Question 1

რომელი ლოკალური მოდელები უნდა გავუშვო და როგორ აისახება მყისიერ კონტექსტის მორგება?

Accepted Answer

SecureContext  მცირად იყვებს მყისიერ კონტექსტის ხარისხს აპარატურული კლასის მიხედვით — თითოეული LLM‑დამუშავადი ფენები დახურავს (პარამეტრი ნిశબ્દად არ გააუთებს) ingest‑სა თუ ძებნას გაჩერდება.

აპარატურზე დამოკიდებულია, რამდენი ინტელექტუალური სტეკის ნაწილი აქტიურია: 
| Tier | Hardware | მოდელები | რისი მიღებას | 
|---|---|---|---| 
| Minimum | ნებისმიერ CPU‑სა, ~2 GB RAM‑‑ზე | nomic‑embed‑text (მხოლოდ embeddings) | ჰაიბრიდი BM25+vector ძებნა, სამუშაო მეხსიერება, აუდიტ‑ჯაჭვი, უნარ‑შეფასება — ძირითადი.  
LLM‑ფენები (მოვლენის, ერთეულის, კონტრედიკის გადამოწმება) უძველდება. | 
| Mid | 8–16 GB GPU (ან Apple Silicon 16 GB+) | + qwen2.5‑coder:14b ან phi4:14b (ერთზე) | + მოვლენის‑ფაქტ‑ექსტრაქცია ingest‑‑ზე (დროებითი აზროვნება), LLM‑კონტრედიკის გადამოწმება, ერთეულის ექსტრაქცია, L0/L1 სემანტიკური ფაილის შეჯამებები. | 
| Full | 24 GB+ GPU (მაგ. RTX 4090/5090) | + phi4:14b და gpt-oss:20b ერთად | ყველაფერი, ერთდროულად, ინტერფეის‑ლატენციით — აგრეთვე ძლიერი ლოკალური გენერატორი QA/benchmark‑ებისთვის. ეს კონფიგურაცია იყო, სადაც ჩვენი გამოქვეყნებული benchmark‑delta‑ები გაზომილ იქნა. |

მოდელის არჩევის გიდირება (ყველა გაზომილია, იხ. bench/):  
Embeddings: nomic‑embed‑text – აუცილებელია, პატარა, მუშაობს ნებისმიერ ადგილას.  
მოვლენის ექსტრაქცია (ZCEVENTEXTRACT

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

Can multiple Claude Code sessions work on the same project without conflicts?

Accepted Answer

Yes — parallel sessions atomically claim tasks from a work‑stealing queue (zero double‑claims at 50 agents × 100 tasks in testing), coordinate through typed broadcasts (ASSIGN/STATUS/MERGE/REJECT), and keep private per‑agent memory namespaces plus a shared pool. Department‑style hierarchies (heads + workers, N‑tier escalation) are supported for larger agent teams.

Question 4

არის Claude Code უნარები უსაფრთხო ინსტალაციისთვის?

Accepted Answer

Filesystem უნარები შეიცავს სკრიპტებს, რომლებიც თქვენს უფლებებით იმართება, და Claude Code-ის native loader მათ არ סורק. SecureContext დაამატებს მ_missing gate-ს: AST סריקה შესვლისას, HMAC verfication თითოეულ გაშვებაზე, ავტომატური კვარანტინა כשაფشل ან post-admission ცვლილება, და verifiable chained log თითოეულ admission გადაწყვეტილებაზე.

Question 5

გაიგზავნით ли SecureContext ჩემი კოდს ან მონაცემებს კლაუდში?

Accepted Answer

არა. მეხსიერება, embeddings (Ollama nomic-embed-text), ძებნა, შეჯამება და აუდიტის ჯაჭვი ყველა ლოკალურად მუშაობს. იგი სრულად მუშაობს offline (ძებნა გრადუალურიად გადადევნებს keyword‑only რეჟიმში, თუ Ollama მუშაობს არა) და არის ღირებულების 0$ როცა უგრიგია.

Question 6

შეიძლება ის მართოს გრძელი, მრავალკვირიანი პროექტს?

Accepted Answer

Yes — that's what the delivery layer is for. Define a program with phases (zc_program), and the open phase's acceptance checklist travels with the project state. Closing a phase requires an evidence table and generates a checkpoint document automatically. If the orchestrating agent dies mid-phase, a fresh one reconstructs the full delivery state from two calls — verified live.

