Question 1

Quali modelli locali dovrei eseguire, e come l'hardware influisce su SecureContext?

Accepted Answer

SecureContext si degrada in modo graduale a seconda del livello hardware — ogni strato basato su LLM fallisce chiuso (la funzionalità non contribuisce in modo evidente) anziché interrompere l'ingestione o la ricerca. Ciò che cambia con l'hardware è la quantità di stack di intelligenza attiva:

| Livello | Hardware | Modelli compatibili | Cosa ottieni |
|---|---|---|---|
| Minimum | Qualsiasi CPU, ~2 GB RAM libero | nomic-embed-text (solo embeddings) | Ricerca ibrida BM25+vector, memoria di lavoro, catena di audit, gating delle skills — il core. Gli strati LLM (estrazione eventi, estrazione entità, adjudicazione contraddizioni) rimangono dormienti |
| Mid | 8–16 GB GPU (o Apple Silicon 16 GB+) | + qwen2.5-coder:14b o phi4:14b (uno alla volta) | + Estrazione evento-fatto all'ingest (ragionamento temporale), adjudicazione contraddizioni LLM, estrazione entità, sommari semantici di file L0/L1 |
| Full | 24 GB+ GPU (es. RTX 4090/5090) | + phi4:14b e gpt-oss:20b residenti insieme | Tutto, contemporaneamente, a latenza interattiva — più un forte generatore locale per QA/benchmark. Questa è la configurazione su cui sono stati misurati i nostri delta di benchmark pubblicati. |

Guida alla scelta dei modelli (tutti misurati, vedi bench/): Embeddings: nomic-embed-text — obbligatorio, piccolo, funziona ovunque. Estrazione eventi (ZCEVENTEXTRACTMODEL, default phi4:14b): il nostro bakeoff ha punteggiato phi4:14b al 100% di recall evento / 100% precisione data, in pareggio con gpt-oss:20b a 2× la velocità. Su GPU più piccole qwen2.5-coder:14b è quasi al pari (84,6% recall). I modelli coder ≠ migliori: qwen2.5-coder:32b ha ottenuto il peggior risultato (69,2%) non

Question 2

Cosa mi serve per eseguirlo?

Accepted Answer

Node 20+ e (consigliato) Docker per lo stack PostgreSQL + Ollama inclusi. L’installer a un solo comando fa tutto in circa cinque minuti. Una fallback SQLite funziona senza infrastruttura.

Question 3

Possono più sessioni Claude Code lavorare sullo stesso progetto senza conflitti?

Accepted Answer

Sì — le sessioni parallele reclamano atomicamente i compiti da una coda work‑stealing (zero doppie rivendicazioni su 50 agenti × 100 compiti nei test), si coordinano tramite trasmissioni tipizzate (ASSIGN/STATUS/MERGE/REJECT) e mantengono namespace di memoria privati per ogni agente più un pool condiviso. Le gerarchie di stile dipartimentale (capo + operai, escalation N‑tier) sono supportate per squadre di agenti più grandi.

Question 4

Le competenze di Claude Code sono sicure da installare?

Accepted Answer

Le competenze di filesystem includono script che girano con le tue autorizzazioni, e il loader nativo di Claude Code non li scansiona. SecureContext aggiunge la porta mancante: scansione AST all’ammissione, verifica HMAC prima di ogni esecuzione, quarantena automatica in caso di fallimento o modifica post‑ammissione, e un registro a catena verificabile di ogni decisione di ammissione.

Question 5

SecureContext invia il mio codice o i miei dati al cloud?

Accepted Answer

No. Memoria, embeddings (Ollama nomic-embed-text), ricerca, sintesi e la catena di audit vengono eseguite localmente. Funziona completamente offline (la ricerca degrada in modo graduale a ricerca solo per parole chiave se Ollama è inattivo) e costa $0 quando inattivo.

Question 6

Gestisce un progetto lungo, multi-settimana?

Accepted Answer

Sì — è proprio questo lo scopo dello strato di consegna. Definisci un programma con fasi (zc_program) e l'elenco di controllo di accettazione della fase aperta viaggia con lo stato del progetto. Chiudere una fase richiede una tabella di evidenza e genera automaticamente un documento di checkpoint. Se l’agente orchestratore muore a metà fase, un nuovo agente ricostruisce lo stato completo della consegna da due chiamate — verificato in tempo reale.

Question 7

Quanto riduce SecureContext i costi di token di Claude Code?

Accepted Answer

Misurato su un progetto di 10 sessioni: circa il 87% di riduzione dell'overhead di contesto (il ripristino della sessione richiede circa 1,5–4k token invece di 20–50k di file rielaborati). Su progetti a lungo termine con centinaia di memorie accumulate, il budget di richiamo mantiene ogni richiamo a circa 4k token, mentre un dump illimitato sarebbe di circa 47k. Le domande sui file vengono risposte da sommari semantici compresso 15–50× anziché da letture grezze.

Question 8

Come posso dare a Claude Code una memoria persistente tra le sessioni?

