DeepCerebra Coder е агентен асистент за кодиране. За разлика от обикновен копайлът за автоматично довършване, той планира, пише, рефакторира, изпълнява команди, извиква инструменти и итерира през целия ви проект — като вие преглеждате и одобрявате промените, които предлага.
| Издание | Най-добро за | Достъп до файлове |
|---|---|---|
| Уеб приложение | Без инсталация, работи от всяка машина | Поверително съхранение в браузъра (и Git хранилища) |
| Десктоп (Windows / Linux / macOS) | Разработка с приоритет на локалното, локални модели | Директна локална файлова система |
| CLI и API | Скриптове, CI/CD, автоматизация | Локални файлове / програмно |
Това ръководство се фокусира върху уеб приложението на deepcerebra.ai; настолното приложение отразява същите панели и работни процеси.
Използвайте актуална версия на Chrome, Edge или Brave за пълноценно изживяване — отварянето на локална папка разчита на Chromium File System Access API. Firefox и Safari работят за чат и за проекти, поддържани от Git, но не могат да отварят локална папка директно.
/register?plan=basic (или pro / ultimate), или да започнете сега и да изберете план
по-късно в Таксуване.След като влезете, попадате в работната среда, която показва всички панели на един екран:
Плъзнете разделителя между редактора и чата, за да преразпределите оформлението, и плъзнете хоризонталния разделител, за да преоразмерите терминала. Лявата странична лента също така навигира до Работно пространство, Разширения, API ключове, Таксуване и Обратна връзка.
repo (класически) или фино настроен токен с Contents + Pull requests; за
GitLab използвайте обхвата api. Вашият токен се съхранява на сървъра — само съдържанието на файловете се изтегля
в браузъра.owner/name (филтрирайте списъка, за да намерите вашето), след това изберете
клон.dcc/my-feature) за да запазите работата си изолирана от основния клон.Историята на чата е свързана с отворения проект. Превключването на папки автоматично стартира нова сесия и зарежда предишните сесии на тази папка, отваряйки отново най-скорошната, за да можете да продължите оттам, откъдето сте спрели.
Папките, които DeepCerebra използва вътрешно — .deepcerebra, .sessions — се появяват в дървото,
но са свити по подразбиране, за да не претрупват изходния ви код.
Опишете какво искате на обикновен език — задайте въпрос, поискайте функция или посочете грешка. Бъдете конкретни относно файлове, рамки и ограничения, за да получите най-добрия резултат. Прикачете съответните файлове, като ги плъзнете в полето за заявка.
Отговорите са организирани като Cursor: разсъжденията на агента са отделени от резултата. Всеки блок с отговор има икона за копиране в горния десен ъгъл, така че можете да копирате завършен отчет, документ или команда, която трябва да изпълните.
lxml вместо html.parser"), за да изкарате агента от
цикъл.@deepcerebra, а префикси като [deep] изискват по-задълбочени разсъждения.Изберете режим от селектора на режими до полето за заявка. Всеки настройва колко планира агентът и колко свободно той редактира:
| Режим | Какво прави | Използвайте, когато… |
|---|---|---|
| Агент | Планира и редактира автономно във вашия проект | Искате асистентът да внедри промяна от край до край |
| Питане | Отговаря на въпроси за вашия код без редакция | Искате да разберете кодовата база |
| План | Изготвя подход преди всяка редакция | Задачата е голяма или има компромиси, които трябва да се уредят първо |
| Редактиране | Прави целенасочени редакции в текущия контекст | Искате малка, целенасочена промяна |
Когато агентът предлага промени във файлове, над полето за чат се появява панел Предложени промени, изброяващ всеки засегнат файл с брой добавени (+) и премахнати (−) редове.
applied (и · disk, когато са записани в реална папка).Превключете терминала под редактора, за да изпълнявате компилации, тестове и скриптове. С ваше разрешение агентът може да изпълнява команди и да чете техния изход, за да провери работата си; дълготрайните команди предават изход, така че можете да наблюдавате напредъка. Затворете терминала от заглавката му, когато не ви е необходим.
За по-големи цели използвайте режим План (или помолете агента да планира първо). Планировчикът сканира вашия проект, разлага целта на задачи, зависещи от зависимости, и възлага всяка на правилния специалист (архитект, програмист, тестер, документатор).
