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

O que preciso para executá-lo?

Accepted Answer

Node 20+ e (recomendado) Docker para o stack combinado PostgreSQL + Ollama. O instalador de um único comando faz tudo em cerca de cinco minutos. Um fallback SQLite funciona sem infraestrutura.

Question 3

Can multiple Claude Code sessions work on the same project without conflicts?

Accepted Answer

Yes — parallel sessions atomically claim tasks from a work-stealing queue (zero double-claims at 50 agents × 100 tasks in testing), coordinate through typed broadcasts (ASSIGN/STATUS/MERGE/REJECT), and keep private per-agent memory namespaces plus a shared pool. Department-style hierarchies (heads + workers, N-tier escalation) are supported for larger agent teams.

Question 4

Are Claude Code skills safe to install?

Accepted Answer

Filesystem skills bundle scripts that run with your permissions, and Claude Code's native loader does not scan them. SecureContext adds the missing gate: AST scan at admission, HMAC verification before every execution, automatic quarantine on failure or post-admission change, and a verifiable chained log of every admission decision.

Question 5

Does SecureContext send my code or data to the cloud?

Accepted Answer

No. Memory, embeddings (Ollama nomic-embed-text), search, summarization, and the audit chain all run locally. It works fully offline (search degrades gracefully to keyword-only if Ollama is down) and costs $0 when idle.

Question 6

Can it manage a long, multi-week project?

Accepted Answer

Yes — that's what the delivery layer is for. Define a program with phases (zc_program), and the open phase's acceptance checklist travels with the project state. Closing a phase requires an evidence table and generates a checkpoint document automatically. If the orchestrating agent dies mid-phase, a fresh one reconstructs the full delivery state from two calls — verified live.

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

Como ele se diferencia dos concorrentes

Accepted Answer

A maioria dos projetos de "memória para Claude Code" faz um de três coisas: Envolve a conversa em JSON, salva as mensagens e as reproduz. Sem compressão semântica, sem trilha de auditoria, sem modelo de segurança. Sincroniza para um serviço em nuvem. Melhora a experiência do usuário, mas a história das ferramentas do seu agente (potencialmente incluindo segredos que ele tocou) fica no servidor de outra pessoa. Utiliza busca vetorial. Adiciona RAG sobre seus documentos, mas não ajuda com o problema real — orquestrar o que o agente faz, verificar o que foi executado, sobreviver à compactação de sessão. SecureContext não faz nenhuma dessas coisas:

| | SecureContext | Serviços de memória em nuvem | Plugins RAG vetorial | Claude Code nativo |
|---|---|---|---|---|
| Persistente entre reinicializações | ✅ Sim, Postgres local | ✅ Mas no servidor deles | ⚠️ Apenas documentos, não estado |
| Programas de entrega + checkpoints com prova de evidência | ✅ zcprogram | ❌ | ❌ | ❌ |
| Trilha de auditoria HMAC | ✅ Subchave por agente | ❌ | ❌ | ❌ |
| Isolamento de identidade por agente | ✅ HKDF + RLS | ❌ | ❌ | ❌ |
| Porta de admissão de habilidades (HMAC + AST) | ✅ | ❌ | ❌ | ❌ |
| Cadeia que prova manipulação + replay de sessão | ✅ | ❌ | ❌ | ❌ |
| Fila de roubo de trabalho para sessões paralelas | ✅ FOR UPDATE SKIP LOCKED | ❌ | ❌ | ❌ |
| Executa offline | ✅ Postgres local + Ollama | ❌ | ⚠️ Depende | ✅ |
| Custo quando inativo | $0 | Assinatura mensal | $0 | $0 |

Em comparação com os produtos de memória conhecidos: Mem0 e Zep são excelentes APIs de memória hospedada para aplicativos LLM que você constrói; Letta (MemGPT) é um framework de agente com memória auto-edita. SecureContext visa uma tarefa diferente — eu.

