Question 1

რომელი ადგილობრივი მოდელები უნდა გავუშვო და როგორ გავლენას ახდენს აპარატურა SecureContext-ზე?

Accepted Answer

SecureContext მექანიზმი მორგებულია აპარატურის დონეზე, თითოეული LLM-ით მოქმედი ფენა დახურული მდგომარეობაში ჩაიშლის (პროგრამული ფუნქცია ნუმარედ არ ახდენს წვლილს), ნაცვლად ingest ან ძებნის შეწყვეტის. აპარატურის ცვლილებასთან ერთად აქტიური ინტელექტუალური სტეკის რაოდენობა იცვლება:

| დონის | აპარატურა | შესატყვისი მოდელები | მიღებულები |
|---|---|---|---|
| მინიმალური | ნებისმიერი CPU, ~2 GB RAM | nomic‑embed‑text (მხოლოდ embeddings) | ჰიბრიდული BM25+vector ძებნა, სამუშაო მეხსიერება, audit ჯაჭვი, უნარების ნაგვის შემოწმება — ძირითადი ფუნქციები. LLM ფენები (მოვლენების ამოხსნა, ერთეულის ამოხსნა, კონტრედიქციის განიხილება) ძილი.
| შუა | 8–16 GB GPU (ან Apple Silicon 16 GB+) | + qwen2.5-coder:14b ან phi4:14b (ერთადერთი) | + მოვლენის ფაქტის ამოხსნა ingest‑ის დროს (დროითი მოლაპარაკება), LLM‑ის კონტრედიქციის განიხილება, ერთეულის ამოხსნა, L0/L1 სემანტიკური ფაილის შეჯამება.
| სრული | 24 GB+ GPU (მაგ. RTX 4090/5090) | + phi4:14b და gpt-oss:20b ერთად | ყველაფერი, კონკურენტულად, ინტერაქტიული ლატენსიით – გარდა ამისა, ძლიერი ლოკალური გენერატორი QA/benchmark‑ებისთვის. ეს კონფიგურაცია იყო, რომელსაც ჩვენი გამოცემული benchmark‑ები ზომა.

მოდელის არჩევის გზამკვლევი (ყველა ზომილია, იხილეთ bench/):
- Embeddings: nomic-embed-text – აუცილებელია, პატარა, ყველა მოწყობილობაზე მუშაობს.
- Event extraction (ZCEVENTEXTRACTMODEL, ნაგულისხმები phi4:14b): ჩვენი bakeoff‑ში phi4:14b მიიღო 100 % მოვ

Question 2

What do I need to run it?

Accepted Answer

Node 20+ and (recommended) Docker for the bundled PostgreSQL + Ollama stack. The one-command installer does everything in about five minutes. A SQLite fallback runs with zero infrastructure.

Question 3

შეგიძლიათ მრავალი Claude Code‑ის სესიები იმუშაონ ერთ პროექტზე კონფლიქტების გარეშე?

Accepted Answer

დიახ — პარალელური სესიები ატომიურად იღებენ დავალებებს work‑stealing queue‑დან (zero double‑claims 50 agents × 100 tasks in testing), კოორდინირებენ typed broadcasts‑ით (ASSIGN/STATUS/MERGE/REJECT) და ინახავენ პირად per-agent memory namespaces‑ს და საერთო pool‑ს. Department‑style hierarchies (heads + workers, N-tier escalation) მხარდაჭერილია დიდ agent teams‑ისთვის.

Question 4

არის თუ არა Claude Code‑ის უნარები უსაფრთხოდ დასაყენებლად?

Accepted Answer

Filesystem skills‑ის პაკეტი სკრიპტებს შეიცავს, რომლებიც თქვენს უფლებებით გაეშვება, ხოლო Claude Code‑ის native loader‑ის არ გაანალიზებს მათ. SecureContext დაამატებს აკლს gate‑ს: AST‑ის სკანირება შეყვანისას, HMAC‑ის დამოწმება ყოველ გაშვების წინ, ავტომატური კვარანტინე შეცდომის ან post‑admission ცვლილების შემთხვევაში და verifiable chained log‑ის თითოეული admission decision‑ის.

Question 5

გადავწეროთ, თუ SecureContext‑ს კოდის თუ მონაცემებს ცირკლში იგზავნება?

Accepted Answer

არა. მეხსიერება, embeddings (Ollama nomic-embed-text), ძიება, შეჯამება და audit chain ყველა მუშაობს ლოკალურად. ის სრულად offline‑ში მუშაობს (ძიება ნორმალურად keyword‑მხოლოდ ხდება, თუ Ollama გათიშულია) და idle‑ის დროს 0$ ხარჯებს.

Question 6

მახერხებს ის გრძელ, მრავალი კვირის პროექტის მართვას?