Question 7

რამდენად შემცირებს SecureContext Claude Code‑თან დაკავშირებული ტოკენების ხარჯები?

Accepted Answer

10‑სესიების პროექტის მიხედვით: დაახლოებით 87 % ნაკლები კონტექსტის ზედმეტი ხარჯი (სესიის აღდგენა დაახლოებით 1.5–4k ტოკენია, ნაცვლად 20–50k ხელახლა დაკოპირებული ფაილების). გრძელვადიანი პროექტებში, სადაც ათობით მეხსიერება არის, რეკოლების ბიუჯეტი თითოეულ რეკოლზე დაახლოებით 4k ტოკენია, ვიდრე შეუზღუდავი dump 47k‑ს. ფაილების კითხვები პასუხი 15–50× შეკუმშული სემანტიკური მიმოხილვებისგან, ვიდრე შიდა წაკითხვა.

Question 8

როგორ მივცეთ Claude Code‑ს მუდმივი მეხსიერება სესიის გარეთ?

Accepted Answer

დააყენეთ SecureContext (ერთ ბრძანებით – იხილეთ Quick start), შემდეგ აგენტები იყენებენ zcremember‑ს გადაწყვეტილებების და gotchas‑ის შენახვისთვის და zcrecall_context({focus: "current task"}) –ს სესიის დასაწყისში მათი აღდგენისთვის. ეს არის შესაბამისობის მიხედვით დალაგებული, ბუნებრივი ენის დროის შეკითხვების პირდაპირ პასუხები მეხსიერებიდან. მეხსიერება ცვლის, შეკუმშვის და ხელახლა გაშვების დროსაც იმცნობა PostgreSQL‑ში, არა კონტექსტურ ფანჯარაში.

Question 9

როგორ განსხვავდება კონკურენტებისგან

Accepted Answer

უმეტეს „Claude Code"–ის მეხსიერების პროექტს სამივე მოქმედებიდან ერთი აკეთებს: საუბარს JSON‑ში გად.wrap‑ვება, შეტყობინებებს ინახავს და ხელახალი დაკვრის ფუნქციას. ეს არ შეიცავს სემანტურ შეკუმშვას, აუდიტ ტრაექტორია და უსაფრთხოების მოდელს. ღრუბლში დასინქრონება უკეთესი UX‑ს იძლევა, მაგრამ თქვენი აგენტის ინსტრუმენტების ისტორია (შეიძლება, საიდუმლოებები, რომლებზეც მუშაობდა) სხვა სერვერზე მდებარეობს. ვექტორული ძიება RAG‑ს თქვენს დოკუმენტებზე აგება, მაგრამ არ ეხმარება რეალურ პრობლემაში—აგენტის ქმედებების კონტროლი, გაშვების შემოწმება, სეანსის შეკუმშვის გადაცილება. SecureContext არ არის ეს: | | 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 | ✅ | ❌ | ❌ | ❌ | | Work‑stealing queue for parallel sessions | ✅ FOR UPDATE SKIP LOCKED | ❌ | ❌ | ❌ | | Runs offline | ✅ Local Postgres + Ollama | ❌ | ⚠️ Depends | ✅ | | Cost when idle | $0 | Monthly subscription | $0 | $0 | Versus the well‑known memory products: Mem0 and Zep are excellent hosted memory APIs for LLM apps you build; Letta (MemGPT) is an agent framework with self‑editing memory. SecureContext targets a different job — me.

Question 10

What's new (v0.46.1)

Accepted Answer

Temporal retrieval round 2 + the delivery-tool kit. Compound temporal questions decompose into event clauses with rank fusion; temporal searches render a chronological Timeline block and stale results carry age warnings. zcprogram adds multi-phase delivery programs with evidence-gated, auto-checkpointing phase closure — live-verified with an orchestrator handoff test (kill the orchestrator mid-phase; a cold replacement resumes from two calls). The embed lane now has a watchdog with budgeted self-healing. Recent releases: v0.46.0 — team memory (per-user keys, shared workspaces, write attribution), session replay with cryptographic provenance, OTel Gen-AI spans, CI/headless memory CLI, chunked embeddings, compliance report export. v0.44.0 — temporal fact supersession, durable PG task graph, first public LongMemEval numbers. v0.43.0 — token-budgeted recall digest (fixes the 47k-token recall firehose on mature projects). v0.41–0.42** — memory-quality program: focused recall, consolidation, bi-temporal windows, multi-hop graph retrieval, TTL memories, multimodal ingestion. Full details in CHANGELOG.md; architecture notes in ARCHITECTURE.md.

