Question 1

Quais modelos locais devo executar, e como o hardware afeta o SecureContext?

Accepted Answer

O SecureContext degrada de forma graciosa por nível de hardware — cada camada alimentada por LLM falha fechada (o recurso silenciosamente não contribui) em vez de quebrar a ingestão ou a busca. O que muda com o hardware é quanta parte da pilha de inteligência está ativa:
| Nível | Hardware | Modelos que se encaixam | O que você obtém |
|---|---|---|---|
| Mínimo | Qualquer CPU, ~2 GB RAM livre | nomic-embed-text (somente embeddings) | Busca híbrida BM25+vetor, memória de trabalho, cadeia de auditoria, controle de habilidades — o núcleo. Camadas LLM (extração de eventos, extração de entidades, adjudicação de contradições) permanecem ociosas. |
| Médio | 8–16 GB GPU (ou Apple Silicon 16 GB+) | + qwen2.5-coder:14b ou phi4:14b (um de cada vez) | + Extração de fatos de eventos na ingestão (raciocínio temporal), adjudicação de contradições LLM, extração de entidades, resumos semânticos de arquivos L0/L1. |
| Completo | 24 GB+ GPU (ex.: RTX 4090/5090) | + phi4:14b e gpt-oss:20b em conjunto | Tudo, simultaneamente, com latência interativa — além de um forte gerador local para QA/benchmarks. Essa é a configuração em que os deltas de benchmark publicados foram medidos. |
Guia de escolha de modelo (todos medidos, veja bench/): Embeddings: nomic-embed-text — obrigatório, pequeno, roda em qualquer lugar. Extração de eventos (ZCEVENTEXTRACTMODEL, padrão phi4:14b): nosso teste comparativo pontuou phi4:14b com 100% de recall de eventos / 100% de precisão de data, empatando gpt-oss:20b à metade da velocidade. Em GPUs menores, qwen2.5-coder:14b fica perto (84,6% de recall). Modelos de codificador ≠ melhores: qwen2.5-coder:32b teve pior desempenho (69,2

Question 2

What do I need to run it?

Accepted Answer

Node 20+ and (recommended) Docker for the bundled PostgreSQL + Ollama stack. The one-command installer does everything in about five minutes. A SQLite fallback runs with zero infrastructure.

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 difere dos concorrentes

Accepted Answer

A maioria dos projetos "memória para Claude Code" faz um de três tipos de coisas: envolve a conversa em JSON. Salva as mensagens, reproduz-as. Sem compressão semântica, sem trilha de auditoria, sem modelo de segurança. Sincroniza para um serviço de nuvem. Melhora a experiência do usuário, mas agora o histórico de ferramentas do seu agente (potencialmente incluindo segredos que ele tocou) fica em um servidor de terceiros. Incorpora 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 é nenhum desses: | | SecureContext | Serviços de memória em nuvem | Plugins de RAG vetorial | Claude Code nativo | |---|---|---|---|---| | Persistente entre reinicializações | ✅ Sim, Postgres local | ✅ Mas no servidor deles | ⚠️ Apenas documentos, não estado | ❌ Compactação automática perdida | | Programas de entrega + checkpoints com comprovação | ✅ zcprogram | ❌ | ❌ | ❌ | | Trilha de auditoria HMAC | ✅ Chave sub-por-agente | ❌ | ❌ | ❌ | | Isolamento de identidade por agente | ✅ HKDF + RLS | ❌ | ❌ | ❌ | | Portão de admissão de habilidade (HMAC + AST) | ✅ | ❌ | ❌ | ❌ | | Cadeia à prova de adulterações + 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 bem conhecidos: Mem0 e Zep são excelentes APIs de memória hospedada para aplicativos LLM que você desenvolve; Letta (MemGPT) é um framework de agente com memória auto-editar. SecureContext tem um objetivo diferente — eu

Question 10

O que há de novo (v0.46.1)

Accepted Answer

Round 2 de recuperação temporal + o kit de ferramentas de entrega. Perguntas temporais compostas são decomposas em cláusulas de evento com fusão de ranking; buscas temporais renderizam um bloco de Timeline cronológica e resultados obsoletos trazem avisos de idade. O zcprogram adiciona programas de entrega multi-fase com fechamento de fase por evidência, auto-pontilhamento automático — verificado ao vivo com um teste de handoff de orquestrador (matar o orquestrador no meio da fase; uma substituição fria retoma a partir de duas chamadas). A lane de embed agora tem um watchdog com autocura orçamentada. Lançamentos recentes: v0.46.0 — memória de equipe (chaves por usuário, workspaces compartilhados, atribuição de escrita), replay de sessão com proveniência criptográfica, spans OTel Gen-AI, CLI de memória CI/sem-cabeçalho, embeddings em chunks, exportação de relatório de conformidade. v0.44.0 — supressão de fato temporal, 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 focalizado, consolidação, janelas bi-temporais, recuperação de gráfico multi-saltos, 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 usar o Claude Code em projetos reais, encontrará estes obstáculos: 1. Cada sessão começa do zero. Você cola os mesmos arquivos, reexplica as mesmas decisões, redescobre as mesmas armadilhas — e paga tokens repetidamente por esse trabalho de orientação. 2. Projetos longos não têm estado de entrega. Quando um agente orquestrador morre no meio de um recurso (crash, janela fechada, contexto esgotado), seu substituto começa cego. As pessoas compensam com arquivos CHECKPOINT escritos à mão. 3. Não há registro do que os agentes realmente fizeram. Quando algo dá errado, o Claude Code não possui histórico à prova de adulteração do que foi executado. 4. Scripts de skill são executados com suas permissões, sem varredura. Qualquer pessoa (ou agente) com acesso de escrita em ~/.claude/skills/ pode plantar código que será executado na próxima invocação. 5. Sessões paralelas conflitam. Duas janelas reivindicam a mesma tarefa; uma sobrescreve as edições da outra. SecureContext é um plugin MCP que resolve todas as cinco questões. Instale uma vez e seus agentes ganham: memória que persiste 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 — zcprogram rastreia programas em múltiplas fases; fechar uma fase requer evidência de aceitação e gera automaticamente um checkpoint pesquisável; um orquestrador fresco retoma o trabalho de um agente morto de duas chamadas em diante. Um rastro de auditoria criptográfico — cada

developer-skill-execution-outcome-reporting-v0-18-1 (Grade A)Habilidade de dados de segurança testada para Claude AI. Grau A. EXECUÇÃO DE HABILIDADE + RELATÓRIO DE RESULTADOS (v0.18.1) — extraído de roles.json deepPrompt para desenvolvedor

Visão geral

Funcionalidades principais

Preços

Casos de uso

Validando uma Habilidade

Lidando com Falhas de Habilidade

Prós e contras

Prós

Contras

Avaliações

Perguntas e respostas

Faz uma pergunta

Alternativas a Habilidades