Отворете селектора на модели до полето за заявка. Опциите са групирани като:
При автоматичен режим DeepCerebra използва многостепенно, адаптивно маршрутизиране: прости задачи отиват към бърз, икономичен модел, докато сложна или тежка за планиране работа (например режим "План") се насочва към по-силен модел. Това балансира разходите и качеството автоматично, така че рядко ще се налага да избирате ръчно.
Можете да маршрутизирате заявки през собствения си акаунт на доставчик, вместо да използвате таксуваното потребление на платформата.
ANTHROPIC_API_KEY,
GOOGLE_API_KEY, OPENAI_API_KEY).Моделите на платформата (DeepCerebra) не изискват ключ. Премахнете ключ по всяко време с Премахване.
DCC Bridge свързва вашия собствен компютър с уеб приложението чрез малък
dcc-bridge конектор, отключвайки две възможности едновременно:
Конекторът осъществява изходяща връзка през удостоверен WebSocket — не са необходими входящи портове и работи зад NAT и защитни стени. Работи на Windows, macOS и Linux (Python 3.10+).
dcc_brg_…)
и готовата за поставяне команда на конектора — токенът се показва точно веднъж.pip install git+https://github.com/mohammadkhair7/DeepCerebra-connector
# then run the command copied from the pairing card, e.g.:
python -m dcc_bridge --gateway wss://deepcerebra.ai --token dcc_brg_xxxxxwss://deepcerebra.ai или wss://deepcerebra.io) — картата за сдвояване предварително попълва
правилния. Двата сайта са отделни внедрявания с отделни акаунти и токени.1234) със зареден модел.По подразбиране командите са ограничени до специална папка за работно пространство (~/DeepCerebra). За да работите в
реалните си папки на проекти с предварително конфигурираните си CLI, дайте им изрично разрешение при стартиране на конектора:
# grant one or more real folders (repeatable)
python -m dcc_bridge --gateway wss://deepcerebra.ai --token dcc_brg_xxxxx --host-dir "F:\MyProjects"
# or the whole machine (prints a warning; prefer --host-dir)
python -m dcc_bridge ... --allow-any-dirСлед това отворете панела Терминал, кликнете върху изскачащия прозорец Цел на изпълнение (икона на лаптоп), изберете Моят компютър и изберете работна директория. Както въведените от вас команди, така и командите за изграждане/тестване на агента след това се изпълняват на вашата машина.
--no-exec прави
устройството само за извод (GPU модели, без команди).С отворен проект, поддържан от Git, в Изследователя се появява лента за клонове, показваща текущия ви клон и две действия:
main). Трябва да сте на работен клон, а не на основния клон.Ако push webhook е активиран, Изследователят автоматично се опреснява, когато съотборниците изпращат промени, поддържайки всички в синхрон — основата за съвместна екипна разработка чрез DeepCerebra.
Разширете агента с външни инструменти и данни чрез Протокола за контекст на модела (MCP). Конфигурирайте
сървъри във файл .deepcerebra/mcp.json, например:
{
"mcpServers": {
"my-tools": {
"url": "https://example.com/mcp",
"disabled": false,
"allowlist": ["search_issues", "get_pr"],
"autoApprove": ["create_issue"],
"auth": { "type": "bearer", "tokenEnv": "MY_TOKEN" }
}
}
}Активираните MCP инструменти стават автоматично достъпни за агента, когато са релевантни за вашата заявка. Локални
(stdio) и отдалечени (http/sse) сървъри са както поддържани.
allowlist, само тези инструменти могат да работят.autoApprove.Ако сървър излага MCP ресурси или шаблони за заявки, агентът
автоматично получава инструменти за тяхното използване (mcp_list_resources, mcp_read_resource,
mcp_list_prompts, mcp_get_prompt).