Question 11

რა არის SecureContext?

Accepted Answer

თუ იყენებთ Claude Code-ს რეალურ პროექტებზე, შეხვდებით შემდეგ გამოწვევებს:
1. თითოეული სესიას საწყისი მდგომარეობა გააჩნია. თქვენ ხელახლა დააკოპირებთ იმავე ფაილებს, ხელახლა განმარტავთ იგივე გადაწყვეტილებებს და ხელახლა აღმოაჩენთ იგივე “gotchas”-ს — და გადახდეთ token-ები იმავე ორიენტაციის სამუშაოსთვის მრავალჯერ.
2. დიდ პროექტებში მიწოდების მდგომარეობა არ არსებობს. როცა ოპერაციის დამამართი (agent) გარდაიცვალა ფუნქციის მიტანის შუამდგომლობის პროცესში (crash, დახურული ფანჯარა, კონტექსტის გაჩერდება), მისი ჩანაცვლება იწყება ცივი მდგომარეობიდან. ხალხი ამებს ხელით დაწერილი CHECKPOINT ფაილებით.
3. არ არსებობს ჩანაწერი, რაც agents-ները რეალურად გააკეთეს. როცა რამე არასწორად ხდება, Claude Code-ს არ გააჩნია tamper‑evident ისტორია, რა გაეშვა.
4. უნარ‑სკრიპტები (skill scripts) გაშვებულია თქვენი უფლებებით, სკანირების გარეშე. ნებისმიერ (ან ნებისმიერ agent‑ს) ~/.claude/skills/‑ში წერის უფლებებით, შეუძლია მოთავსებდეს კოდს, რომელიც გაეშვება შემდეგი გამოძახებაზე.
5. პარალელური სესია ერთმანეთს ზიანს მიანიჭებს. ორი ფანჯარა მოიხსნის იგივე დავალებას; ერთმა გადაფერს მეორეს რედაქტირებებს.
SecureContext არის MCP plugin, რომელიც ამხნებს ყველა ამ პრობლემას. ერთხელ დააყენეთ, და თქვენს agents‑ებს ექნებათ:
- მეხსიერება, რომელიც გადატვირთვის შემდეგაც ცვლის, გადაწყვეტილებები, gotchas‑ები და პროექტის მდგომარეობა ერთი გამოძახებაში აღდგენილი.
- თითო‑ფაილის სემანტიკური შეჯამება, რომელიც პასუხობს „რა აკეთებს ეს ფაილი“, 15–50× შეკუმშვით, ვიდრე პირდაპირი წაკითხვის გარეშე.
- დროის ძიება, რომელიც იცის, როდის მოხდა რამე და მონიშვნით მოძველებული ცოდნას.
- მიწოდების დონე, რომელიც გრძელვადიანი პროექტებისთვის: zcprogram აკონტროლებს მრავალფაზიანი პროგრამებს; ფ

developer-debugging-methodology (Grade A)უსაფრთხოების-ტესტირებული data-ai უნარი Claude AI-სთვის. კლასი A. DEBUGGING METHODOLOGY — extracted from roles.json deepPrompt for developer

მიმოხილვა

ძირითადი ფუნქციები

ფასები

გამოყენების შემთხვევები

კომპლექსური კოდის შეცდომის დიბაგირება

შეცდომების ძირითადი მიზეზების იდენტიფიცირება

დადებითი და უარყოფითი

დადებითი

უარყოფითი

შეფასებები

კითხვები

დასვი კითხვა

კარიერის უნარები-ის ალტერნატივები

Manage Headers (Grade A)

Using Git Worktrees (Grade A)

Ga4 Bigquery Schema (Grade A)

Meta Capi (Grade A)

Callees (Grade A)

Test Module Name (Grade A)

Board Of Directors (Grade A)

Advpl Mvc Avancado (Grade A)