Accepted Answer

დიახ — ეს არის მიწოდების ფენის მიზანი. განსაზღვრეთ პროგრამა ფაზებით (zc_program), და ღია ფაზის მიღების შემოწმების სია თანმიმდევრდება პროექტის მდგომარეობასთან ერთად. ფაზის დახურვისთვის საჭიროია მტკიცებულების ცხრილი და ავტომატურად ქმნის ქონტროლს ქადენტი. თუ არქესტრატორი აგენტი გარდაიცვლება ფაზის შუაგულში, ახალი აგენტი ორი გამოძახებიდან მთლიანი მიწოდების მდგომარეობას აღ reconstruct‑ის — გადამოწმებული ცოცხლად.

Question 7

რამდენად შეამცირებს SecureContext Claude Code‑ის ტოკენის ღირებულება?

Accepted Answer

10‑სესიის პროექტში გაზომილი: დაახლოებით 87% ნაკლები კონტექსტის ზედმეტი (სესიის აღდგენა დაახლოებით 1.5–4k ტოკენია, ნაცვლად 20–50k გადაკოპირებულ ფაილების). გრძელვადიან პროექტებში, სადაც მეხსიერებები ათობით, რეკოლის ბიუჯეტი ყოველ რეკოლას დაახლოებით 4k ტოკენითა შეიქმნება, მაშინ როცა უსასრულო დამტვირთვა 47k‑ს შეეძლება. ფაილური კითხვები პასუხობენ 15–50× შეკუმშული სემანტიკური შეჯამებებიდან, ნაცვლად საწყის კითხვისა.

Question 8

როგორ მივცემ Claude Code-ს მუდმივი მეხსიერება სესიებს შორის?

Accepted Answer

დააყენეთ SecureContext (ერთი ბრძანება — იხილეთ სწრაფი დაწყება), შემდეგ აგენტები იყენებენ zcremember-ს გადაწყვეტილებების და მოულოდნელობების შენახვისთვის და zcrecall_context({focus: "current task"})-ს სესიის დასაწყისში მათი აღდგენისთვის — შესაბამისობის მიხედვით, ბუნებრივ ენა‑დახმარებით დროის შეკითხვებზე პირდაპირ პასუხის მიცემით მეხსიერებიდან. მეხსიერება გადმოიწვევს გადატვირთვას, შეკუმშვას და გადატვირთვას, რადგან იგი PostgreSQL‑შია, არა კონტექსტის ფანჯარაში.

Question 9

როგორ განსხვავდება კონკურენტებზე

Accepted Answer

ყველა „მეხსიერება Claude Code“-სთვის პროექტი სამი ძირითადი ვარიანტი აკეთებს: საუბრის JSON-ში გადატანა, შეტყობინებების შენახვა და მათი გადაკვეთა, ან სინქრონიზაცია ღრუბლოვანი სერვერზე. ეს მიდგომები არ უზრუნველყოფენ სემანტურ კომპრესაციას, აუდიტის ტრეკს, უსაფრთხოების მოდელს.

- JSON‑ში ჩაკეტვა: მხოლოდ მონაცემთა შენახვა და გადაკვეთა, არანაირი კონტექსტის დამუშავება.
- ღრუბლოვანი სინქრონიზაცია: უკეთესი UX, მაგრამ თქვენი აგენტის ისტორია (შეტყობინებებში შესაძლო საიდუმლოები) იმყოფება სხვათა სერვერზე.
- ვექტორული ძიება (RAG): დაამატებს ძებნას თქვენს დოკუმენტებს, მაგრამ არ ააგებს აგენტის მოქმედებების ორგანიზებას, არ გადამოწმებს, რა გაეშვება, ან არ ახერხებს სესიის შეკუმშვას.

SecureContext არ არის რომელიმე ამ ვარიანტებიდან:

| | SecureContext | Cloud memory services | Vector RAG plugins | Native Claude Code |
|---|---|---|---|---|
| Persistent across restarts | ✅ Yes, local Postgres | ✅ But on their server | ⚠️ Only docs, not state | ❌ Lossy auto-compact |
| Delivery programs + evidence-gated checkpoints | ✅ zcprogram | ❌ | ❌ | ❌ |
| HMAC audit trail | ✅ Per-agent subkey | ❌ | ❌ | ❌ |
| Per-agent identity isolation | ✅ HKDF + RLS | ❌ | ❌ | ❌ |
| Skill admission gate (HMAC + AST) | ✅ | ❌ | ❌ | ❌ |
| Tamper-evident chain + session replay | ✅ | ❌ | ❌ | ❌ |
|

Question 10

რა ახალია (v0.46.1)

