Question 1

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

Accepted Answer

O SecureContext degrada-se de forma graciosa conforme o nível de hardware — cada camada baseada em LLM falha fechada (a funcionalidade silenciosamente não contribui) em vez de quebrar a ingestão ou busca. O que muda com o hardware é quanto da pilha de inteligência permanece ativa: | Tier | Hardware | Modelos que se encaixam | O que você recebe | |---|---|---|---| | Mínimo | Qualquer CPU, ~2 GB RAM livres | nomic-embed-text (apenas embeddings) | Busca híbrida BM25+vector, memória de trabalho, cadeia de auditoria, controle de habilidades — o núcleo. Camadas LLM (extração de eventos, extração de entidades, adjudicação de contradições) ficam dormantes. | | 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 (razão 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 residentes juntos | Tudo, simultaneamente, em latência interativa — mais um gerador local robusto para QA/benchmarks. Essa é a configuração em que as variações de benchmark publicadas foram medidas. | Orientação 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): nossa competição pontuou phi4:14b com 100% de recall de eventos / 100% de precisão de data, igualando gpt-oss:20b a 2× a velocidade. Em GPUs menores qwen2.5-coder:14b fica perto (84,6% de recall). Modelos de codificação ≠ melhor: qwen2.5-coder:32b pontuou pior (69,2%) apesar de ser o maior.

Question 2

O que preciso para executá-lo?

Accepted Answer

Node 20+ e (recomendado) Docker para a pilha PostgreSQL + Ollama incluída. O instalador de um único comando realiza tudo em cerca de cinco minutos. Um fallback SQLite roda sem infraestrutura.

Question 3

Várias sessões do Claude Code podem trabalhar no mesmo projeto sem conflitos?

Accepted Answer

Sim — sessões paralelas reclamam tarefas de forma atômica de uma fila de roubo de trabalho (zero reivindicações duplas em 50 agentes × 100 tarefas em testes), coordenam por meio de transmissões tipadas (ASSIGN/STATUS/MERGE/REJECT) e mantêm namespaces de memória privados por agente, além de um pool compartilhado. Estruturas hierárquicas estilo departamento (chefes + trabalhadores, escalonamento N‑tier) são suportadas para equipes de agentes maiores.

Question 4

As habilidades Claude Code são seguras para instalar?

Accepted Answer

O pacote de habilidades de arquivos inclui scripts que são executados com suas permissões, e o carregador nativo do Claude Code não os escaneia. O SecureContext adiciona a porta que faltava: varredura AST na admissão, verificação HMAC antes de cada execução, quarentena automática em caso de falha ou alteração pós‑admissão, e um registro encadeado verificável de cada decisão de admissão.

Question 5

O SecureContext envia meu código ou dados para a nuvem?

Accepted Answer

Não. Memória, embeddings (Ollama nomic-embed-text), busca, sumarização e a cadeia de auditoria funcionam localmente. Funciona totalmente offline (a busca degrada-se graciosamente para apenas palavras‑chave se o Ollama estiver fora) e custa $0 quando ocioso.

Question 6

Ele pode gerenciar um projeto longo, de várias semanas?

Accepted Answer

Sim — é para isso que a camada de entrega foi criada. Defina um programa com fases (zc_program), e a lista de verificação de aceitação da fase aberta acompanha o estado do projeto. Fechar uma fase requer uma tabela de evidências e gera automaticamente um documento de ponto de verificação. Se o agente orquestrador morrer no meio da fase, um novo agente reconstruirá todo o estado de entrega a partir de duas chamadas — verificado ao vivo.

Question 7

Quanto o SecureContext reduz os custos de tokens do Claude Code?

Accepted Answer

Medido em um projeto de 10 sessões: ~87% menos sobrecarga de contexto (restauração de sessão é de ~1,5–4k tokens ao invés de 20–50k de arquivos re‑pasted). Em projetos de longa duração com centenas de memórias acumuladas, o orçamento de recall mantém cada recall em ~4k tokens onde um dump ilimitado seria ~47k. Perguntas sobre arquivos são respondidas a partir de resumos semânticos comprimidos de 15–50× em vez de leituras brutas.

