Question 1

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 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 draait met geen infrastructuur.

Question 3

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

Accepted Answer

Ja — parallelle sessies claimen taken atomisch vanuit een work‑stealing queue (geen dubbele claims bij 50 agents × 100 taken in testen), coördineren via getypte broadcasts (ASSIGN/STATUS/MERGE/REJECT), en behouden privé per‑agent geheugen‑namespaces plus een gedeelde pool. Department‑stijl hiërarchieën (heads + workers, N‑tier escalatie) worden ondersteund voor grotere agentteams.

Question 4

Zijn Claude Code‑vaardigheden veilig om te installeren?

Accepted Answer

Filesystem‑vaardigheden bundelen scripts die met jouw 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 een wijziging na toelating, en een verifieerbaar gelanceerd log van elke toelatingsbeslissing.

Question 5

Verzendt SecureContext mijn code of data naar de cloud?

Accepted Answer

Nee. Geheugen, embeddings (Ollama nomic-embed-text), zoeken, samenvatting en de auditketen draaien allemaal lokaal. Het werkt volledig offline (zoeken degradeert soepel naar keyword-only als Ollama uitvalt) en kost $0 in de idle-modus.

Question 6

Kan het een langdurig, multi-week project beheren?

Accepted Answer

Ja — dat is precies waarvoor de deliverylaag is bedoeld. Definieer een programma met fasen (zc_program), en de acceptatiechecklijst van de open fase reist mee met de projectstatus. Het sluiten van een fase vereist een bewijsetabel en genereert automatisch een checkpointdocument. Als de orchestratoragent halverwege een fase vergaat, bouwt een nieuwe agent de volledige deliverystatus opnieuw op vanuit twee oproepen — live gevalideerd.

Question 7

Hoeveel besparen de token‑kosten van Claude Code met SecureContext?

Accepted Answer

Gemeten over een project van 10 sessies: ~87% minder context‑overhead (sessie‑herstel is ~1,5–4k tokens in plaats van 20–50k van opnieuw geplakte bestanden). Bij langdurige projecten met honderden verzamelde herinneringen blijft het herinneringsbudget elke recall rond de 4k tokens, terwijl een onbeperkte dump ~47k tokens zou kosten. Bestel‑vragen worden beantwoord vanaf 15–50× gecomprimeerde semantische samenvattingen in plaats van ruwe leesacties.

Question 8

Hoe geef ik Claude Code persistent geheugen over sessies heen?

Accepted Answer

Installeer SecureContext (één commando — zie Quick start), dan roepen agents zcremember aan om beslissingen en gotchas te bewaren en zcrecall_context({focus: "current task"}) bij sessie‑start om ze terug te halen — gerangschikt op relevantie, met natuurlijke taal‑tijdvragen direct uit het geheugen beantwoord. Het geheugen overleeft herstarts, compacties en rebooten omdat het in PostgreSQL leeft, 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: Ze verpakken het gesprek in JSON, slaan de berichten op en herhalen ze. Er is geen semantische compressie, geen audit trail en geen beveiligingsmodel. Ze synchroniseren naar een cloudservice. Dat levert een betere UX op, maar nu woont de toolgeschiedenis van je agent (potentieel inclusief de geheimen die hij heeft geraakt) op de server van een ander. Ze gebruiken vector search. Dat voegt RAG toe over je documenten, maar helpt niet met het daadwerkelijke probleem — het orkestreren van wat de agent doet, het verifiëren wat er heeft uitgevoerd, het overleven van sessiecompacteren. SecureContext valt daar niet onder: | | SecureContext | Cloud‑geheugendiensten | Vector RAG‑plugins | Native Claude Code | |---|---|---|---| | Persistent na herstarts | ✅ Ja, lokaal Postgres | ✅ Maar op hun server | ⚠️ Alleen documenten, geen staat | ❌ Verliesvolle auto‑compact | | Leveringsprogramma’s + bewijskrachtige checkpoints | ✅ zcprogram | ❌ | ❌ | ❌ | | HMAC audit trail | ✅ Per‑agent subkey | ❌ | ❌ | ❌ | | Isolatie van identiteit per agent | ✅ HKDF + RLS | ❌ | ❌ | ❌ | | Skill toelatingspoort (HMAC + AST) | ✅ | ❌ | ❌ | ❌ | | Tamper‑evident keten + sessieherhaling | ✅ | ❌ | ❌ | ❌ | | Werken‑stelen rij voor parallelle sessies | ✅ FOR UPDATE SKIP LOCKED | ❌ | ❌ | ❌ | | Werkt offline | ✅ Lokale Postgres + Ollama | ❌ | ⚠️ Afhankelijk | ✅ | | Kosten bij idle | $0 | Maandelijkse abonnement | $0 | $0 | Vergeleken met de bekende geheugenproducten: Mem0 en Zep zijn uitstekende hosted memory‑API’s voor LLM‑applicaties die je bouwt; Letta (MemGPT) is een agent‑framework met zelfredigerend geheugen. SecureContext richt zich op een andere taak — het mijn.