Accepted Answer

ტემპორალური ძებნის მეორე რაუნდი + მიწოდების ხელსაწყოების ნაკრები. კომპლექსური დროითი კითხვები დაშლა ხდება ღონისძიებების წინადადებებად რანგის გაერთიანებით; დროებითი ძებნები წარმოადგენენ კოლონიკურად Timeline ბლოკს და მოძველებული შედეგები ასრულებს ასაკის გაფრთხილებას. zcprogram დაამატებს მრავალფაზიან მიწოდების პროგრამებს, რომლებშიც არის დამტკიცების-კარგობის, ავტოკონტაქტის ფაზის დახურვა — live-verified orchestrator-ის ხელშეკრულების ტესტით (დააწყვეტეთ orchestrator-ს ფაზის შუაში; ცივი ჩანაცვლება გაგრძელდება ორი გამოხმაურებიდან). Embed lane ახლა შეიცავს watchdog-ს, რომელსაც აქვს ბიუჯეტირებული თვით-განახლება. უახლესი გამოშვებები: v0.46.0 — გუნდის მეხსიერება (ყოველ‑მომხმარებლის გასაღებები, გაზიარებული სამუშაო სივრცეები, ჩაწერის ატრიბუტი), სესიების გადაგენერირება კრიპტოგრაფიულ წარმოშობით, OTel Gen‑AI სპანიები, CI/headless მეხსიერება CLI‑ში, განაყოფიერ embedding‑ები, კომპლაიანსის ანგარიშის ექსპორტი. v0.44.0 — დროებითი ფაქტის ზედმეტი, მდგრად PG ამოცანის გრაფი, პირველი საჯარო LongMemEval რიცხვები. v0.43.0 — ტოკენის ბიუჯეტის მიხედვით რეკოლირების დიგესტი (სწორებს 47k‑ტოკენის რეკოლირების გაზომვას სრულ პროექტებზე). v0.41–0.42** — მეხსიერების ხარისხის პროგრამა: ორიენტირებული რეკოლირება, კონსოლიდაცია, ბი‑ტემპორალური ფანჯრები, მულტიმი‑ჰოპ გრაფის ძებნა, TTL მეხსიერება, მრავალი‑მოდალური შეხება. სრული დეტალები CHANGELOG.md‑ში; არქიტექტურული შენიშვნები ARCHITECTURE.md‑ში.

Question 11

რა არის SecureContext?

Accepted Answer

თუ იყენებთ Claude Code-ს რეალურ პროექტებში, თქვენ შეხვდებით შემდეგ სირთულეებს:
1. ყოველი სესია იწყება ცარიელ მდგომარეობაში. თქვენ ხელახლა ჩასვამთ იმავე ფაილებს, ხელახლა ახსნით იმავე გადაწყვეტილებებს, ხელახლა აღმოაჩენს იმავე ხარვეზებს – და ყოველ ჯერზე გადაიხდის ტოკენები იგივე ორიენტაციის სამუშაოს. 
2. გრძელ პროექტებს არ გააჩნია მიწოდების მდგომარეობა. როცა ორვესტრატორის აგენტი გარდაიცვლის (კრაშ, დახურვა, კონტექსტის დასრულება) მისი ჩანაცვლება იწყებს საყოველთაო. ხალხი კომპენსირებს ხელით დაწერილი CHECKPOINT ფაილებით. 
3. არ არსებობს ჩანაწერი, თუ აგენტები რა გააკეთეს. როცა რამე არასწორად ხდება, Claude Code-ს არ გააჩნია დაუცველ ისტორია, რაც გაშვებული იყო. 
4. უნაკლისი სკრიპტები გაშვებულია თქვენს უფლებებით, სკანირების გარეშე. ნებისმიერი (ან ნებისმიერი აგენტი) რომელსაც აქვს ჩაწერის წვდომა ~/.claude/skills/‑ში, შეუძლია მოთავსდეს კოდი, რომელიც გაშვებული იქნება შემდეგი გამოძახების დროს. 
5. პარალელური სესიები ერთმანეთს ზარავს. ორი ფანჯარა ირჩევენ ერთსა და იმავე ამოცანას; ერთი თავგადასავლებს ჩანაწერებს სხვა ფანჯრის რედაქტირებების. 
SecureContext არის MCP პლაგინი, რომელიც ამოცურავს ყველა ამ პრობლემას. ერთჯერადი ინსტალაციის შემდეგ, თქვენი აგენტები მიიღებენ:
- მეხსიერება, რომელიც გადადის გადატვირთვებისას – გადაწყვეტილებები, ხარვეზები და პროექტის მდგომარეობა აღდგება ერთ მღელვაში; 
- თითო ფაილის სემანტიკური შეჯამება, რომელიც პასუხობს „რა აკეთებს ეს ფაილი“ 15–50× შეკუმშვებით, ნაცვლად ნედლი წაკითხვის; 
- დროითი ძებნა, რომელიც იცის, როდის მოხდა რამე და ნიშნავს მოძველებულ ცოდნას. 
- მიწოდების ფენა გრძელვადიანი პროექტებისთვის – zcprogram აკონტროლებს მრავალი-ფაზიან

designer-cognitive-instincts (Grade A)Security-tested data‑ai skill for Claude AI. Grade A. COGNITIVE INSTINCTS — გამოთებული roles.json deepPrompt‑დან შემმუშავებლისთვის

მიმოხილვა

ძირითადი ფუნქციები

ფასები

გამოყენების შემთხვევები

დიზაინის მიმოხილვა

დიზაინის საგანმანათლებლო

დადებითი და უარყოფითი

დადებითი

უარყოფითი

შეფასებები

კითხვები

დასვი კითხვა

კარიერის უნარები-ის ალტერნატივები