Question 8

Como ele se diferencia dos concorrentes

Accepted Answer

A maioria dos projetos de "memória para Claude Code" faz um dos três: envolve a conversa em JSON, salva as mensagens e as reproduz. Não há compressão semântica, sem trilha de auditoria, nem modelo de segurança. Sincroniza com um serviço na nuvem. Oferece melhor UX, mas o histórico de ferramentas do seu agente (possivelmente incluindo segredos que acessou) fica no servidor de terceiros. Integra busca vetorial. Adiciona RAG aos seus documentos, mas não ajuda com o problema real — orquestrar o que o agente faz, verificar o que foi executado, sobreviver à compactação da sessão. O SecureContext não é nenhum desses: | | SecureContext | Serviços de memória na nuvem | Plugins RAG vetorial | Claude Code nativo | |---|---|---|---| | Persistente entre reinicializações | ✅ Sim, Postgres local | ✅ Mas no servidor deles | ⚠️ Apenas documentos, não estado | ❌ Compactação automática com perda | | Programas de entrega + checkpoints com prova de evidência | ✅ zcprogram | ❌ | ❌ | ❌ | | Trilhas de auditoria HMAC | ✅ Chave subcomplementar por agente | ❌ | ❌ | ❌ | | Isolamento de identidade por agente | ✅ HKDF + RLS | ❌ | ❌ | ❌ | | Portão de admissão de habilidade (HMAC + AST) | ✅ | ❌ | ❌ | ❌ | | Cadeia à prova de adulteração + 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-editável. O SecureContext visa um objetivo diferente — eu

Question 9

Como eu faço o Claude Code ter memória persistente entre sessões?

Accepted Answer

Instale o SecureContext (um comando — veja Quick start), então os agentes chamam zcremember para persistir decisões e contratempos e zcrecall_context({focus: "current task"}) no início da sessão para restaurá-los — classificados por relevância, com consultas de tempo em linguagem natural respondidas diretamente da memória. A memória sobrevive a reinicializações, compactações e reinícios porque vive no PostgreSQL, não na janela de contexto.

Question 10

What's new (v0.46.1)

Accepted Answer

Recuperação temporal rodada 2 + o kit de entrega. Perguntas temporais compostas se decompondo em cláusulas de evento com fusão de ranking; buscas temporais renderizam um bloco de Linha do Tempo cronológica e resultados obsoletos carregam avisos de idade. zcprogram adiciona programas de entrega multi‑fase com fase de fechamento com prova de evidência, auto‑checkpointing — verificado ao vivo com teste de handoff do orquestrador (mata o orquestrador no meio da fase; uma substituição fria retoma a partir de duas chamadas). A linha de embed agora tem um watchdog com auto‑reparo orçado. 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/headless, embeddings em pedaços, exportação de relatório de conformidade. v0.44.0 — supersessão de fato temporal, gráfico de tarefa PG durável, primeiros números públicos de LongMemEval. v0.43.0 — digest de recall com orçamento de token (corrige o fluxo de recall de 47k‑token em projetos maduros). v0.41–0.42** — programa de qualidade de memória: recall focado, consolidação, janelas bi‑temporais, recuperação de gráfico multi‑pulo, memórias TTL, ingestão multimodal. Detalhes completos em CHANGELOG.md; notas de arquitetura em ARCHITECTURE.md.

Question 11

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 encapsule isso com detecção automática de GPU e um modo prod (proxy reverso Nginx).

Question 12

What is SecureContext?

Accepted Answer

Se você usar Claude Code em projetos reais, encontrará esses obstáculos: 1. Cada sessão começa do zero. Você refaz a mesma cópia dos arquivos, reexplica as mesmas decisões, descobre os mesmos contratempos — e paga tokens por esse trabalho de orientação repetido. 2. Projetos longos não têm estado de entrega. Quando um agente de orquestração morre no meio de uma funcionalidade (falha, fechamento da janela, esgotamento de contexto), seu substituto começa sem visão. 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 histórico à prova de adulteração do que foi executado. 4. Scripts de habilidade são executados com suas permissões, sem verificação. Qualquer pessoa (ou agente) com acesso de escrita a ~/.claude/skills/ pode plantar código que roda na próxima invocação. 5. Sessões paralelas colidem entre si. Duas janelas reivindicam a mesma tarefa; uma sobrescreve as edições da outra. SecureContext é um plugin MCP que resolve todos esses cinco problemas. Instale-o uma vez e seus agentes ganham: Memória que sobrevive reinicializações — decisões, contratempos e estado do projeto restaurados em uma 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 multi‑fase; encerrar uma fase requer evidência de aceitação e gera automaticamente um checkpoint pesquisável; um orquestrador novo retoma o trabalho de um morto em duas chamadas. Um rastro de auditoria criptográfico — cada

Staging V0 19 (Grade A)Habilidade de dados-IA testada para segurança para Claude AI. Grau A. ANTI-PADRÕES (NUNCA FAÇA ISSO) — extraídos de roles.json deepPrompt para analista

Visão geral

Funcionalidades principais

Preços

Casos de uso

Treinamento de Analista

Controle de Qualidade

Prós e contras

Prós

Contras

Avaliações

Perguntas e respostas

Faz uma pergunta

Alternativas a Habilidades