1 ভূমিকা ও সংস্করণ

DeepCerebra Coder হল একটি এজেন্টিক কোডিং সহকারী। একটি সাধারণ স্বয়ংসম্পূর্ণ কোপাইলটের বিপরীতে, এটি পরিকল্পনা করে, লেখে, রিফ্যাক্টর করে, কমান্ড চালায়, টুল কল করে এবং আপনার পুরো প্রজেক্ট জুড়ে পুনরাবৃত্তি করে — আপনি এর প্রস্তাবিত পরিবর্তনগুলি পর্যালোচনা ও অনুমোদন করার সাথে সাথে।

এটি ব্যবহারের তিনটি উপায়

এই নির্দেশিকাটি deepcerebra.ai-এর ওয়েব অ্যাপের উপর আলোকপাত করে; ডেস্কটপ অ্যাপটি একই প্যানেল এবং ওয়ার্কফ্লো প্রতিফলিত করে।

2 শুরু করা ও অ্যাকাউন্ট

সমর্থিত ব্রাউজার

সম্পূর্ণ অভিজ্ঞতার জন্য Chrome, Edge, বা Brave-এর একটি বর্তমান সংস্করণ ব্যবহার করুন — একটি স্থানীয় ফোল্ডার খোলা Chromium File System Access API-এর উপর নির্ভর করে। Firefox এবং Safari চ্যাটের জন্য এবং Git-সমর্থিত প্রোজেক্টের জন্য কাজ করে, কিন্তু সরাসরি একটি স্থানীয় ফোল্ডার খুলতে পারে না।

একটি অ্যাকাউন্ট তৈরি করুন

1. ল্যান্ডিং পৃষ্ঠায় Get Started ক্লিক করুন।
2. আপনার ঐচ্ছিক ডিসপ্লে নাম, ইমেল, দেশ, এবং জন্ম তারিখ পূরণ করুন (আপনার বয়স কমপক্ষে 18 হতে হবে)।
3. আপনার ইন্টারফেস ভাষা এবং কমপক্ষে 12 অক্ষরের একটি পাসওয়ার্ড নির্বাচন করুন।
4. চুক্তি বিজ্ঞপ্তি পড়ুন এবং নিশ্চিত করুন। একটি অ্যাকাউন্ট তৈরি করার অর্থ হল আপনি পরিষেবার শর্তাবলী, গোপনীয়তা বিবৃতি, পরিষেবার বিবরণ, এবং Global DPA-তে সম্মত।
5. Create account ক্লিক করুন, তারপর অনুরোধ করা হলে আপনার ইমেল যাচাই করুন এবং সাইন ইন করুন।

আপনার পাসওয়ার্ড রিসেট করুন

1. লগইন পৃষ্ঠায়, Forgot password? ক্লিক করুন।
2. আপনার ইমেল লিখুন এবং আপনার ইনবক্সে পাঠানো রিসেট লিঙ্কটি খুলুন।
3. একটি নতুন পাসওয়ার্ড সেট করুন (সর্বনিম্ন 12 অক্ষর)।
4. DeepCerebra Discovery — আপনার ডেটা ও নথিপত্র থেকে প্রশ্ন করুন

3 এক নজরে ওয়ার্কস্পেস

সাইন ইন করার পর আপনি ওয়ার্কবেঞ্চে অবতরণ করবেন, যা প্রতিটি প্যানকে একটি স্ক্রিনে রাখে:

• Explorer (বাম) — খোলা প্রোজেক্টের ফাইল ট্রি, একটি রিফ্রেশ এবং ক্লোজ বোতাম সহ।
• Editor (কেন্দ্র) — সিনট্যাক্স হাইলাইটিং এবং একটি মিনিম্যাপ ওভারভিউ সহ ফাইলের বিষয়বস্তু; এজেন্ট পরিবর্তন প্রস্তাব করলে ইনলাইন diffs এখানে প্রদর্শিত হয়।
• Terminal (এডিটরের নিচে, চালু/বন্ধ টগল করুন) — কমান্ড চালান এবং আউটপুট পড়ুন।
• Chat (ডান) — এজেন্টের কথোপকথন; এটি প্রাথমিক, স্থান-পূরণকারী প্যান।

