developer-skill-execution-outcome-reporting-v0-18-1 (Grade A)უსაფრთხოების გადამოწმებული data‑ai უნარი Claude AI‑ისთვის. კლასი A. უნარის შესრულება + შედეგის ანგარიშგება (v0.18.1) — roles.json deepPrompt‑დან დეველოპერისთვის

რომელი ლოკალური მოდელები უნდა გავუშვა, და როგორ მოქმედებს აპარატურა SecureContext‑ზე?

SecureContext‑ის წარმადობა იაფდება ფერად აპარატურის დონის მიხედვით — ყოველ LLM‑ით გაძლიერებულ ფენას, feature‑ს ნელ-ნელა უგულებელყოფს (უფასოდ არცერთ რამეს არ გვეცდის) ვიდრე ingest‑ის ან ძიების წყვეტას. რაც აპარატურაში იცვლება, ის არის, რამდენი ინტელექტუალური სტეკი აქტიური: | 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 Urszula Kowalczyk · Jul 20, 2025

რას საჭიროა, რომ ის გაშვდეს?

Node 20+ და (რეკომენდებული) Docker bundled PostgreSQL + Ollama სტეკისთვის. ერთ‑ბრძანებების ინსტალერი ყველაფერი აკეთებს დაახლოებით ხუთ წუთში. SQLite fallback მუშაობს ზერო ინფრასტრუქტურით.

Asked by Rina Desai · Jul 11, 2025

შეიძლება რამდენიმე Claude Code სესია იმავე პროექტზე იმუშაოს კონფლიქტების გარეშე?

დიახ — პარალელური სესიები ატომიურად მოითხოვს დავალებებს სამუშაო-თოფის რიგიდან (შეიძლება 0 ორცი ორიჯერ მოთხოვნა 50 აგენტის × 100 დავალების ტესტირებით), დააკავშირებს ტიპավորված გადაცვლებით (ASSIGN/STATUS/MERGE/REJECT), და ინახავს პირად per-agent მეხსიერების namespace-ებს და საერთო პულს. დეპარტამენტის სტილის ი hierarchies (heads + workers, N-tier escalation) მხარდაჭერილია დიდი აგენტის გუნდებისთვის.

Asked by Gunnar Eriksson · Jul 5, 2025

დამატებითი თუ Claude Code-ის უნარები უსაფრთხოა დასაყენებლად?

Filesystem skills შერჩეული სკრიპტები, რომლებიც მუშაობს თქვენს ნებართვებით, ხოლო Claude Code-ის ნატიური ლოდერი არ სკანირებს მათ. SecureContext დაამატებს საჭირო კარედ: AST სკანირება მიღებისას, HMAC გადამოწმება თითოეული გაშვების წინ, ავტომატური კვარანტინირება შეცდომის ან მიღების შემდგომ ცვლილებისას, და გადამოწმებადი ჯაჭვური ჟურნალის თითოეული მიღების გადაწყვეტილებისთვის.

Asked by Otto Berg · Jun 28, 2025

გადაევაგზავნოს ли SecureContext ჩემი კოდი ან მონაცემები ღრუბლში?

არა. მეხსიერება, embeddings (Ollama nomic-embed-text), ძიება, შეჯამება და აუდიტის ჯაჭვი სრულად ადგილობრივად მუშაობს. ის სრულად მუშაობს офლაინ რეჟიმში (ძებნა ნაზი გზით გადადის მხოლოდ keyword-only, თუ Ollama მუშაობს არ) და როდესაც არააქტიურია, ღირებულება $0.

Asked by Amara Chukwu · Jun 22, 2025