Добавете auth блок към отдалечен сървър. Тайните поддържат интерполация ${ENV_VAR}:
// Static bearer token (literal or from env)
"auth": { "type": "bearer", "token": "${GITHUB_TOKEN}" }
"auth": { "type": "bearer", "tokenEnv": "GITHUB_TOKEN" }
// Custom header (e.g. API key)
"auth": { "type": "header", "header": "x-api-key", "value": "${MY_KEY}" }
// OAuth 2.0 client-credentials
"auth": {
"type": "oauth", "grant": "client_credentials",
"tokenUrl": "https://auth.example.com/oauth/token",
"clientId": "${MCP_CLIENT_ID}", "clientSecret": "${MCP_CLIENT_SECRET}",
"scope": "mcp.read mcp.write"
}Можете да оформите начина, по който агентът мисли и действа, с една единствена, базирана на файлове конвенция —
директорията .deepcerebra/ — която работи идентично в десктоп приложението,
уеб приложението и API. В уеб приложението управлявайте всичко това под
изгледа Агент; на десктоп и чрез API те са обикновени файлове, които commit-вате с вашия проект.
Конфигурацията се открива от няколко обхвата; когато един и същ елемент съществува в повече от един, този с по-висок приоритет печели:
team/org < global (~/.deepcerebra) < workspace (<repo>/.deepcerebra)
(lowest) (highest)<repo>/.deepcerebra/…, commit-нато с проекта.~/.deepcerebra/…, вашите лични настройки по подразбиране за всички проекти.Правилата са постоянни инструкции — стандарти за кодиране, архитектурни конвенции, контекст на домейн — инжектирани в
системната заявка на агента. Те се намират като Markdown файлове под .deepcerebra/steering/, плюс
винаги активния стандарт AGENTS.md. Frontmatter контролира кога се зарежда правило:
---
inclusion: fileMatch # always | fileMatch | auto | manual
globs: "src/**/*.ts" # or fileMatchPattern
name: api-design
description: REST conventions
---
# API design
- Use REST resource nouns, plural.always — при всяко завъртане (по подразбиране).fileMatch — само когато файл в контекст съвпада с globs.auto — когато вашата заявка съвпада с name/description на правилото.manual — само когато го реферирате като #name или /name.Коренен AGENTS.md се прилага за цялото хранилище; вложен AGENTS.md (напр.
services/api/AGENTS.md) се прилага само за файловете в тази папка. В уеб приложението изгледът
Агент → Управление дава на всяко правило избор на Обхват
(Глобален / Проект / Екип).
Уменията са преизползваеми ръководства, които агентът зарежда при поискване. Всяко умение е папка с
SKILL.md под .deepcerebra/skills/:
---
name: deploy-release
description: How to cut and publish a versioned release.
disable-model-invocation: false # true => manual-only (/skill)
---
# Deploy a release
1. Bump the version, build, and test.
2. Tag and publish.Агентът вижда лек каталог (име + описание) и изтегля цялото съдържание с инструмента
load_skill, когато е релевантно. Можете също така да извикате умение изрично с
/skill <name>. Задайте disable-model-invocation: true, за да направите умението само ръчно.
Куките изпълняват автоматизация при събития от жизнения цикъл. Дефинирайте ги като .deepcerebra/hooks/*.hook.json:
{
"title": "Format on save",
"event": "fileSave",
"filePattern": ["**/*.ts"],
"action": { "type": "shell", "command": "npm run lint:fix -- $FILE" },
"enabled": true
}Събитията включват promptSubmit, preToolUse, postToolUse,
fileCreate, fileSave, fileDelete, preTask,
postTask, sessionStart, preCompact и agentStop
(приемат се и изписванията на Cursor/Claude). Действието е или shell (изпълнение на команда), или
agentPrompt (запитване на агента). Кука preToolUse може да разреши,
откаже или попита за извикването на инструмента, което прихваща.
Подагентите са специализирани агенти, които дефинирате и на които делегирате. Всеки е Markdown файл под
.deepcerebra/agents/ с frontmatter плюс тяло (неговата системна заявка):
---
name: security-reviewer
description: Audits a diff for security issues; read-only.
model: gpt-5
readonly: true
tools: [read_file, grep_files, list_directory]
background: false
---
You are a meticulous security reviewer…Основният агент делегира с task (блокиращо), task_async +
task_status / task_result (фоново) или task_parallel (разклоняване).
Плъгинът обединява правила, умения, куки, подагенти и MCP сървъри в един инсталируем пакет под
.deepcerebra/plugins/<name>/, описан от манифест plugin.json:
{
"name": "Acme Standards",
"version": "1.2.0",
"description": "Acme rules + skills + review agents.",
"enabled": true
}Съдържанието на плъгина се слива с най-нисък приоритет, така че вашите собствени правила и умения винаги презаписват тези на плъгина.