লেআউট পুনরায় ভারসাম্য করতে এডিটর এবং চ্যাটের মধ্যে স্প্লিটারটি টেনে আনুন এবং টার্মিনালের আকার পরিবর্তন করতে অনুভূমিক স্প্লিটারটি টেনে আনুন। বাম সাইডবারটি Workspace, Extensions, API Keys, Billing, এবং Feedback-এও নেভিগেট করে।

4 একটি প্রোজেক্ট খোলা

4.1 একটি স্থানীয় ফোল্ডার খুলুন

1. Explorer-এ, Open project folder ক্লিক করুন।
2. একটি ফোল্ডার নির্বাচন করুন এবং ব্রাউজারকে এটি পড়ার অনুমতি দিন।
3. ফাইলগুলি আপনার ব্রাউজারের এনক্রিপ্ট করা ইন-ব্রাউজার ওয়ার্কস্পেসে পড়া হয় — কিছুই আপলোড করা হয় না। আপনি একটি লাইভ গণনা এবং একটি চূড়ান্ত সারাংশ দেখতে পাবেন (ফাইলের সংখ্যা · আকার, এছাড়াও যেকোনো বাদ দেওয়া বা কাটা ফাইল)।

4.2 Git থেকে খুলুন (GitHub / GitLab)

1. Explorer-এ Open from Git ক্লিক করুন।
2. বেছে নিন GitHub অথবা GitLab ট্যাবটি এবং একটি ব্যক্তিগত অ্যাক্সেস টোকেন পেস্ট করুন। GitHub-এর জন্য repo স্কোপ (ক্লাসিক) অথবা কন্টেন্টস + পুল রিকোয়েস্ট সহ একটি ফাইন-গ্রেইনড টোকেন ব্যবহার করুন; GitLab-এর জন্য api স্কোপ ব্যবহার করুন। আপনার টোকেন সার্ভারে সংরক্ষিত থাকে — শুধুমাত্র ফাইলের বিষয়বস্তু ব্রাউজারে টানা হয়।
3. repository owner/name হিসাবে টাইপ করুন (আপনারটি খুঁজে পেতে তালিকাটি ফিল্টার করুন), তারপর একটি branch নির্বাচন করুন।
4. ঐচ্ছিকভাবে Create a new working branch (যেমন dcc/my-feature) টিক দিন যাতে আপনার কাজ ডিফল্ট শাখা থেকে বিচ্ছিন্ন থাকে।
5. ঐচ্ছিকভাবে push webhook সক্ষম করুন যাতে সতীর্থরা পুশ করলে Explorer তাৎক্ষণিকভাবে রিফ্রেশ হয় (একটি পাবলিক গেটওয়ে URL প্রয়োজন)।
6. Open repository ক্লিক করুন।

4.3 রিফ্রেশ, স্যুইচ এবং বন্ধ করুন

• Refresh (Explorer হেডার-এ ↻) ফোল্ডারটি পুনরায় স্ক্যান করে বা Git থেকে সর্বশেষটি টানে।
• ট্রি-এর নিচে থাকা বোতামগুলি থেকে Open another ফোল্ডার বা Open from Git।
• Close project (ট্র্যাশ আইকন) ইন-ব্রাউজার ওয়ার্কস্পেস মুছে ফেলে।

4.4 ফোল্ডার-স্কোপড চ্যাট সেশন

চ্যাট ইতিহাস খোলা প্রকল্পের সাথে সংযুক্ত। ফোল্ডার পরিবর্তন করলে স্বয়ংক্রিয়ভাবে একটি নতুন সেশন শুরু হয় এবং সেই ফোল্ডারের পূর্ববর্তী সেশনগুলি লোড হয়, সবচেয়ে সাম্প্রতিকটি পুনরায় খোলে যাতে আপনি যেখান থেকে ছেড়েছিলেন সেখান থেকে আবার শুরু করতে পারেন।

4.5 অপারেশনাল ফোল্ডার

DeepCerebra অভ্যন্তরীণভাবে যে ফোল্ডারগুলি ব্যবহার করে — .deepcerebra, .sessions — সেগুলি ট্রিতে প্রদর্শিত হয় কিন্তু ডিফল্টরূপে সংকুচিত থাকে যাতে আপনার উৎসকে বিশৃঙ্খল না করে।

