Question 1

Ko esmu nepieciešams, lai to palaistu?

Accepted Answer

Node 20+ un (ieteiktas) Docker bundlovā PostgreSQL + Ollama komplekts. Vienas komandas instalētājs izpilda visu apmēram piecās minūtēs. SQLite rezerves variants darbojas bez infrastruktūras.

Question 2

Vai vairāki Claude Code sesijas var strādāt pie viena projekta bez konfliktu?

Accepted Answer

Jā – paralēlie sesijas atomiski pieņem uzdevumus no darba-ziecēšanas rindas (bez dubultiem pieprasījumiem 50 agentiem × 100 uzdevumiem testēšanā), koordinējas caur tipētām pārsūtījumu (ASSIGN/STATUS/MERGE/REJECT) un uztur privātus per-agent atmiņas nosaukumu telpas kā arī kopēju tvertnes. Departmenta stila hierarhijas (galvokai + darbiniekiem, N-līmeņa eskalācija) tiek atbalstītas lielākām agentu komandām.

Question 3

Which local models should I run, and how does hardware affect SecureContext?

Accepted Answer

SecureContext degrades gracefully by hardware tier — every LLM-powered layer fails closed (the feature quietly contributes nothing) rather than breaking ingest or search. What changes with hardware is how much of the intelligence stack is active: | 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

Question 4

Vai Claude Code prasmju instalēšana ir droša?

Accepted Answer

Failu sistēmas prasmes ietver skriptus, kas tiek izpildīti ar jūsu atļaujām, un Claude Code vietējais ielādētājs to netīra. SecureContext pievieno trūkstošo slēdzni: AST skenēšana pie pieņemšanas, HMAC pārbaude pirms katras izpildes, automātiska karantīna neveiksmes gadījumā vai pēc pieņemšanas izmaiņām, un verificējama saistīta žurnāla katrai pieņemšanas lēmuma.

Question 5

Vai SecureContext sūta manu kodu vai datus uz mākoni?

Accepted Answer

Nē. Memorie, iegultās attēlošanas (Ollama nomic-embed-text), meklēšana, kopsavilkums un pārbaudes ķēde darbojas vietējā. Tas pilnībā darbojas bez tiešsaistes savienojuma (meklēšana pārveidojas uz vienkāršu atslēgvārdu meklēšanu, ja Ollama ir nesaistīta) un izmaksas ir $0, kad tas ir neaktīvs.

Question 6

Vai tas var pārvaldīt garu, vairāku nedēļu projektu?

Accepted Answer

Jā — tas ir tieši tādai piegādes slānis. Definējiet programmu ar posmiem (zc_program), un atvērtā posma pieņemšanas pārbaudes saraksts ceļo ar projekta stāvokli. Posma slēgšana prasa pierādījumu tabulu un automātiski ģenerē pārbaudes dokumentu. Ja vadītājs trūc vidusposmā, jauns atjauno pilnu piegādes stāvokli no diviem izsaukumiem — verificēts reālā laikā.

Question 7

How much does SecureContext reduce Claude Code token costs?

Accepted Answer

Measured across a 10-session project: ~87% less context-overhead (session restore is ~1.5–4k tokens instead of 20–50k of re-pasted files). On long-lived projects with hundreds of accumulated memories, the recall budget keeps each recall at ~4k tokens where an unbounded dump would be ~47k. File questions are answered from 15–50× compressed semantic summaries instead of raw reads.

Question 8

How do I give Claude Code persistent memory across sessions?

Accepted Answer

Install SecureContext (one command — see Quick start), then agents call zcremember to persist decisions and gotchas and zcrecall_context({focus: "current task"}) at session start to restore them — ranked by relevance, with natural-language time queries answered directly from memory. Memory survives restarts, compactions, and reboots because it lives in PostgreSQL, not in the context window.

Question 9

How it's different from competitors

Accepted Answer

Most "memory for Claude Code" projects do one of three things: Wrap the conversation in JSON. Saves the messages, replays them. No semantic compression, no audit trail, no security model. Sync to a cloud service. Better UX but now your agent's tool history (potentially including secrets it touched) lives on someone else's server. Drop in vector search. Adds RAG over your docs but doesn't help with the actual problem — orchestrating what the agent does, verifying what ran, surviving session compaction. SecureContext is none of those: | | 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

Kas jauns (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

Kas ir SecureContext?

Accepted Answer

Ja izmantojat Claude Code reālos projektos, jūs saskaraties ar šādām problēmām: 1. Katrs sesija sākas no jauna. Jums jāielīmē tie paši faili, jāatkārto tādi paši lēmumi, jāatklāj tie paši “gotchas” — un jāmaksa tokeni par to pašu orientācijas darbu atkal un atkal. 2. Ilgi projekti nav piegādes stāvokļa. Kad koordinējošais aģents mirst vidusfunkcijas laikā (avārija, aizvērts logs, izsmelta konteksts), tā aizvietotājs sāk bez jebkādas informācijas. Cilvēki kompensē ar pašrakstītiem CHECKPOINT failiem. 3. Nav ieraksta par to, ko aģenti patiesi izdarīja. Kad kaut kas noiet greizi, Claude Code nav manipulācijas‑nepārprotama vēstures par to, kas tika izpildīts. 4. Prasmes skripti tiek izpildīti ar jūsu atļaujām, nepārbaudīti. Ikviens (vai jebkurš aģents) ar rakstīšanas piekļuvi ~/.claude/skills/ var ielikts kodu, kas tiks izpildīts nākamajā izsaukumā. 5. Paralēlās sesijas savstarpēji pārklājas. Divi logi pieprasa to pašu uzdevumu; viens pārraksta otra izmaiņas. SecureContext ir MCP spraudnis, kas noslēdz visus piecus trūkumus. Instalējiet to vienreiz, un jūsu aģenti iegūst: Atmiņu, kas iztur pārstartes — lēmumi, “gotchas” un projekta stāvoklis tiek atjaunots vienā izsaukumā; failu semantiskie kopsavilkumi, kas atbild “ko dara šis fails”, saspiestā formā 15–50× pretējo neapstrādāto nolasījumu; laika meklēšana, kas zina, kad notikumi bija un iezīmē novecojušu zinā

analyst-cognitive-instincts (Grade A)Sekuritātes testēta dati-AI spēja par Klaudu AI. B. COGNITIVAS INSTINTI — izņemtas no roles.json dziļās Prompts par analīti.

Pārskats

Galvenās funkcijas

Cenas

Lietošanas gadījumi

Datiānaļīze

Bīznesa inteliģence

Plusi un mīnusi

Plusi

Mīnusi

Atsauksmes

Jautājumi

Uzdod jautājumu

Taktu alternatīvas