Question 1

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

Accepted Answer

SecureContext degrade gradualmente a seconda del livello di hardware — ogni livello basato su LLM fallisce chiusa (la funzione non contribuisce nulla) piuttosto che interrompere l'ingestione o la ricerca. Ciò che cambia con l'hardware è quanto della pila di intelligenza è attiva:

| Tier | Hardware | Modelli compatibili | Cosa ottieni |
|---|---|---|---|
| Minimum | Qualsiasi CPU, ~2 GB RAM liberi | nomic-embed-text (solo embeddings) | Ricerca ibrida BM25+vector, memoria di lavoro, catena di audit, gating delle skills — il core. I livelli 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 durante l'ingestione (ragionamento temporale), adjudicazione contraddizioni LLM, estrazione entità, riepiloghi semantici file L0/L1. |
| Full | 24 GB+ GPU (es. RTX 4090/5090) | + phi4:14b e gpt-oss:20b in residenza contemporanea | Tutto, in parallelo, con latenza interattiva — più un generatore locale solido per QA/benchmark. Questa è la configurazione su cui sono stati misurati i delta di benchmark pubblicati. Guida alla scelta del modello (tutti misurati, vedere bench/): Embeddings: nomic-embed-text — obbligatorio, minuscolo, esegue ovunque. Estrazione evento (ZCEVENTEXTRACTMODEL, default phi4:14b): il nostro confronto ha segnato phi4:14b al 100% di recall evento / 100% di accuratezza data, pari a gpt-oss:20b alla doppia velocità. Su GPU più piccole qwen2.5-coder:14b è quasi in pari (84,6% recall). Modelli di coding ≠ meglio: qwen2.5-coder:32b ha ottenuto la peggior prestazione (69,2%) nonostante sia più grande.

Question 2

What do I need to run it?

Accepted Answer

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

Question 3

Più sessioni di Claude Code possono lavorare sullo stesso progetto senza conflitti?

Accepted Answer

Sì — sessioni parallele rivendicano atomicamente compiti da una coda di furto di lavoro (zero doppie rivendicazioni a 50 agenti × 100 task nei test), coordinano tramite trasmissioni tipizzate (ASSIGN/STATUS/MERGE/REJECT), e mantengono spazi di memoria privati per agente più un pool condiviso. Sono supportati gerarchie a stile dipartimentale (capo + lavoratori, escalation a N livelli) per team di agenti più grandi.

Question 4

Le competenze di Claude Code sono sicure da installare?

Accepted Answer

I bundle di skill del filesystem contengono script che girano con le vostre autorizzazioni, e il loader nativo di Claude Code non li scansiona. SecureContext aggiunge la gate mancante: scansione AST all’ammissione, verifica HMAC prima di ogni esecuzione, quarantena automatica in caso di fallimento o modifica post‑ammissione, e un log 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, embedding (Ollama nomic-embed-text), ricerca, riassunto e la catena di audit operano interamente in locale. Funziona completamente offline (la ricerca degrada in modo gradevole al solo uso di parole chiave se Ollama è inattivo) e costa $0 quando è inattivo.

Question 6

Può gestire un progetto lungo e di più settimane?

Accepted Answer

Sì — è proprio questo lo scopo del 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, uno nuovo ricostruisce lo stato di consegna completo da due chiamate — verificato in tempo reale.

Question 7

Quanto riduce i costi di token di Claude Code con SecureContext?

Accepted Answer

Misurato su un progetto di 10 sessioni: ~87% di riduzione del contesto‑overhead (il ripristino della sessione è di ~1,5–4k token invece di 20–50k di file ri‑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 grezze.

Question 8

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

Accepted Answer

Installa SecureContext (un comando – vedi Quick start), poi gli agenti chiamano zcremember per salvare decisioni e colpi di scena, e zcrecall_context({focus: "current task"}) all’avvio della sessione per ripristinarli – ordinati per rilevanza, con query temporali in linguaggio naturale risposte direttamente dalla memoria. La memoria sopravvive riavvii, compressioni e reboot perché risiede in PostgreSQL, non nella finestra di contesto.

Question 9

How it's different from competitors

Accepted Answer

La maggior parte dei progetti "memory for Claude Code" fa una delle tre cose: 
- avvolge la conversazione in JSON. Salva i messaggi, li riproduce. Nessuna compressione semantica, nessun audit trail, nessun modello di sicurezza. 
- sincronizza con un servizio cloud. Meglio UX ma ora la cronologia degli strumenti dell’agente (potenzialmente con i segreti che ha toccato) risiede su un server di qualcun altro. 
- inserisce una ricerca vettoriale. Aggiunge RAG ai tuoi documenti ma non aiuta con il problema reale — orchestrare quello che l’agente fa, verificare ciò che è stato eseguito, sopravvivere alla compressione della sessione. 
SecureContext non è nessuna di queste:

| Feature | SecureContext | Cloud memory services | Vector RAG plugins | Native Claude Code |
|---|---|---|---|---|
| Persistente tra riavvii | ✅ Sì, Postgres locale | ✅ Ma sul loro server | ⚠️ Solo documenti, non stato |
| Programmi di consegna + checkpoints con prova | ✅ zcprogram | ❌ | ❌ | ❌ |
| Audit trail HMAC | ✅ Per-sottochiave agente | ❌ | ❌ | ❌ |
| Isolamento di identità per agente | ✅ HKDF + RLS | ❌ | ❌ | ❌ |
| Porta di ingresso per le skill (HMAC + AST) | ✅ | ❌ | ❌ | ❌ |
| Catena tamper‑evident + replay di sessione | ✅ | ❌ | ❌ | ❌ |
| Coda di lavoro rubata per sessioni parallele | ✅ FOR UPDATE SKIP LOCKED | ❌ | ❌ | ❌ |
| Funziona 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 hosted per le app LLM che costruisci; Letta (MemGPT) è un framework agente con memoria self‑editing. SecureContext mira a un compito diverso — me.

Question 10

What's new (v0.46.1)

Accepted Answer

Retrieval temporale round 2 + il kit dello strumento di consegna. Le domande temporali composte si decompongono in clausole di evento con fusione di ranking; le ricerche temporali mostrano un blocco Timeline cronologico e i risultati obsoleti portano avvisi di età. zcprogram aggiunge programmi di consegna multi-fase con chiusura di fase gateata da evidenza e checkpoint automatici — verificato live con un test di handoff dell'orchestrator (uccidi l'orchestrator a metà fase; un sostituto freddo riprende da due chiamate). La lane di embed ora ha un watchdog con self-healing budgittato. Rilasci recenti: v0.46.0 — memoria del team (chiavi per utente, spazi di lavoro condivisi, attribuzione di scrittura), replay di sessione con provenienza crittografica, OTel Gen-AI spans, CLI memoria CI/headless, embed chunked, esportazione report di conformità. v0.44.0 — supremazia fattuale temporale, grafico di attività PG duraturo, primi numeri pubblici LongMemEval. v0.43.0 — digest di richiamo a budget di token (fix del flood di richiamo a 47k-token su progetti maturi). v0.41–0.42** — programma di qualità memoria: richiamo focalizzato, consolidamento, finestre bi-temporali, recupero grafico multi-hop, memorie TTL, ingest multimodale. Dettagli completi in CHANGELOG.md; note sull'architettura in ARCHITECTURE.md.

Question 11

What is SecureContext?

Accepted Answer

Se utilizzi Claude Code su progetti reali, ti sei imbattuto in questi ostacoli: 1. Ogni sessione parte da zero. Devi incollare di nuovo gli stessi file, spiegare nuovamente le stesse decisioni, riscoprire gli stessi colpi di scena — e pagare i token per lo stesso lavoro di orientamento ripetutamente. 2. I progetti lunghi non hanno stato di consegna. Quando un agente di orchestrazione muore a metà di una funzionalità (crash, finestra chiusa, contesto esaurito), il suo sostituto inizia cieco. La gente compensa scrivendo manualmente file CHECKPOINT. 3. Non c’è registro di ciò che gli agenti hanno effettivamente fatto. Quando qualcosa va storto, Claude Code non dispone di una cronologia a prova di manomissione di ciò che è stato eseguito. 4. Gli script di abilità si eseguono con le tue autorizzazioni, non eseguiti da scansione. 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 sovrappongono. Due finestre affermano lo stesso compito; una sovrascrive le modifiche dell’altra. SecureContext è un plugin MCP che risolve tutti e cinque i problemi. Installa una volta e i tuoi agenti ottengono: Memoria che sopravvive ai riavvii — decisioni, colpi di scena e stato del progetto ripristinati in un solo invocazione; riepiloghi semantici per file che rispondono a "che cosa fa questo file" con una compressione di 15–50× invece di letture grezze; ricerca temporale che sa quando sono accadute le cose e segnala le conoscenze obsolete. Uno strato di consegna per progetti a lungo termine — zcprogram traccia programmi a più fasi; chiudere una fase richiede evidenza di accettazione e genera automaticamente un checkpoint ricercabile; un nuovo orchestratore riprende il lavoro di uno morto da due invocazioni. Una traccia di audit crittografica — ogni

writer-self-editing-checklistCHECKLIST DI AUTO-Revisione — estratto da deepPrompt per writer dei file roles.json

Panoramica

Funzionalità chiave

Prezzi

Casi d’uso

Revisione della documentazione

Controllo qualità del contenuto

Pro & contro

Pro

Contro

Recensioni

Domande e risposte

Fai una domanda

Alternative a Competenze