5 ফাইল নিয়ে কাজ করা

• এডিটরে খুলতে Explorer-এ একটি ফাইলে ক্লিক করুন; মিনিম্যাপ আপনাকে দীর্ঘ ফাইলগুলিতে নেভিগেট করতে সহায়তা করে।
• আপনার পরবর্তী বার্তার জন্য সুস্পষ্ট প্রসঙ্গ হিসাবে সংযুক্ত করতে Explorer থেকে চ্যাট প্রম্পটে একটি ফাইল টেনে আনুন।
• এজেন্ট সম্পাদনা প্রস্তাব করলে, এডিটর নির্বাচিত ফাইলের জন্য একটি ইনলাইন diff দেখায়।

6 এজেন্টের সাথে চ্যাট করা

একটি অনুরোধ লিখুন

আপনি সহজ ভাষায় কী চান তা বর্ণনা করুন — একটি প্রশ্ন জিজ্ঞাসা করুন, একটি বৈশিষ্ট্যের অনুরোধ করুন, অথবা একটি ত্রুটি নির্দেশ করুন। সেরা ফলাফল পেতে ফাইল, ফ্রেমওয়ার্ক এবং সীমাবদ্ধতা সম্পর্কে সুনির্দিষ্ট হন। প্রাসঙ্গিক ফাইলগুলিকে প্রম্পটে টেনে এনে সংযুক্ত করুন।

Cursor-স্টাইলে প্রতিক্রিয়া পড়ুন

প্রতিক্রিয়াগুলি Cursor-এর মতো সংগঠিত: এজেন্টের যুক্তি deliverable থেকে পৃথক করা হয়। প্রতিটি প্রতিক্রিয়া ব্লকের উপরের-ডান কোণে একটি কপি আইকন থাকে যাতে আপনি একটি সম্পূর্ণ রিপোর্ট, ডকুমেন্ট, বা আপনার চালানোর জন্য নির্ধারিত একটি কমান্ড কপি করতে পারেন।

একটি রান নিয়ন্ত্রণ বা বন্ধ করুন

• ভুল পথে চালিত একটি রান থামাতে Stop ব্যবহার করুন, তারপর আপনার প্রম্পট পরিমার্জন করুন।
• এজেন্টকে একটি লুপ থেকে বের করে আনতে ইঙ্গিত দিন (যেমন "html.parser এর পরিবর্তে lxml ব্যবহার করুন")।

7 চারটি চ্যাট মোড

প্রম্পটের পাশে মোড সিলেক্টর থেকে একটি মোড বেছে নিন। প্রতিটি মোড এজেন্ট কতটা পরিকল্পনা করে এবং কতটা অবাধে সম্পাদনা করে তা নিয়ন্ত্রণ করে:

8 পরিবর্তন পর্যালোচনা ও প্রয়োগ

এজেন্ট যখন ফাইল পরিবর্তনের প্রস্তাব করে, তখন চ্যাট ইনপুটের উপরে একটি Proposed Changes প্যানেল প্রদর্শিত হয়, প্রতিটি স্পর্শ করা ফাইল যোগ করা (+) এবং সরানো (−) লাইনের সংখ্যা সহ তালিকাভুক্ত করে।

• এডিটরে এর ইনলাইন diff খুলতে একটি ফাইল সারিতে ক্লিক করুন।
• একটি একক ফাইল Apply বা Reject করুন, অথবা Apply all / Reject all ব্যবহার করুন।
• প্রয়োগ করা পরিবর্তনগুলি চিহ্নিত করা হয় applied (এবং · disk যখন একটি বাস্তব ফোল্ডারে লেখা হয়)।
• যদি কোনো লেখার যোগ্য ফোল্ডার না থাকে, তাহলে একটি workspace only ব্যাজ নির্দেশ করে যে পরিবর্তনগুলি ইন-ব্রাউজার ওয়ার্কস্পেসে প্রয়োগ হয়।