Деактивирайте плъгин с "enabled": false или с маркерен файл .disabled.
DCC_ORG_CONFIG_DIR към споделена директория .deepcerebra, или като зададе правила към обхват
Екип в уеб приложението.Студиото за работни потоци е визуален дизайнер за автоматизация с множество агенти. Вие композирате етапи — всеки от които е агент, специализирана стъпка или контролен примитив — в граф, свързвате ги със зависимости и изпълнявате цялата оркестрация на двигателя с прогрес на живо за всеки етап, бюджети и врати за човешко одобрение. Работните потоци се запазват като преносима YAML/JSON дефиниция, която можете да експортирате, импортирате, версионирате в Git и изпълнявате от API или CLI.
| Вид етап | Какво прави |
|---|---|
agent | Едно завъртане на агента с уменията и инструментите, които прикачвате. |
spec.requirements / spec.design / spec.execute |
Доставка, ориентирана към спецификации: изготвяне на изисквания, дизайн, след това разделяне на задачи и изпълнение — всяка с възможност за контрол. |
documents.generate | Изгответе изпипан документ от резултатите от предишен етап. |
fan_out | Паралелно широкомащабно изследване по много подтеми със синтез. |
map / loop / switch |
Контролни примитиви: изпълнение на тяло за всеки елемент, повтаряне до условие или разклоняване по случаи. |
verify / browser_verify |
Изпълняване на тестове или команди в пясъчника; проверка на работещ потребителски интерфейс с автоматизация на браузъра. |
orchestrate | Динамично маршрутизиране: агент-оркестратор прочита заявката и я изпраща до най-добрия(ите) последващ(и) агент(и) чрез събития. |
external.agent | Извикване на регистриран агент на трета страна по HTTP (A2A), сякаш е вграден етап. |
eval | Оценяване на предходен изход спрямо проверки (съдържа / регулярен израз / дължина / LLM-съдия); провал под праг. |
db.provision | Генериране на собствен слой данни: docker-compose за базата данни,
версионирани SQL миграции, начални данни, .env шаблон и Mermaid ERD; опционален скелет за удостоверяване;
може незабавно да прилага миграции към SQLite. |
ci.generate | Генериране на готов за commit CI/CD пайплайн (GitHub Actions, GitLab CI, или Azure Pipelines) с lint → test → scan → build → deploy и промоция на среда. |
deploy.package | Генериране на активи за внедряване в производство: многостепенен Dockerfile, docker-compose, Kubernetes манифести или Helm chart — файлове, които притежавате и commit-вате. |
test.generate | Генериране на unit / API / E2E пакети за изграденото приложение плюс матрица за проследяемост от изискване до тест. |
test.verify | Изпълнение на тестов пакет (pytest, vitest, jest, Playwright) и контрол на изпълнението въз основа на неговата успеваемост. |
security.audit | Сканира зависимости за известни уязвимости и дървото за твърдо кодирани тайни; публикува събития за предупреждения и пише доклад с констатации. |
preview | Стартиране на генерираното приложение локално и показване на неговия URL адрес на живо в
панела за изпълнение (връзка + вграден фрейм) чрез събитие preview.ready. |
design.import | Превръщане на изображение на UI дизайн (екранна снимка, макет, Figma експорт) в структурирана спецификация за изпълнение за следващи етапи. |
Всеки етап — независимо от вида — може да публикува и абонира за типизирани събития в шината за събития на работното пространство, така че агентите да се координират като услуги в мрежа за съобщения, а не само чрез DAG:
lifecycle, agent,
business, data, system, schedule, chat,
external или alert — филтрируеми в абонаменти и повторно възпроизвеждане.trigger (етапът се изпълнява, когато пристигне съвпадащо събитие; изпълнение с паркирани етапи остава резидентно като слушане), gate (машинен гейт, одобрен от събитие вместо от човешко щракване), и data (полезният товар се слива в контекста на етапа).agent.<stage-id>.request.triggers: на работен поток го въоръжава да стартира при входящи
webhooks, cron графици, събития или чат — дори докато
Студиото е затворено.Агентите, които реагират на събития, могат да декларират устойчива именувана опашка, така че съвпадащите събития никога да не се губят, докато агентът е зает или преди изпълнението да слуша. При абонамент за тригер, задайте queue: <name> — механизмът свързва тази тема с FIFO опашка в шината за събития на работното пространство (съхранявана под .deepcerebra/workflows/events/queues/). Всяко съвпадащо събитие, публикувано от този момент нататък, се улавя в опашката; когато етапът стане изпълним, механизмът извлича събития в най-стария първи ред и ги консумира едно по едно.
