analyst-prime-directives (Grade A)უსაფრთხოდ გამოცემული data-ai უნარი Claude AI‑სთვის. Grade A. PRIME DIRECTIVES — roles.json‑დან გამოიღებული deepPrompt ანალიტიკოსისთვის

რა უნდა შევინარჩუნო, რომ გამოვიყენებდე?

Node 20+ და (რეკომენდებულია) Docker bundled PostgreSQL + Ollama სტეკისთვის. ერთ-ბრძანება ინსტალერი ყველაფერს აკეთებს დაახლოებით ხუთ წუთში. SQLite fallback მუშაობს ნულოვანი ინფრასტრუქტურით.

Asked by Camille Laurent · Oct 23, 2025

რომელი ლოკალური მოდელები უნდა გავტვირთო, და როგორ იმოქმედებს აპარატურა SecureContext-ზე?

SecureContext ნორმალურად შეეცდება აპარატურის დონეზე — თითოეული LLM‑სწ powered layer დახურული (ფუნქცია ნიუანსულად არაფერს დამატებს) ვიდრე შემოტანის ან ძებნის დაზიანება. რაც აპარატურით შეიცვლება, ისაა, რამდენი ინტელექტუალური სტეკი აქტიურია: | 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.

Asked by Wesley Adekunle · Oct 23, 2025

შეიძლება მრავალი Claude Code სესიას ერთ პროექტზე მუშაობა კონფლიქტების გარეშე?

დიახ — პარალელური სესია ატომიურად იღებს დავალებებს სამუშაო-თოჰის რიგიდან (მოცემული 50 აგენტისთვის 100 დავალებით, ორლ-დუბლიკაციის გარეშე), კოორდინაციას ახდენს ტიპირებული გამგზავრებით (ASSIGN/STATUS/MERGE/REJECT) და ინარჩუნებს პირადი თითოეული აგენტის მეხსიერების სახელთა სივრცეს, აგრეთვე საერთო პულს. დეპარტამენტური სტრუქტურები (თავები + მუშები, N‑ტიერის ზრდადი) მხარდაჭერილია დიდი აგენტების გუნდებისთვის.

Asked by Sofia Lindqvist · Sep 30, 2025

Sდაიგება, თუ Claude Code უნარებს უსაფრთხოდაა ინსტალირება?

Filesystem skills‑ს პაკეტი შეიცავს სკრიპტებს, რომლებიც თქვენს უფლებებით მუშაობს, ხოლო Claude Code‑ის native loader‑ს არ სკანირებს. SecureContext დამატებს ნაკლული კარებს: AST სკანირება მიღებისას, HMAC გადამოწმება თითოეული გაშვებამდე, ავტომატური კვარანტინი შეცდომის ან მიღების შემდგომ ცვლილების შემთხვევაში და გადამოწმებადი ჯაჭვის log ყველა მიღების გადაწყვეტილებისთვის.

Asked by Wei Chen · Sep 21, 2025

გააგზავნით ли SecureContext‑ს ჩემი კოდი ან მონაცემები კლაუდში?

არა. მეხსიერება, embeddings (Ollama nomic-embed-text), ძიება, შეჯამება და აუდიტის ჯაჭვი სრულად ლოკალურად მუშაობს. იგი მუშაობს სრულად ოფლაინის რეჟიმში (ძებნა მელოდება keyword‑მხოლოდ, თუ Ollama down) და როდესაც idle-ია, ღირებულება $0ა.

Asked by Paloma Ruiz · Sep 12, 2025