Question 1

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

Accepted Answer

SecureContext degradeert soepel per hardware‑tier — elke LLM‑gedreven laag faalt gesloten (de functie levert stille niets) in plaats van ingest of search te breken. Wat verandert met de hardware is hoeveel van de intelligentie‑stack actief is:
| Tier | 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‑chain, skills gating — de kern. LLM‑lagen (event‑extractie, entity‑extractie, contradiction adjudication) blijven inactief. |
| Mid | 8–16 GB GPU (of Apple Silicon 16 GB+) | + qwen2.5-coder:14b of phi4:14b (één tegelijk) | + Event‑fact extractie bij ingest (tijdzinnige redenering), LLM contradiction adjudication, entity‑extractie, L0/L1 semantische bestandsresumes. |
| Full | 24 GB+ GPU (bijv. RTX 4090/5090) | + phi4:14b en gpt-oss:20b samen resident | Alles, gelijktijdig, bij interactieve latency — plus een sterke lokale generator voor QA/benchmarks. Dit is de configuratie waarop onze gepubliceerde benchmark‑delta’s zijn gemeten.
Model‑keuze‑aanwijzingen (alles gemeten, zie bench/): Embeddings: nomic-embed-text — vereist, klein, draait overal. Event‑extractie (ZCEVENTEXTRACTMODEL, standaard phi4:14b): onze bakeoff scoorde phi4:14b met 100 % event‑recall / 100 % datum‑accuratesse, gelijk aan gpt-oss:20b op 2× de snelheid. Op kleinere GPUs is qwen2.5-coder:14b dicht achter (84,6 % recall). Coder‑modellen ≠ beter: qwen2.5-coder:32b scoorde slecht (69,2 %) ondanks de grotere omvang.

Question 2

Wat heb ik nodig om het te draaien?

Accepted Answer

Node 20+ en (aanbevolen) Docker voor de bundelde PostgreSQL + Ollama stack. De one-command installer doet alles in ongeveer vijf minuten. Een SQLite fallback werkt zonder infrastructuur.

Question 3

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

Accepted Answer

Ja — parallelle sessies claimen atomisch taken uit een work-stealing queue (geen dubbele claims bij 50 agents × 100 taken in testen), coördineren via typed broadcasts (ASSIGN/STATUS/MERGE/REJECT), en bewaren privé per-agent geheugen namespaces plus een gedeelde pool. Hiërarchieën in style van departement (heads + workers, N-tier escalatie) worden ondersteund voor grotere agent teams.

Question 4

Zijn Claude Code vaardigheden veilig om te installeren?

Accepted Answer

Filesystem skills bundelen scripts die met uw permissies draaien, en de native loader van Claude Code scant ze niet. SecureContext voegt de ontbrekende poort toe: AST-scan bij toelating, HMAC-verificatie vóór elke uitvoering, automatische quarantaine bij falen of na wijziging na toelating, en een verifieerbaar chain-log van elke toelatingsbeslissing.

Question 5

Geeft SecureContext mijn code of gegevens naar de cloud?

Accepted Answer

Nee. Geheugen, embeddings (Ollama nomic-embed-text), zoeken, samenvatting en de audit-keten draaien allemaal lokaal. Het werkt volledig offline (zoeken degradeert soepel tot alleen keyword als Ollama down is) en kost $0 in idle.

Question 6

Kan het een lang, meerdere weken lopend project beheren?

Accepted Answer

Ja — dat is het doel van de leveringslaag. Definieer een programma met fasen (zc_program), en de acceptatiechecklist van de open fase reist mee met de projectstatus. Het afsluiten van een fase vereist een bewijs­tabel en genereert automatisch een checkpoint‑document. Als de orkestrerende agent midden in een fase verdwijnt, bouwt een nieuwe agent de volledige leveringsstatus op basis van twee oproepen — live verifieerd.

Question 7

Hoeveel verlaagt SecureContext de tokenkosten van Claude Code?

Accepted Answer

Gemeten over een 10-sessie project: ~87% minder context-overhead (sessieherstel is ~1,5–4k tokens in plaats van 20–50k hergepaste bestanden). Bij langlopende projecten met honderden geaccumuleerde herinneringen houdt het recall-budget elke recall op ~4k tokens, terwijl een onbeperkte dump ~47k zou kosten. Bestelvragen worden beantwoord vanuit 15–50× gecomprimeerde semantische samenvattingen in plaats van ruwe lees.

Question 8

Hoe geef ik Claude Code persistent geheugen over sessies?

