Question 1

Wat heb ik nodig om het te draaien?

Accepted Answer

Node 20+ en (aanbevolen) Docker voor de bundelde PostgreSQL + Ollama stack. De één‑commando‑installatie doet alles in ongeveer vijf minuten. Een SQLite‑fallback draait zonder infrastructuur.

Question 2

Welke lokale modellen moet ik draaien, en hoe beïnvloedt hardware SecureContext?

Accepted Answer

SecureContext degradeert soepel per hardwareniveau — elke LLM‑gedreven laag faalt gesloten (de functionaliteit levert stilletjes niets) in plaats van ingest of search te laten breken. Wat verandert met hardware is hoeveel van de intelligentie‑stack actief is:
| Niveau | Hardware | Modellen die passen | Wat je krijgt |
|---|---|---|---|
| Minimum | Elke CPU, ~2 GB RAM vrij | nomic-embed-text (alleen embeddings) | Hybrid BM25+vector search, werkgeheugen, audit‑keten, skills gating — het kernonderdeel. LLM‑lagen (gebeurtenis‑extractie, entiteits‑extractie, tegenstrijdigheids­beslissing) blijven inactief. |
| Middel | 8–16 GB GPU (of Apple Silicon 16 GB+) | + qwen2.5-coder:14b of phi4:14b (één tegelijk) | + Gebeurtenis‑fact‑extractie tijdens ingest (tijdruil), LLM‑tegenstrijdigheids‑beslissing, entiteits‑extractie, L0/L1 semantische bestands­samenvattingen. |
| Volledig | 24 GB+ GPU (bijv. RTX 4090/5090) | + phi4:14b en gpt‑oss:20b tegelijk | Alles, tegelijkertijd, bij interactieve latency — plus een sterke lokale generator voor QA/benchmarks. Dit is de configuratie waarop onze gepubliceerde benchmark‑deltas zijn gemeten. |

Modelleselectie‑advies (alles gemeten, zie bench/): Embeddings: nomic-embed-text — vereist, klein, draait overal. Gebeurtenis‑extractie (ZCEVENTEXTRACTMODEL, standaard phi4:14b): onze bakeoff scoorde phi4:14b met 100 % gebeurtenis‑herinnering / 100 % datum‑nauwkeurigheid, gelijk aan gpt‑oss:20b maar tweemaal sneller. Op kleinere GPUs is qwen2.5-coder:14b dicht achter (84,6 % herinnering). Coder‑modellen ≠ beter: qwen2.5-coder:32b scoorde het slechtste (69,2 %) ondanks dat het groter is.

Question 3

Kunnen meerdere Claude Code‑sessies werken aan hetzelfde project zonder conflicten?

Accepted Answer

Ja — parallelle sessies claimen taken uit een work‑stealing queue atomair (geen dubbele claims bij 50 agents × 100 tasks in testing), coördineren via typede broadcasts (ASSIGN/STATUS/MERGE/REJECT), en behouden privé per‑agent geheugennamespaces plus een gedeelde pool. Department‑style hiërarchieën (heads + workers, N‑tier escalatie) worden ondersteund voor grotere agententeams.

Question 4

Zijn Claude Code vaardigheden veilig om te installeren?

Accepted Answer

Filesystem skills bundel scripts die met jouw permissies draaien, en Claude Code's native loader scant ze niet. SecureContext voegt de ontbrekende poort toe: AST-scan bij toelating, HMAC-verificatie voor elke uitvoering, automatische quarantaine bij fout of post-toelatingswijziging, en een verifieerbaar gekoppeld logboek van elke toelatingsbeslissing.

Question 5

Stuur SecureContext mijn code of data naar de cloud?

Accepted Answer

Nee. Geheugen, embeddings (Ollama nomic-embed-text), zoeken, samenvatten en de audit-keten werken allemaal lokaal. Het werkt volledig offline (zoeken degradeert soepel naar keyword-only als Ollama down is) en kost $0 wanneer idle.

