongMemEval public. V0.43.0 — rappel de digest avec budget de tokens (fixe le firehose de rappel de 47k-tokens sur les projets matures). v0.41–0.42** — programme qualité pour la mémoire : rappel focalisé, consolidation, fenêtres bi-temporels, récupération graphique multi-sauts, souvenirs TTL, ingestion multimodale. Détails complets dans CHANGELOG.md ; remarques d'architecture dans ARCHITECTURE.md.

Question 11

SecureContext est un système qui assure la protection et la confidentialité de vos données lors de l'utilisation de l'outil designer-cognitive-instincts (Grade A).

Accepted Answer

Si vous utilisez Claude Code sur de vrais projets, vous en venez à ces murs: 1. Chaque session démarre à froid. Vous re-copiez les mêmes fichiers, vous expliquez les mêmes décisions à nouveau, vous redécouvrez les mêmes pièges — et vous payez des jetons pour le même travail d'orientation à nouveau et à nouveau. 2. Les grands projets n'ont pas d'état de livraison. Lorsqu'un agent d'orchestration meurt en cours de fonction (coupure, window fermé, contexte épuisé), son remplaçant débute aveugle. Les gens compensent en inscrivant des fichiers CHECKPOINT manuellement. 3. Il n'y a pas d'enregistrement de ce que les agents ont effectivement fait. Lorsque quelque chose se passe mal, Claude Code n'a pas d'histoire tamper-évidente de ce qui a couru. 4. Les fichiers de compétences exécutent des scripts avec les autorisations de votre compte, sans scanner. N'importe qui (ou n'importe quel agent) avec l'accès en écriture à ~/.claude/skills/ peut planter des codes qui seront exécutés lors de la prochaine invocation. 5. Les sessions parallèles s'inclinent les unes sur les autres. Deux fenêtres revendiquent la même tâche ; l'une surcrit les éditions de l'autre. SecureContext est un plugin MCP qui referme tous les cinq. L'installez une fois et vos agents obtiendront : Une mémoire qui survive aux redémarrages — décisions, pièges et état de projet restaurés en un appel ; des résumés sémantiques par fichier qui répondent ‘qu'est-ce que ce fichier fait’ à un facteur de compression de 15 à 50 fois au lieu de lectures brutes ; une recherche temporelle qui sait quand les choses sont survenues et met en avant des connaissances datées. Une couche de livraison pour les projets longs courant - zcprogram suit les programmes multi-phases ; il termine une phase en exigeant de l'évidence d'acceptation et génère automatiquement un point de contrôle cherchable; un nouvel agent orchestrateur reprend le travail d'un agent mort d'une seule deux fois.

designer-cognitive-instincts (Grade A)Compétence en données AI testée pour Claude AI de niveau A. COGNITIVE INSTINCTS — extraite à partir de deepPrompt pour le rôle de designer

Aperçu

Fonctionnalités clés

Tarifs

Cas d’usage

Révision de conception

Formation en conception

Pour & contre

Pour

Contre

Avis

Questions & réponses

Poser une question

Alternatives à Compétences