9 সমন্বিত টার্মিনাল

বিল্ড, পরীক্ষা এবং স্ক্রিপ্ট চালানোর জন্য এডিটরের নিচে টার্মিনাল টগল করুন। আপনার অনুমোদনের সাথে, এজেন্ট কমান্ডগুলি কার্যকর করতে পারে এবং তার কাজ যাচাই করার জন্য তাদের আউটপুট পড়তে পারে; দীর্ঘ-চলমান কমান্ডগুলি আউটপুট স্ট্রিম করে যাতে আপনি অগ্রগতি দেখতে পারেন। যখন আপনার টার্মিনালের প্রয়োজন নেই তখন এর হেডার থেকে এটি বন্ধ করুন।

10 প্ল্যান মোড ও এক্সিকিউশন

বৃহত্তর লক্ষ্যের জন্য, ব্যবহার করুন প্ল্যান মোড (অথবা এজেন্টকে প্রথমে প্ল্যান করতে বলুন)। প্ল্যানার আপনার প্রোজেক্ট স্ক্যান করে, লক্ষ্যকে নির্ভরতা-সচেতন টাস্কে বিভক্ত করে, এবং প্রতিটি সঠিক বিশেষজ্ঞকে (আর্কিটেক্ট, কোডার, টেস্টার, ডক্স) বরাদ্দ করে।

• পরিকল্পনা পর্যালোচনা ও সম্পাদনা করুন — এক্সিকিউশনের আগে কাজ যোগ করুন, সরান বা পরিবর্তন করুন।
• স্তর অনুসারে এক্সিকিউট করুন — স্বাধীন কাজগুলি একসাথে চলে; একটি কাজ ব্যর্থ হলে প্ল্যানার পুনরায় পরিকল্পনা করতে পারে।
• যেকোনো সময় এক্সিকিউশন Pause, resume, বা abort করুন।

11 মডেল নির্বাচন ও Auto

প্রম্পটের পাশে model picker খুলুন। বিকল্পগুলি এভাবে গোষ্ঠীভুক্ত করা হয়েছে:

• Auto — DeepCerebra-কে সেরা উপলব্ধ মডেলটি বেছে নিতে দিন (প্রস্তাবিত)।
• Local (your GPU) — আপনার নিজের মেশিন থেকে পরিবেশিত মডেলগুলি (অনুচ্ছেদ 13 দেখুন)।
• প্ল্যাটফর্ম গেটওয়ে — হোস্ট করা মডেল, গেটওয়ে এবং তারপর বিক্রেতা দ্বারা গোষ্ঠীভুক্ত (যেমন Anthropic, OpenAI, Google)।

Auto নির্বাচন কিভাবে কাজ করে

Auto-তে, DeepCerebra tiered, adaptive routing ব্যবহার করে: সাধারণ কাজগুলি একটি দ্রুত, অর্থনৈতিক মডেলে যায়, যখন জটিল বা পরিকল্পনা-ভারী কাজ (উদাহরণস্বরূপ, Plan মোড) একটি শক্তিশালী মডেলে রুট করা হয়। এটি স্বয়ংক্রিয়ভাবে খরচ এবং গুণমানের ভারসাম্য বজায় রাখে, তাই আপনাকে ম্যানুয়ালি বেছে নেওয়ার খুব কমই প্রয়োজন হয়।

12 আপনার নিজস্ব কী আনুন (BYOK)

আপনি মিটার করা প্ল্যাটফর্ম ব্যবহারের পরিবর্তে আপনার নিজের প্রদানকারী অ্যাকাউন্টের মাধ্যমে অনুরোধগুলি রুট করতে পারেন।

1. সাইডবার থেকে API Keys খুলুন।
2. Bring Your Own Key-এর অধীনে, একটি প্রদানকারী বেছে নিন (যেমন ANTHROPIC_API_KEY, GOOGLE_API_KEY, OPENAI_API_KEY)।
3. কী ভ্যালু পেস্ট করুন এবং ক্লিক করুন সংরক্ষণ করুন। কীগুলি বিশ্রামে এনক্রিপ্ট করা হয় এবং ব্রাউজারে কখনও ফেরত পাঠানো হয় না — শুধুমাত্র একটি মাস্ক করা পূর্বরূপ দেখানো হয়।