Question 10

O que há de novo (v0.46.1)

Accepted Answer

Retrieval temporal de rodada 2 + o kit de ferramentas de entrega. Perguntas temporais compostas se desmembram em cláusulas de evento com fusão de ranking; pesquisas temporais geram um bloco de Timeline cronológica e resultados obsoletos carregam avisos de idade. O zcprogram adiciona programas de entrega multifaça com fechamento de fase gated por evidências, auto-checkpointing, verificado ao vivo com um teste de handoff do orquestrador (matar o orquestrador no meio da fase; um substituto frio resume a partir de duas chamadas). A lane de embed agora possui um watchdog com auto-cura orçada. Lançamentos recentes: v0.46.0 — memória de equipe (chaves por usuário, workspaces compartilhados, atribuição de escrita), replay de sessão com proveniência criptográfica, OTel Gen-AI spans, CLI de memória CI/headless, embeddings em chunks, exportação de relatórios de conformidade. v0.44.0 — supersessão de fatos temporais, gráfico de tarefas PG durável, primeiros números públicos do LongMemEval. v0.43.0 — digest de recall com orçamento de token (corrige o fluxo de recall de 47k tokens em projetos maduros). v0.41–0.42** — programa de qualidade de memória: recall focado, consolidação, janelas bi-temporais, recuperação de gráfico multi-hop, memórias TTL, ingestão multimodal. Detalhes completos em CHANGELOG.md; notas de arquitetura em ARCHITECTURE.md.

Question 11

O que é SecureContext?

Accepted Answer

Se você usa o Claude Code em projetos reais, encontrará essas barreiras:
1. Cada sessão começa do zero. Você precisa colar os mesmos arquivos, explicar novamente as mesmas decisões, redescobrir as mesmas armadilhas — e pagar tokens pelo mesmo trabalho de orientação repetidamente.
2. Projetos longos não têm estado de entrega. Quando um agente orquestrador morre no meio de uma funcionalidade (falha, janela fechada, contexto esgotado), seu substituto começa cego. As pessoas compensam criando arquivos CHECKPOINT escritos à mão.
3. Não há registro do que os agentes realmente fizeram. Quando algo dá errado, o Claude Code não tem um histórico à prova de adulteração do que foi executado.
4. Scripts de habilidade são executados com suas permissões, sem escaneamento. Qualquer pessoa (ou agente) com acesso de escrita a ~/.claude/skills/ pode plantar código que será executado na próxima invocação.
5. Sessões paralelas se sobrepõem. Duas janelas reivindicam a mesma tarefa; uma sobrescreve as edições da outra.
SecureContext é um plug‑in MCP que resolve todos esses problemas. Instale‑o uma vez e seus agentes obtêm: memória que persiste entre reinicializações — decisões, armadilhas e estado do projeto restaurados em uma única chamada; resumos semânticos por arquivo que respondem "o que este arquivo faz" com compressão de 15–50× em vez de leituras brutas; busca temporal que sabe quando as coisas aconteceram e sinaliza conhecimento obsoleto. Uma camada de entrega para projetos de longa duração — o zcprogram rastreia programas em múltiplas fases; fechar uma fase requer evidência de aceitação e gera automaticamente um checkpoint pesquisável; um novo orquestrador retoma o trabalho do anterior a partir de duas chamadas. Um trilho auditável criptográfico — cada execução é registrada de forma que qualquer alteração possa ser detectada.

designer-cognitive-instincts (Grade A)Habilidade de dados de segurança testada para Claude AI. Grau A. INSTINTOS COGNITIVOS — extraídos de roles.json deepPrompt para designer

Visão geral

Funcionalidades principais

Preços

Casos de uso

Revisão de Design

Educação em Design

Prós e contras

Prós

Contras

Avaliações

Perguntas e respostas

Faz uma pergunta

Alternativas a Habilidades