Question 1

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

Accepted Answer

SecureContext degradeert geleidelijk met de hardware‑tier — elke LLM‑gedreven laag sluit zich netjes af (de functie levert stiekem niets) in plaats van ingest of search te laten breken. Wat verandert met 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) | Hybride BM25+vectorsearch, werkgeheugen, audit‑keten, skills gating — de kern. LLM‑lagen (evenement‑extractie, entiteit‑extractie, contradictie‑oordeel) blijven inactief. |
| Mid | 8–16 GB GPU (of Apple Silicon 16 GB+) | + qwen2.5-coder:14b of phi4:14b (één tegelijk) | + Evenement‑factextractie tijdens ingest (tijdredenering), LLM‑contradictie‑oordeel, entiteit‑extractie, L0/L1 semantische bestands‑samenvattingen. |
| Full | 24 GB+ GPU (bijv. RTX 4090/5090) | + phi4:14b en gpt-oss:20b residentie samen | Alles, tegelijkertijd, met interactieve latency — plus een krachtige lokale generator voor QA/benchmarks. Dit is de configuratie waarop onze gepubliceerde benchmarkdeltas zijn gemeten. |
Model‑keuze‑begeleiding (alle gemeten, zie bench/): Embeddings: nomic-embed-text — vereist, klein, draait overal. Evenementextractie (ZCEVENTEXTRACTMODEL, standaard phi4:14b): onze bakeoff scoorde phi4:14b met 100% evenementherinnering / 100% datumaccuratesse, gelijk aan gpt-oss:20b met 2× de snelheid. Op kleinere GPU’s is qwen2.5-coder:14b dicht achter (84,6% recall). Coder‑modellen ≠ beter: qwen2.5-coder:32b scoorde het slechtste (69,2%) ondanks het grote formaat.

Question 2

Wat heb ik nodig om het te draaien?

Accepted Answer

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

Question 3

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

Accepted Answer

Ja — parallelle sessies claimen taken atomair uit een werk-stelen wachtrij (geen dubbele claims bij 50 agents × 100 taken in tests), coördineren via typede broadcasts (ASSIGN/STATUS/MERGE/REJECT), en bewaren privé per-agent geheugenruimtes plus een gedeelde pool. Hiërarchieën in de stijl van een afdeling (hoofd + werknemers, N-tier escalatie) worden ondersteund voor grotere agententeams.

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 voor elke uitvoering, automatische quaranine bij falen of post-toelatingswijziging, en een verifieerbare gelinkte log van elke toelatingsbeslissing.

Question 5

Bezorgt SecureContext mijn code of gegevens 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 degradert soepel tot alleen sleutelwoorden als Ollama down is) en kost $0 wanneer het inactief is.

Question 6

Kan het een lang, multi‑week project beheren?

Accepted Answer

Ja — dat is het doel van de delivery‑laag. Definieer een programma met fasen (zc_program), en de acceptatie‑checklist van de open fase reist mee met de projectstatus. Het sluiten van een fase vereist een bewijstabel en genereert automatisch een checkpoint‑document. Als de orchestrator agent midden in een fase sterft, reconstructeert een nieuwe agent de volledige delivery‑status vanuit twee oproepen — live geverifieerd.

Question 7

Hoeveel verminderen SecureContext Claude Code token‑kosten?

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 hergepaste bestanden). Bij langdurige projecten met honderden verzamelmemoires houdt het recall‑budget elke recall rond de ~4k tokens, terwijl een onbeperkte dump ~47k zou zijn. Vraagstukken over bestanden worden beantwoord vanaf 15–50× gecomprimeerde semantische samenvattingen in plaats van ruwe leesoperaties.

Question 8

Hoe geef ik Claude Code persistent geheugen over sessies?

Accepted Answer

Installeer SecureContext (één commando — zie Quick start), dan roepen agents zcremember aan om beslissingen en gotchas op te slaan en zcrecall_context({focus: "current task"}) bij sessie‑start om ze terug te zetten — gerangschikt op relevantie, met natuurlijke taal‑tijdvragen die direct uit het geheugen worden beantwoord. Geheugen blijft na herstarts, compactages en reboots bestaan omdat het in PostgreSQL staat, niet in het contextvenster.