Accepted Answer

Installeer SecureContext (met één commando — zie Quick start), daarna roepen agents zcremember aan om beslissingen en valkuilen te persistenteren en zcrecall_context({focus: "current task"}) aan het begin van een sessie om ze te herstellen — gerangschikt op relevantie, met natuurlijke taal tijdsvragen die direct uit het geheugen beantwoord worden. Geheugen overleeft herstarts, compacties en reboot omdat het in PostgreSQL staat, niet in het contextvenster.

Question 9

Hoe verschilt het van concurrenten

Accepted Answer

De meeste "geheugen voor Claude Code" projecten doen een van drie dingen: de conversatie in JSON inpakken. Opslaan van de berichten, terugafspelen. Geen semantische compressie, geen audit trail, geen beveiligingsmodel. Synchroniseren met een cloudservice. Beter UX, maar nu leeft de toolgeschiedenis van je agent (mogelijk inclusief geheimen waar hij mee te maken heeft) op de server van iemand anders. Drop in vectorsearch. Voegt RAG toe aan je documenten, maar helpt niet met het echte probleem — het orkestreren van wat de agent doet, verifiëren wat er uitgevoerd werd, overleven van sessiecompacting. SecureContext is niets van dat alles: | | SecureContext | Cloud memory services | Vector RAG plugins | Native Claude Code | |---|---|---|---|---| | Persistent across restarts | ✅ Ja, lokale Postgres | ✅ Maar op hun server | ⚠️ Alleen documenten, geen staat | ❌ Verliesachtig auto-compacter | | 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 | ✅ Lokale Postgres + Ollama | ❌ | ⚠️ Afhankelijk | ✅ | | Kosten bij idle | $0 | Maandelijkse abonnement | $0 | $0 | In vergelijking met de bekende geheugenproducten: Mem0 en Zep zijn uitstekende hosted memory APIs voor LLM-apps die je bouwt; Letta (MemGPT) is een agentframework met zelfredigerend geheugen. SecureContext richt zich op een andere taak — mij.

Question 10

Wat is er nieuw (v0.46.1)

Accepted Answer

Temporal retrieval round 2 + de 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

Wat is SecureContext?

Accepted Answer

Wanneer je Claude Code gebruikt op echte projecten, kom je met de volgende obstakels te kampen:
1. Elke sessie begint volledig nieuw. Je plakt dezelfde bestanden opnieuw, legt dezelfde beslissingen uit, ontdekt opnieuw dezelfde valkuilen — en betaalt tokens voor dezelfde orientatiewerk telkens opnieuw.
2. Lange projecten hebben geen leveringsstatus. Wanneer een orkerende agent midden in een feature sterft (crash, gesloten venster, uitgeputte context), begint zijn vervanger volledig blind. Mensen compenseren door handgeschreven CHECKPOINT‑bestanden.
3. Er is geen registratie van wat agents daadwerkelijk hebben gedaan. Wanneer iets misgaat, heeft Claude Code geen tamper‑evidence‑historie van wat er is uitgevoerd.
4. Skill‑scripts draaien met jouw permissies, niet gescand. Iemand (of een agent) met schrijf‑toegang tot ~/.claude/skills/ kan code plaatsen die bij de volgende oproep wordt uitgevoerd.
5. Parallelle sessies stappen op elkaar. Twee vensters claimen dezelfde taak; de ene overschrijft de bewerkingen van de andere.
SecureContext is een MCP‑plugin die al deze problemen oplost. Installeer het één keer en je agents krijgen:
• Geheugen dat over herstarts heen blijft — beslissingen, valkuilen en projectstatus worden in één oproep hersteld;
• Per‑bestand semantische samenvattingen die beantwoorden "wat doet dit bestand?" met een compressie van 15–50× in plaats van ruwe lees‑toegang;
• Tijdige zoekfunctionaliteit die weet wanneer dingen gebeurd zijn en verouderde kennis markeert;
• Een leveringslaag voor langlopende projecten — zcprogram volgt multi‑fase programma’s; het sluiten van een fase vereist acceptatie‑bewijsmateriaal en genereert automatisch een doorzoekbaar checkpoint; een frisse orchestrator hervat het werk van een dood agent vanaf twee oproepen;
• Een cryptografische audit‑trail — elke

designer-cognitive-instincts (Grade A)Beveiligde data‑AI vaardigheid voor Claude AI. Grade A. COGNITIVE INSTINCTS — geëxtraheerd uit de deepPrompt van de designer‑rol in roles.json

Overzicht

Belangrijkste functies

Prijs

Toepassingen

Ontwerpreview

Ontweronderwijs

Pluspunten & minpunten

Pluspunten

Minpunten

Recensies

Vragen

Stel een vraag

Alternatieven voor Vaardigheden