count — изискват се N събития в опашка (или доставени), преди абонаментът да бъде изпълнен (полезно, когато няколко работника трябва да докладват).GET /api/workflow/queues изброява дълбочината и обвързванията; GET /api/workflow/queues/{name} показва предстоящи събития; чат агентите могат да извикат event_queue_status и pop_queued_event.events:
subscribe:
- topic: ticket.created
mode: trigger
queue: triage-inbox # durable FIFO — events wait here for this agent
map:
payload.ticket_id: ticket_idСемафорът ограничава колко задачи могат едновременно да оперират със споделен (защитен) ресурс: база данни, в която се пише, хранилище за глобални променливи, файл или външен агент с ограничена скорост. Прикрепете един към всеки етап с semaphore: — преди да започне работата на етапа, механизмът придобива едно разрешение от именувания семафор на работното пространство; разрешението винаги се освобождава след това, дори ако етапът се провали. permits: 1 го прави мютекс: само една задача едновременно (във всички паралелни изпълнения в работното пространство) изпълнява критичната стъпка; всяка друга задача изчаква, докато притежателят приключи.
timeout_s за разрешение; ако ресурсът остане на капацитет, етапът се проваля видимо, вместо да блокира завинаги.ttl_s; ако притежател се срине, без да освободи, разрешението изтича автоматично, така че ресурсът никога да не бъде блокиран.semaphore.<name>.waiting, .acquired и .released; GET /api/workflow/semaphores показва капацитет, притежатели и налични разрешения.acquire_semaphore, release_semaphore и semaphore_status координират ad-hoc критични секции извън работния поток.semaphore:
name: emr-db-writer
permits: 1 # mutex — one writer at a time
timeout_s: 300 # fail if still waiting after 5 minutes
ttl_s: 900 # auto-release crashed holders after 15 minutesРандеву изчаква, докато множество условия за събития бъдат изпълнени, преди следващата стъпка да продължи — обратното на "първото събитие печели." Задайте join: all в блока events: на етапа: всяко абонаментно задействане трябва да бъде удовлетворено, преди етапът да се изпълни. Комбинирайте с count: N за всеки абонамент, когато няколко агента (или няколко доклада от един агент) трябва да се регистрират — например, одобрение на дизайна, завършване на тестове и одобрение за сигурност, преди да се изпълни етап на пускане.
join: any (по подразбиране) — етапът се изпълнява, когато първият абонамент за тригер е удовлетворен.join: all — среща: всеки абонамент за тригер (всеки със собствена тема, филтър за клас и опционален count) трябва да бъде удовлетворен; само тогава етапът става изпълним.trigger_events и се излагат на шаблоните като inputs.events (списък от обекти на събития с полезни данни).events:
join: all # rendezvous — wait for EVERY subscription below
subscribe:
- topic: design.approved
mode: trigger
- topic: tests.passed
mode: trigger
- topic: security.cleared
mode: trigger
count: 1Етапите избират инструменти от същия регистър, който използва чат агентът:
create_database, apply_migrations и dump_schema за собствени слоеве данни.docker_build / docker_push, compose up/down, SSH и
cloud-CLI внедрявания (Fly, Render, Railway, Vercel), също безопасни за симулация.Class.method) в областта на математиката, обработката на сигнали, контрола, статистиката и други./v1 API излага изпълнения, събития, тригери, шаблони и генериране за CI и интеграции.db.provision → имплементация → генерирани тестове → одит на сигурността → опаковане за внедряване →
CI генериране, с човешка врата преди опаковането — пълен път от задание до производство, който можете да адаптирате за минути.Предиктивното довършване с Tab предлага вградени, запълващи средата предложения за код, докато пишете в редактора — приемете предложение с Tab. То е по избор както за двигателя, така и за уеб редактора.