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

What's new (v0.46.1)

Accepted Answer

Temporal retrieval round 2 + de delivery-tool kit. Compound temporal vragen worden ontleed in gebeurtenisklussen met rangfusie; temporele zoekopdrachten renderen een chronologische Timeline-block en verouderde resultaten dragen leeftijdwaarschuwingen. zcprogram voegt multi-fase leveringsprogramma’s toe met bewijsgedegen, auto-checkpointing fase-closure — live-geverifieerd met een orchestrator handoff test (streep de orchestrator halverwege de fase uit; een koude vervanging herneemt vanaf twee oproepen). De embed lane heeft nu een watchdog met budgetteerde self-healing. Recente releases: v0.46.0 — teamgeheugen (per‑gebruikers sleutels, gedeelde werkruimtes, schrijf attributions), sessie replay met cryptografische provenance, OTel Gen‑AI spans, CI/headless geheugen CLI, chunked embeddings, compliance report export. v0.44.0 — temporele feit 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** — geheugenkwaliteit programma: gefocuste recall, consolidatie, bi‑temporal vensters, multi‑hop grafiek retrieval, TTL memoires, multimodale ingest. Volledige details in CHANGELOG.md; architectuurnotities in ARCHITECTURE.md.

Question 11

Wat is SecureContext?

Accepted Answer

Wanneer je Claude Code in echte projecten gebruikt, kom je met de volgende obstakels te maken:
1. Elke sessie begint vanaf nul. Je plakt dezelfde bestanden opnieuw, legt dezelfde beslissingen opnieuw uit, ontdekt dezelfde valkuilen opnieuw — en betaalt tokens voor dezelfde oriëntatiewerk steeds weer.
2. Lange projecten hebben geen leveringsstatus. Als een coördinerende agent halverwege een functie (crash, gesloten venster, uitgeputte context) uitvalt, begint zijn vervanger blind.
3. Er is geen registratie van wat agents daadwerkelijk deden. Wanneer er iets misgaat, heeft Claude Code geen tamper-evident geschiedenis van wat er is uitgevoerd.
4. Scripten van vaardigheden draaien met jouw permissies, onbeveiligd. Iemand (of een agent) met schrijfrechten op ~/.claude/skills/ kan code plaatsen die bij de volgende aanroep wordt uitgevoerd.
5. Parallelle sessies botsen met elkaar. Twee vensters claimen dezelfde taak; de ene overschrijft de wijzigingen van de andere.
SecureContext is een MCP-plugin die al deze problemen oplost. Installeer het eenmaal en jouw agents krijgen:
• Geheugen dat surviveert bij herstarts — beslissingen, valkuilen en projectstatus worden in één oproep hersteld;
• Per-bestand semantische samenvattingen die antwoorden op "wat doet dit bestand" met een compressie van 15–50× in plaats van ruwe leesingen;
• Tijdelijke zoekfunctie die weet wanneer dingen gebeurden en verouderende kennis markeert;
• Een leveringslaag voor langdurige projecten — zcprogram volgt multi-fasenprogramma’s; het sluiten van een fase vereist acceptatiebewijsmateriaal en genereert automatisch een doorzoekbaar checkpoint; een nieuwe coördinator hervat het werk van een dode agent vanuit twee oproepen.
• Een cryptografische audit trail — elke operatie wordt veilig gelogd en kan later worden geverifieerd.

developer-skill-execution-outcome-reporting-v0-18-1 (Grade A)Beveiligd geteste data-ai vaardigheid voor Claude AI. Grade A. SKILL EXECUTION + OUTCOME REPORTING (v0.18.1) — gehaald uit de deepPrompt in roles.json voor ontwikkelaars

Overzicht

Belangrijkste functies

Prijs

Toepassingen

Validatie van een vaardigheid

Omgaan met vaardigheidsfouten

Pluspunten & minpunten

Pluspunten

Minpunten

Recensies

Vragen

Stel een vraag

Alternatieven voor Vaardigheden