Question 10

NVIDIA GPU? add: -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 wrap this with GPU auto-detection and a prod` mode (nginx reverse proxy).

Question 11

What's new (v0.46.1)

Accepted Answer

Temporale retrieve ronde 2 + de delivery-tool kit. Gecompliceerde temporale vragen decomponeren zich in gebeurtenisclausules met rank fusion; temporale zoekopdrachten tonen een chronologische Timeline block en verouderde resultaten dragen leeftijdwaarschuwingen. zcprogram voegt multi-phase delivery programs toe met evidence-gated, auto-checkpointing fase-afsluiting — live-verified met een orchestrator handoff test (vernietig de orchestrator in het midden van de fase; een koude vervanging hervat vanaf twee oproepen). De embed lane heeft nu een watchdog met budgeted self-healing. Recente releases: v0.46.0 — team memory (per-user keys, shared workspaces, write attribution), session replay met cryptografische provenance, OTel Gen-AI spans, CI/headless memory CLI, chunked embeddings, compliance report export. v0.44.0 — temporale 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. Volledige details in CHANGELOG.md; architectuurnotities in ARCHITECTURE.md.

Question 12

What is SecureContext?

Accepted Answer

Als je Claude Code gebruikt voor echte projecten, kom je met de volgende obstakels te maken: 1. Elke sessie begint vanaf nul. Je moet dezelfde bestanden opnieuw plakken, dezelfde beslissingen opnieuw uitleggen, dezelfde valkuilen opnieuw ontdekken — en tokens betalen voor dezelfde orientatiewerk steeds herhaaldelijk. 2. Lange projecten hebben geen afleveringsstatus. Wanneer een coördinerend agent halverwege een functie crasht (afsluiten, geforceerde sluiting, context uitgeput), start zijn vervanging blind. Mensen compenseren dit 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 geschiedenis van wat er heeft uitgevoerd. 4. Skill-scripts draaien met jouw rechten, ongefilterd. Iedereen (of elke agent) met schrijftoegang tot ~/.claude/skills/ kan code plaatsen die bij de volgende oproep draait. 5. Parallelle sessies boten elkaar aan. 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 jouw agents krijgen: een geheugen dat over herstarts heen blijft — beslissingen, valkuilen en projectstatus worden in één oproep hersteld; semantische samenvattingen op per‑bestandsniveau die antwoorden op "wat doet dit bestand" met een compressie van 15–50× in plaats van ruwe lezen; een temporele zoekfunctie die weet wanneer dingen gebeurden en verouderde kennis markeert. Een afleverlaag voor langdurige projecten — zcprogram volgt multi‑phase-programma’s; het sluiten van een fase vereist bewijs van acceptatie en genereert automatisch een doorzoekbare checkpoint; een nieuwe coördinerend agent hervat het werk van een dode agent vanaf twee oproepen. Een cryptografische audit trail — elke

designer-common-anti-patterns (Grade A)Security-tested data-ai skill voor Claude AI. Grade A. COMMON ANTI-PATTERNS — geëxtraheerd uit de deepPrompt van de designer in roles.json

Overzicht

Belangrijkste functies

Prijs

Toepassingen

Ontwerpen van toegankelijke formulieren

Verbeteren van foutafhandeling

Pluspunten & minpunten

Pluspunten

Minpunten

Recensies

Vragen

Stel een vraag

Alternatieven voor Vaardigheden