Question 1

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

Accepted Answer

SecureContext si degrada in modo graduale in base al livello di hardware — ogni strato basato su LLM fallisce in chiusura (la funzionalità non contribuisce affatto) anziché interrompere l'ingest o la ricerca. Ciò che cambia con l'hardware è quanta parte dello stack di intelligenza è attiva:

| Livello | Hardware | Modelli compatibili | Cosa ottieni |
|---|---|---|---|
| Minimum | Qualsiasi CPU, ~2 GB RAM liberi | nomic-embed-text (solo embedding) | Ricerca ibrida BM25+vettore, memoria di lavoro, catena di audit, gating delle abilità — il nucleo. Gli strati LLM (estrazione di eventi, estrazione di entità, adjudicazione di contraddizioni) rimangono inattivi. |
| 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 di entità, riepiloghi semantici file L0/L1. |
| Full | 24 GB+ GPU (es. RTX 4090/5090) | + phi4:14b e gpt-oss:20b residenti contemporaneamente | Tutto, in modo concorrente, a latenza interattiva — più un potente generatore locale per QA/benchmark. Questa è la configurazione su cui sono stati misurati i delta di benchmark pubblicati. |

Guida alla scelta del modello (tutti misurati, vedi bench/): Embedding: nomic-embed-text — necessario, piccolo, funziona ovunque. Estrazione eventi (ZCEVENTEXTRACTMODEL, predefinito phi4:14b): il nostro bakeoff ha mostrato phi4:14b al 100% di recall evento / 100% di accuratezza data, abbattendo gpt-oss:20b alla metà della velocità. Su GPU più piccole qwen2.5-coder:14b è quasi dietro (84,6% recall). I modelli coder ≠ migliori: qwen2.5-coder:32b ha registrato la

Question 2

Cosa serve per eseguirlo?

Accepted Answer

Node 20+ e (consigliato) Docker per lo stack PostgreSQL + Ollama integrato. L’installer a comando unico esegue tutto in circa cinque minuti. Una fallback SQLite funziona senza alcuna infrastruttura.

Question 3

È possibile che più sessioni di Claude Code lavorino sullo stesso progetto senza conflitti?

Accepted Answer

Sì — le sessioni parallele reclamano in modo atomico i compiti da una coda di lavoro a furto (zero doppie richieste con 50 agenti × 100 compiti nei test), si coordinano tramite trasmissioni tipizzate (ASSIGN/STATUS/MERGE/REJECT), e mantengono spazi di memoria privati per agente più un pool condiviso. Le gerarchie di tipo dipartimentale (capo + lavoratori, 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 raggruppano script che vengono eseguiti con le tue autorizzazioni, e il loader nativo di Claude Code non le esamina. SecureContext aggiunge la porta mancante: scansione AST all’ammissione, verifica HMAC prima di ogni esecuzione, quarantena automatica in caso di fallimento o cambiamento post‑ammissione, e un registro concatenato 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 funzionano tutti localmente. Funziona completamente offline (la ricerca degrada con grazia a solo parole chiave se Ollama è inattivo) e costa $0 quando inattivo.

Question 6

Può gestire un progetto lungo, multi-settimana?

Accepted Answer

Sì — è proprio per questo che serve il livello di consegna. Definisci un programma con fasi (zc_program) e la checklist 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

How much does SecureContext reduce Claude Code token costs?

Accepted Answer

Misurato su un progetto di 10 sessioni: ~87% meno overhead di contesto (il ripristino della sessione è di ~1,5–4k token invece di 20–50k di file re-incollati). Su progetti a lungo termine con centinaia di memorie accumulate, il budget di richiamo mantiene ogni richiamo a ~4k token dove un dump illimitato sarebbe ~47k. Le domande sui file vengono risposte da riepiloghi semantici compressi 15–50× invece che da letture raw.

Question 8

How do I give Claude Code persistent memory across sessions?

Accepted Answer

Installa SecureContext (un comando — vedi Quick start), poi gli agenti chiamano zcremember per persistere decisioni e catture, e zcrecall_context({focus: "current task"}) all’avvio della 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 su PostgreSQL, non nella finestra di contesto.

Question 9

Come differisce rispetto ai concorrenti

Accepted Answer

La maggior parte dei progetti "memory for Claude Code" fa una delle tre cose: incapsula la conversazione in JSON. Salva i messaggi, li riproduce. Nessuna compressione semantica, nessun audit trail, nessun modello di sicurezza. Si sincronizza con un servizio cloud. Migliora l'esperienza utente ma ora la cronologia degli strumenti del tuo agente (potenzialmente incluse le chiavi segrete a cui è stato dato accesso) risiede sul server di qualcun altro. Utilizza una ricerca vettoriale. Aggiunge RAG sui tuoi documenti ma non risolve il problema reale — orchestrare cosa fa l'agente, verificare cosa è stato eseguito, sopravvivere alla compressione della sessione. SecureContext non è nessuno di questi:

| | SecureContext | Cloud memory services | Vector RAG plugins | Native Claude Code |
|---|---|---|---|---|
| Persistenza tra riavvii | Sì, Postgres locale | Ma sul loro server | Solo documenti, non stato | Compressione automatica con perdita |
| Programmi di consegna + checkpoint garantiti dall'evidenza | zcprogram | | | |
| Audit trail HMAC | Sottochiave per agente | | | |
| Isolamento identità per agente | HKDF + RLS | | | |
| Porta di ingresso per competenze (HMAC + AST) | | | | |
| Catena a prova di manomissione + replay di sessione | | | | |
| Coda di lavoro per sessioni parallele | FOR UPDATE SKIP LOCKED | | | |
| Funzionamento offline | Postgres locale + Ollama | | | |
| Dipende | | | | |
| Costo quando inattivo | $0 | Abbonamento mensile | $0 | $0 |

Rispetto ai prodotti di memoria noti: Mem0 e Zep sono eccellenti API di memoria host per le app LLM che costruisci; Letta (MemGPT) è un framework di agenti con memoria auto-modificante. SecureContext punta a un lavoro diverso — io.

Question 10

What’s new (v0.46.1)

Accepted Answer

Retrieval temporale round 2 + il kit delivery-tool. Le domande temporali composte si decompongono in clausole eventi con fusione di rango; le ricerche temporali visualizzano un blocco Timeline cronologico e i risultati obsoleti mostrano avvisi d’età. zcprogram aggiunge programmi di consegna multi-phase con fase di chiusura gated by evidence e checkpointing automatico — verificato live con un test di handoff orchestrator (uccidi l’orchestrator a metà fase; una sostituzione fredda riprende da due chiamate). Il lane di embedding ora ha un watchdog con auto-riparazione a budget. Recenti releases: v0.46.0 — memoria di team (chiavi per utente, workspace condivisi, attribuzione di scrittura), replay di sessione con provenienza crittografica, OTel Gen-AI spans, CLI CI/headless memory, embeddings chunked, esportazione report di conformità. v0.44.0 — supersessione di fatti temporali, grafico di task PG durevole, primi numeri pubblici di LongMemEval. v0.43.0 — digest di recall con budget di token (corregge il flusso di recall a 47k-token su progetti maturi). v0.41–0.42** — programma di qualità memoria: recall mirato, consolidamento, finestre bi-temporali, retrieval di grafico multi-hop, memorie TTL, ingestion multimodale. Dettagli completi in CHANGELOG.md; note di architettura in ARCHITECTURE.md.

Question 11

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 incollare nuovamente gli stessi file, spiegare le stesse decisioni, scoprire gli stessi colpi di scena — e pagare token per lo stesso lavoro di orientamento più volte.
2. I progetti lunghi non hanno uno stato di consegna. Quando un agente orchestratore muore a metà di una funzionalità (crash, finestra chiusa, esaurimento del contesto), il suo sostituto parte da zero. Le persone compensano con file CHECKPOINT scritti a mano.
3. Non esiste un registro di ciò che gli agenti hanno effettivamente fatto. Quando qualcosa va storto, Claude Code non dispone di una cronologia tamper‑evident di ciò che è stato eseguito.
4. Gli script di skill vengono eseguiti con le tue autorizzazioni, non scansionati. Chiunque (o qualsiasi agente) con accesso in scrittura a ~/.claude/skills/ può piantare codice che verrà eseguito alla prossima invocazione.
5. Le sessioni parallele si sovrascrivono a vicenda. Due finestre affermano lo stesso compito; una sovrascrive le modifiche dell’altra.
SecureContext è un plugin MCP che chiude tutte e cinque le problematiche. Installa una volta e i tuoi agenti otterranno:
• Memoria che sopravvive ai riavvii — decisioni, colpi di scena e stato del progetto ripristinati in un solo chiamata;
• Sommari semantici per file che rispondono a "cosa fa questo file" con una compressione 15–50× rispetto a letture grezze;
• Ricerca temporale che sa quando le cose sono accadute e segnalare conoscenze obsolette;
• Uno strato di consegna per progetti a lungo termine — zcprogram traccia programmi multi‑fase; chiudere una fase richiede prove di accettazione e genera automaticamente un checkpoint ricercabile;
• Un orizzontale orchestratore fresco riprende il lavoro di un agente morto da due chiamate;
• Un registro di audit crittografico — ogni

developer-prime-directives (Grade A)Skill di AI dati testata per la sicurezza di Claude AI. Clasifica A. PRIME DIRECTIVI — estratti dai ruoli.json e per i messaggi profondi per il sviluppatore

Panoramica

Funzionalità chiave

Prezzi

Casi d’uso

Onboarding degli sviluppatori

Revisione del codice

Pro & contro

Pro

Contro

Recensioni

Domande e risposte

Fai una domanda

Alternative a Competenze