Question 6

Kan het een lang, meerdaags project beheren?

Accepted Answer

Ja — dat is waarvoor de leveringslaag bedoeld is. Definieer een programma met fasen (zc_program), en de acceptatiechecklist van de open fase reist mee met de projectstatus. Het sluiten van een fase vereist een bewijs-tabel en genereert automatisch een checkpoint-document. Als de orchestrator-agent in het midden van een fase doodgaat, bouwt een nieuwe de volledige leveringsstatus opnieuw op vanuit twee aanroepen — live geverifieerd.

Question 7

Hoe geef ik Claude Code doorlopend geheugen over sessies?

Accepted Answer

Installeer SecureContext (één opdracht – zie Quick start), vervolgens roepen agents zcremember aan om beslissingen en gotchas vast te leggen en zcrecall_context({focus: "current task"}) bij het starten van een sessie om ze te herstellen – gerangschikt op relevantie, met antwoorden op natuurlijke taal‑tijdvragen rechtstreeks vanuit het geheugen. Het geheugen overleeft herstarten, compacties en herstarts omdat het in PostgreSQL blijft, niet in het contextvenster.

Question 8

Hoeveel verlagen de tokenkosten van Claude Code door SecureContext?

Accepted Answer

Gemeten over een project van 10 sessies: ~87% minder context‑overhead (sessieherstel is ~1,5–4k tokens in plaats van 20–50k hergepaste bestanden). Bij langlopende projecten met honderden opgekregen herinneringen blijft elk terugroepen ~4k tokens, terwijl een onbeperkte dump ~47k zou zijn. File‑vragen worden beantwoord vanuit 15–50× gecomprimeerde semantische samenvattingen in plaats van ruwe leesoperaties.

Question 9

Hoe verschilt het van concurrenten

Accepted Answer

De meeste "memory for Claude Code" projecten doen een van drie dingen: ze verpakken het gesprek in JSON, slaan de berichten op en herhalen ze. Er is geen semantische compressie, geen audit trail, geen beveiligingsmodel. Ze synchroniseren naar een cloudservice. Dat levert een betere UX, maar dan woont de toolgeschiedenis van je agent (mogelijk inclusief geheimen waar hij mee omging) op een server van een andere partij. Ze voegen een vectorsearch toe. Dit voegt RAG toe op je documenten maar helpt niet met het daadwerkelijke probleem — het orkestreren van wat de agent doet, het verifiëren wat er uitgevoerd werd, het overleven van sessiecompactering. SecureContext is geen van die opties:

| Feature | SecureContext | Cloud memory services | Vector RAG plugins | Native Claude Code |
|---|---|---|---|---|
| Persistency across restarts | ✅ Ja, lokale Postgres | ✅ Ja, maar op hun server | ⚠️ Alleen documenten, geen staat | ❌ Verlies van data bij 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 voor parallelle sessies | ✅ FOR UPDATE SKIP LOCKED | ❌ | ❌ | ❌ |
| Offline werking | ✅ Lokale Postgres + Ollama | ❌ | ⚠️ Afhankelijk | ✅ |
| Kosten bij idle | $0 | Maandelijkse abonnement | $0 | $0 |

Vergeleken met de bekende memoryproducten: Mem0 en Zep zijn uitstekende hosted memory‑APIs voor LLM‑apps die je bouwt; Letta (MemGPT) is een agent framework met self‑editing memory. SecureContext is gericht op een andere taak — mij.