Accepted Answer

Installa SecureContext (un unico comando — vedi Quick start), poi gli agenti chiamano zcremember per salvare decisioni e problematiche e zcrecall_context({focus: "current task"}) all'inizio di ogni sessione per ripristinarle — ordinate per rilevanza, con query temporali in linguaggio naturale risposte direttamente dalla memoria. La memoria sopravvive a riavvii, compressioni e reboot perché risiede in PostgreSQL, non nella finestra di contesto.

Question 9

Come differisce dai concorrenti

Accepted Answer

La maggior parte dei progetti "memory for Claude Code" segue uno dei tre approcci: avvolge la conversazione in JSON, salva i messaggi e li riproduce. Non c'è compressione semantica, tracciato di audit, né modello di sicurezza. Si sincronizza con un servizio cloud. Offre una migliore UX ma l'archivio degli strumenti del tuo agente (che potenzialmente include segreti gestiti) risiede su un server di terzi. Si integra con ricerca vettoriale. Aggiunge RAG sui tuoi documenti ma non risolve il problema reale: orchestrare ciò che l'agente fa, verificare ciò che è stato eseguito, sopravvivere alla compressione della sessione. SecureContext non fa nessuna di queste cose: | | SecureContext | Cloud memory services | Vector RAG plugins | Native Claude Code | |---|---|---|---|---| | Persistente attraverso riavvi | ✅ Sì, Postgres locale | ✅ Ma sul loro server | ⚠️ Solo documenti, non stato | ❌ Compressa in modo perdurativo | | Programmi di consegna + checkpoint con prova | ✅ zcprogram | ❌ | ❌ | ❌ | | Tracciato di audit HMAC | ✅ Subkey per agente | ❌ | ❌ | ❌ | | Isolamento identità per agente | ✅ HKDF + RLS | ❌ | ❌ | ❌ | | Porta di ammissione skill (HMAC + AST) | ✅ | ❌ | ❌ | ❌ | | Catena tamper-evident + replay di sessione | ✅ | ❌ | ❌ | ❌ | | Coda di lavoro per sessioni parallele | ✅ FOR UPDATE SKIP LOCKED | ❌ | ❌ | ❌ | | Esecuzione offline | ✅ Postgres locale + Ollama | ❌ | ⚠️ Dipende | ✅ | | Costo quando inattivo | $0 | Abbonamento mensile | $0 | $0 | In confronto ai prodotti di memoria ben noti: Mem0 e Zep sono eccellenti API di memoria host per applicazioni LLM che costruisci; Letta (MemGPT) è un framework di agenti con memoria auto-modificabile. SecureContext mira a un compito diverso — me

Question 10

NVIDIA GPU? aggiungi: -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 avvolgi questo con rilevamento automatico del GPU e modalità prod (reverse proxy nginx).

Question 11

Cosa c'è di nuovo (v0.46.1)

Accepted Answer

Retrieval temporale round 2 + il kit di delivery-tool. Le domande temporali composte si decompongono in clausole di evento con fusione di ranghi; le ricerche temporali generano un blocco Timeline cronologico e i risultati obsoleti riportano avvisi di età. zcprogram aggiunge programmi di consegna a più fasi con fase di chiusura gated da prove, auto-checkpointing, verificato dal vivo con un test di handoff orchestrator (ucca l’orchestrator a metà fase; una sostituzione fredda riprende da due chiamate). La lane di embedding ora dispone di un watchdog con auto-riparazione a budget. Rilascio recenti: v0.46.0 — memoria di squadra (chiavi per utente, spazi di lavoro condivisi, attribuzione di scrittura), replay della sessione con provenienza criptografica, span OTel Gen‑AI, CLI CI/headless memory, embeddings a blocchi, esportazione del report di conformità. v0.44.0 — supersessione dei fatti temporali, grafico di compiti PG durevole, primi numeri pubblici di LongMemEval. v0.43.0 — digest di recall a budget di token (corregge il flusso di recall a 47k token nei progetti maturi). v0.41–0.42** — programma di qualità della memoria: recall focalizzato, consolidamento, finestre bi-temporali, recupero grafico multi‑hop, memorie TTL, ingestione multimodale. Dettagli completi in CHANGELOG.md; note architetturali in ARCHITECTURE.md

Question 12

Cos'è SecureContext?

Accepted Answer

Se utilizzi Claude Code su progetti reali, ti troverai di fronte a queste barriere: 1. Ogni sessione parte da zero. Devi ri-incollare gli stessi file, ritradurre le stesse decisioni, riscoprire le stesse insidie — e pagare i token per lo stesso lavoro di orientamento più e più volte. 2. I progetti lunghi non hanno stato di consegna. Quando un agente di orchestrazione muore a metà di una funzionalità (crash, finestra

designer-common-anti-patterns (Grade A)Skill di AI di dati sicuro per Claude AI. Qualità A. MODERNI SCENARI NEGATIVI COMUNI — estrapolati da roles.json deepPrompt per designer

Panoramica

Funzionalità chiave

Prezzi

Casi d’uso

Progettazione di Modi Accessibili

Miglioramento della gestione degli errori

Pro & contro

Pro

Contro

Recensioni

Domande e risposte

Fai una domanda

Alternative a Competenze