DCC_TAB_COMPLETE=1. Редакторът извиква
POST /api/complete крайната точка на двигателя, която връща само текста за вмъкване на курсора.VITE_TAB_COMPLETE=1, или по време на изпълнение с
localStorage.setItem('dcc.tabComplete', '1') (след това презаредете).Отворете Таксуване от страничната лента, за да управлявате своя план и потребление. Използването на AI се таксува в кредити в щатски долари въз основа на токените, консумирани от основните модели.
| План | Месечна цена | Включено месечно AI потребление |
|---|---|---|
| Базов | $20 | $10 |
| Професионален | $75 | $30 |
| Ултимативен | $200 | $150 |
API ключ за шлюз (личен токен за достъп) ви позволява да използвате публичния API и CLI на DeepCerebra програмно.
read, chat, code, agent
— и незадължителна валидност в дни (празно = никога).Използвайте го с CLI или API на deepcerebra.ai:
dcc config set endpoint https://deepcerebra.ai
dcc config set api-key <your-key>
# or as a Bearer token
curl -H "Authorization: Bearer <your-key>" https://deepcerebra.ai/v1/...Можете да преименувате или изтриете (отмените) ключ по всяко време; всеки ключ показва своя префикс, обхвати, дата на създаване/изтичане и дата на последно използване.
Превключете на Chrome, Edge или Brave, или използвайте Отваряне от Git вместо това.
Кликнете върху Спиране, след това преформулирайте с конкретна подсказка или ограничение.
dcc-bridge работи и устройството показва онлайн.1234) със зареден модел.--gateway
(wss://deepcerebra.ai или wss://deepcerebra.io) — двата сайта са отделни
внедрявания и токен от единия никога не работи на другия.Отворете или създайте работен клон, преди да използвате Интегриране, за да отворите заявка за изтегляне (pull request).
Все още сте затруднени? Свържете се с support@deepcerebra.ai.
Discovery е разследващ чатбот за вашите бази данни и документи.
Вместо да отговаря с едно запитване, той работи като анализатор: формира хипотези,
извършва поредица от контролирани проучвания (SQL, графично търсене, търсене на документи, проверки на схеми, уеб потвърждения), отхвърля обясненията, които доказателствата опровергават, и синтезира
обоснован отговор — с диаграми и прозрачна разписка за разходите. Отворете го от
иконата на компас в лентата за дейности
(/app/discovery).
Едно Пространство обединява всичко необходимо за една линия на разследване: връзки към бази данни, колекции от документи, инструкции за анализатора и бюджети. Създайте такова с + Ново пространство, след което използвайте панела за настройка отдясно, за да:
Въведете въпрос по начина, по който бихте попитали колега — например "Защо обемът на ЯМР сканиранията спадна през март?". Таблото за разследване предава целия процес на живо:
Последващите въпроси продължават същата нишка, така че анализаторът запазва своя контекст.
Диаграмите се изобразяват вградено в таблото за разследване. Използвайте Експорт, за да изтеглите цялото запитване — отговора, хипотезите, доказателствата и диаграмите — като самостоятелен HTML отчет или PDF с качество за печат, оформен с неоновата дизайнерска система.
Всяко пространство има бюджети за всяко запитване: максимален брой проучвания, кръгове на разследване, секунди и USD. Енджинът спира чисто при достигане на лимита и докладва какво е открил до момента. Цената на всяко проучване е подробно описана в разписката, така че винаги да знаете къде са отишли разходите.
/v1/discovery/* с PAT, носещ обхват discovery (създайте го под Акаунт → API Токени).
Поточните запитвания използват SSE. Външни изпълнители могат да заемат само планирането на разследването чрез Thinking API
(/v1/think/*, обхват think).pip install deepcerebra-discovery, след това
DiscoveryClient(base_url, token).ask(space_id, question).discovery.ask) във всеки работен поток, за да стартирате разследване като стъпка от конвейер; отговорът, диаграмите и разписката преминават към следващите етапи.discovery_ask и
discovery_list_spaces като MCP инструменти, така че външни MCP клиенти също могат да извършват разследвания.