Question 10

Wat is er nieuw (v0.46.1)

Accepted Answer

Temporal retrieval ronde 2 + het delivery-tool kit. Gecompliceerde temporele vragen worden opgesplitst in gebeurtenisclausules met rangfusie; temporele zoekopdrachten tonen een chronologisch Timeline-blok en verouderde resultaten dragen leeftijdwaarschuwingen. Zcprogram voegt multi‑fase leveringsprogramma’s toe met evidence‑gated, auto‑checkpointing fase‑sluiting — live‑geverifieerd met een orchestrator handoff test (sluit de orchestrator midden in de fase; een koude vervanging herneemt vanaf twee oproepen). De embed lane heeft nu een watchdog met budgetteerde zelfherstel. Recente releases: v0.46.0 — teamgeheugen (per‑gebruiker sleutels, gedeelde werkruimtes, schrijf‑attribuut), sessie replay met cryptografische provenance, OTel Gen‑AI spans, CI/headless memory CLI, chunked embeddings, compliance report export. v0.44.0 — temporele fact supersession, duurzame PG taak grafiek, eerste publieke LongMemEval cijfers. v0.43.0 — token-budgeted recall digest (repareert de 47k‑token recall firehose op volwassen projecten). v0.41–0.42** — memory‑quality programma: gefocust recall, consolidatie, bi‑temporal vensters, multi‑hop grafiek retrieval, TTL memories, multimodale inname. Volledige details in CHANGELOG.md; architectuur‑notities in ARCHITECTURE.md.

Question 11

NVIDIA GPU? toevoegen: -f docker/docker-compose.nvidia.yml

Accepted Answer

curl http://localhost:3099/health # → {"status":"ok","version":"0.46.1",...} docker exec securecontext-ollama ollama pull nomic-embed-text docker/start.ps1 / docker/start.sh verwerk dit met GPU-auto detectie en een prod` mode (nginx reverse proxy).

Question 12

Wat is SecureContext?

Accepted Answer

Wanneer je Claude Code gebruikt op echte projecten, loop je tegen deze obstakels aan:
1. Elke sessie begint vanaf nul. Je plakt dezelfde bestanden opnieuw, verklaart dezelfde beslissingen opnieuw, ontdekt dezelfde valkuilen opnieuw – en betaalt tokens voor dezelfde oriëntatiewerk telkens opnieuw.
2. Lange projecten hebben geen afleveringsstatus. Als een orchestrerende agent midden in een feature (crash, geopende window, uitgeputte context) verdwijnt, start de vervanger blind. Mensen compenseren met handgeschreven CHECKPOINT-bestanden.
3. Er is geen registratie van wat agents daadwerkelijk hebben gedaan. Wanneer iets fout gaat, heeft Claude Code geen tamper-evident historie van wat er heeft geknoopt.
4. Skillscripts draaien met jouw permissies, ongecheckt. Iedereen (of elke agent) met schrijfrechten op ~/.claude/skills/ kan code planten die bij de volgende oproep wordt uitgevoerd.
5. Parallelle sessies stapelen op elkaar. Twee vensters claimen dezelfde taak; één overschrijft de bewerkingen van de ander.
SecureContext is een MCP-plugin die al deze problemen oplost. Installeer het één keer en je agents krijgen:
- Geheugen dat na herstarts blijft bestaan — beslissingen, valkuilen en projectstatus worden in één aanroep hersteld;
- Per-bestand semantische samenvattingen die beantwoorden "wat doet dit bestand" met een compressie van 15–50× in plaats van ruwe leesbewerkingen;
- Een temporele zoekfunctie die weet wanneer dingen gebeurden en verouderde kennis markeert;
- Een afleveringslaag voor langdurige projecten — zcprogram volgt multi-phase programma’s; het afsluiten van een fase vereist bewijs van acceptatie en genereert automatisch een doorzoekbare checkpoint; een nieuwe orchestrator hervat het werk van een dood agent vanaf twee oproepen;
- Een cryptografische audit trail — elke

analyst-prime-directives (Grade A)Beveiligingsgeteste data‑AI vaardigheid voor Claude AI. Grade A. PRIME DIRECTIVES — geëxtraheerd uit roles.json deepPrompt voor analist

Overzicht

Belangrijkste functies

Prijs

Toepassingen

Markttrendanalyse

Klantgedragsstudie

Pluspunten & minpunten

Pluspunten

Minpunten

Recensies

Vragen

Stel een vraag

Alternatieven voor Vaardigheden