প্ল্যাটফর্ম (DeepCerebra) মডেলগুলির জন্য কোনো কী প্রয়োজন হয় না। Remove দিয়ে যেকোনো সময় একটি কী সরান।

13 স্থানীয় মেশিন: GPU মডেল ও কনসোল (DCC Bridge)

DCC Bridge একটি ছোট dcc-bridge কানেক্টরের মাধ্যমে আপনার নিজের কম্পিউটারকে ওয়েব অ্যাপের সাথে সংযুক্ত করে, একসাথে দুটি ক্ষমতা আনলক করে:

• স্থানীয় GPU মডেল — Ollama বা LM Studio দ্বারা পরিবেশিত মডেলগুলি আপনার মেশিনে মডেল পিকারের অধীনে স্থানীয় (আপনার GPU) হিসাবে প্রদর্শিত হয়।
• Console / terminal on your machine — ওয়েব টার্মিনাল এবং এজেন্ট আপনার কম্পিউটারে বাস্তব কমান্ড চালাতে পারে, আপনার ইতিমধ্যে কনফিগার করা CLI টুলগুলি সহ (Railway, AWS CLI, OVH CLI, gh, docker, kubectl, WSL, …) তাদের বিদ্যমান শংসাপত্র সহ।

কানেক্টর একটি প্রমাণীকৃত WebSocket-এর মাধ্যমে আউট ডায়াল করে — কোনো ইনবাউন্ড পোর্ট প্রয়োজন নেই, এবং এটি NAT এবং ফায়ারওয়ালের পিছনে কাজ করে। এটি Windows, macOS, এবং Linux (Python 3.10+) এ চলে।

13.1 আপনার কম্পিউটার যুক্ত করুন

1. বাম অ্যাক্টিভিটি রেলে ল্যাপটপ আইকনে ক্লিক করুন — Local Machine (GPU + Console)। (একই প্যানেল মডেল পিকার ফুটার থেকে Manage local GPU… এর মাধ্যমে খোলে।)
2. নিশ্চিত করুন যে Local execution টগল সক্ষম আছে, ডিভাইসের নাম দিন এবং Add this computer ক্লিক করুন। এককালীন pairing token (dcc_brg_…) এবং পেস্ট করার জন্য প্রস্তুত কানেক্টর কমান্ড কপি করুন — টোকেনটি ঠিক একবার দেখানো হয়।

13.2 কানেক্টর ইনস্টল ও চালান

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_xxxxx

• গেটওয়ে হিসাবে ব্রাউজারে আপনি যে ডোমেইন ব্যবহার করেন সেটিই ব্যবহার করুন (wss://deepcerebra.ai বা wss://deepcerebra.io) — পেয়ারিং কার্ড সঠিকটি প্রিফিল করে। দুটি সাইট আলাদা ডিপ্লয়মেন্ট এবং আলাদা অ্যাকাউন্ট ও টোকেন সহ।
• GPU মডেলগুলির জন্য, Ollama চালু রাখুন, অথবা LM Studio-এর স্থানীয় সার্ভার (ডিফল্ট পোর্ট 1234) একটি মডেল লোড করে সক্ষম করুন।
• পেয়ার করা ডিভাইসগুলি online/offline স্ট্যাটাস, মডেল গণনা এবং exec স্কোপ দেখায়; আপনি যেকোনো সময় একটি ডিভাইস Revoke করতে পারেন।

13.3 ওয়েব অ্যাপ থেকে আপনার কনসোল ব্যবহার করুন

ডিফল্টরূপে, কমান্ডগুলি একটি ডেডিকেটেড ওয়ার্কস্পেস ফোল্ডারে (~/DeepCerebra) সীমাবদ্ধ থাকে। আপনার পূর্ব-কনফিগার করা CLI সহ আপনার বাস্তব প্রোজেক্ট ফোল্ডারগুলিতে কাজ করতে, কানেক্টর শুরু করার সময় সেগুলিকে স্পষ্টভাবে অনুমতি দিন:

# 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-dir

তারপর Terminal প্যানেল খুলুন, Execution target পপওভার (ল্যাপটপ আইকন) ক্লিক করুন, My computer বেছে নিন এবং একটি ওয়ার্কিং ডিরেক্টরি নির্বাচন করুন। আপনার টাইপ করা কমান্ড এবং এজেন্টের বিল্ড/টেস্ট কমান্ড উভয়ই তখন আপনার মেশিনে কার্যকর করা হয়।

14 Git কোলাবোরেশন ওয়ার্কফ্লো

একটি গিট-সমর্থিত প্রকল্প খোলা থাকলে, এক্সপ্লোরারে একটি শাখা বার প্রদর্শিত হয় যা আপনার বর্তমান শাখা এবং দুটি ক্রিয়া দেখায়:

• Check in (commit) — পরিবর্তিত ফাইলের সংখ্যা পর্যালোচনা করুন, একটি কমিট বার্তা লিখুন এবং আপনার ওয়ার্কিং শাখায় কমিট করুন।
• Integrate — আপনার ওয়ার্কিং শাখা থেকে ডিফল্ট শাখায় (যেমন main) একটি pull request খুলুন। আপনাকে একটি ওয়ার্কিং শাখায় থাকতে হবে, ডিফল্ট শাখায় নয়।

যদি push webhook সক্ষম থাকে, তাহলে সতীর্থরা পুশ করলে Explorer স্বয়ংক্রিয়ভাবে রিফ্রেশ হয়, সবাইকে সিঙ্কে রাখে — DeepCerebra-এর মাধ্যমে সহযোগী দলগত উন্নয়নের ভিত্তি।

15 MCP Servers

Model Context Protocol-এর মাধ্যমে বাহ্যিক টুল এবং ডেটা দিয়ে এজেন্টকে প্রসারিত করুন। একটি .deepcerebra/mcp.json ফাইলে সার্ভার কনফিগার করুন, উদাহরণস্বরূপ:

{
  "mcpServers": {
    "my-tools": {
      "url": "https://example.com/mcp",
      "disabled": false,
      "allowlist": ["search_issues", "get_pr"],
      "autoApprove": ["create_issue"],
      "auth": { "type": "bearer", "tokenEnv": "MY_TOKEN" }
    }
  }
}

সক্ষম করা MCP টুলগুলি আপনার অনুরোধের সাথে প্রাসঙ্গিক হলে এজেন্টের কাছে স্বয়ংক্রিয়ভাবে উপলব্ধ হয়। স্থানীয় (stdio) এবং রিমোট (http/sse) সার্ভার উভয়ই সমর্থিত।

বিল্ট-ইন নিরাপত্তা

• Deny-by-default — যখন একটি সার্ভার একটি allowlist তালিকাভুক্ত করে, তখন শুধুমাত্র সেই টুলগুলি চলতে পারে।
• উচ্চ-ঝুঁকির সরঞ্জামগুলির জন্য অনুমোদন — মিউটেটিং টুলগুলি (লিখুন/মুছুন/ডিপ্লয়/…) অনুমোদনের প্রয়োজন যদি না আপনি সেগুলিকে autoApprove-এ পূর্ব-অনুমোদন করেন।
• রেট লিমিটিং, আর্গুমেন্ট এবং আউটপুট স্যানিটেশন, এবং একটি অডিট লগ প্রতিটি কলে প্রযোজ্য।

Resources ও prompts

যদি একটি সার্ভার MCP resources বা prompt templates প্রকাশ করে, তাহলে এজেন্ট স্বয়ংক্রিয়ভাবে সেগুলি ব্যবহার করার জন্য টুলগুলি অর্জন করে (mcp_list_resources, mcp_read_resource, mcp_list_prompts, mcp_get_prompt)।

দূরবর্তী সার্ভারগুলির জন্য প্রমাণীকরণ

একটি দূরবর্তী সার্ভারে একটি auth ব্লক যোগ করুন। Secrets ${ENV_VAR} ইন্টারপোলেশন সমর্থন করে:

// 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"
}

16 এজেন্ট কাস্টমাইজ করা: Rules, Skills, Hooks, Subagents ও Plugins

আপনি একটি একক, ফাইল-ভিত্তিক কনভেনশন — .deepcerebra/ ডিরেক্টরি — দিয়ে এজেন্ট কীভাবে চিন্তা করে এবং কাজ করে তা আকৃতি দিতে পারেন, যা ডেস্কটপ অ্যাপ, ওয়েব অ্যাপ, এবং API-তে অভিন্নভাবে কাজ করে। ওয়েব অ্যাপে, Agent ভিউ-এর অধীনে এই সবগুলি পরিচালনা করুন; ডেস্কটপে এবং API-এর মাধ্যমে এগুলি সাধারণ ফাইল যা আপনি আপনার প্রোজেক্টের সাথে কমিট করেন।

Scopes ও precedence

কনফিগারেশন বিভিন্ন স্কোপ থেকে আবিষ্কৃত হয়; যখন একই আইটেম একাধিক স্কোপে বিদ্যমান থাকে, তখন উচ্চ-প্রাধান্যের স্কোপটি জয়ী হয়:

team/org  <  global (~/.deepcerebra)  <  workspace (<repo>/.deepcerebra)
(সর্বনিম্ন)                                              (সর্বোচ্চ)

• Workspace — <repo>/.deepcerebra/…, প্রোজেক্টের সাথে কমিট করা হয়।
• Global — ~/.deepcerebra/…, প্রোজেক্ট জুড়ে আপনার ব্যক্তিগত ডিফল্ট।
• Team / org — একটি শেয়ার করা বেসলাইন (সর্বনিম্ন অগ্রাধিকার) যাতে একজন ব্যবহারকারী বা প্রোজেক্ট সর্বদা এটি ওভাররাইড করতে পারে। ওয়েব অ্যাপে, একটি নিয়মের Scope Team-এ সেট করুন।

Rules (steering)

নিয়মগুলি হল স্থায়ী নির্দেশাবলী — কোডিং মান, স্থাপত্যের রীতি, ডোমেন প্রসঙ্গ — যা এজেন্টের সিস্টেম প্রম্পটে ইনজেক্ট করা হয়। এগুলি Markdown ফাইল হিসাবে থাকে .deepcerebra/steering/, এবং সর্বদা চালু থাকা AGENTS.md স্ট্যান্ডার্ড। ফ্রন্টম্যাটার নিয়ন্ত্রণ করে কখন একটি নিয়ম লোড হবে:

---
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 — প্রতিটি টার্নে (ডিফল্ট)।
• fileMatch — শুধুমাত্র যখন একটি ইন-কনটেক্সট ফাইল globs-এর সাথে মেলে।
• auto — যখন আপনার অনুরোধ নিয়মের name/description-এর সাথে মিলে যায়।
• manual — শুধুমাত্র যখন আপনি এটিকে #name বা /name হিসাবে উল্লেখ করেন।

একটি রুট AGENTS.md রেপো-ব্যাপী প্রযোজ্য; একটি নেস্টেড AGENTS.md (যেমন services/api/AGENTS.md) শুধুমাত্র সেই ফোল্ডারের অধীনে ফাইলগুলিতে প্রযোজ্য। ওয়েব অ্যাপে, Agent → Steering ভিউ প্রতিটি নিয়মকে একটি Scope পিকার দেয় (Global / Project / Team)।

Skills

Skills হল পুনরায় ব্যবহারযোগ্য প্লেবুক যা এজেন্ট চাহিদা অনুযায়ী লোড করে। প্রতিটি skill হল .deepcerebra/skills/-এর অধীনে SKILL.md সহ একটি ফোল্ডার:

---
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.

এজেন্ট একটি হালকা ক্যাটালগ (নাম + বিবরণ) দেখে এবং এর সাথে সম্পূর্ণ বডি টেনে আনে load_skill টুল যখন প্রাসঙ্গিক। আপনি স্পষ্টভাবে একটিকে আহ্বান করতে পারেন /skill <name>. সেট করুন disable-model-invocation: true একটি দক্ষতা ম্যানুয়াল-শুধুমাত্র করতে।

Hooks

Hooks লাইফসাইকেল ইভেন্টগুলিতে অটোমেশন চালায়। সেগুলিকে .deepcerebra/hooks/*.hook.json হিসাবে সংজ্ঞায়িত করুন:

{
  "title": "Format on save",
  "event": "fileSave",
  "filePattern": ["**/*.ts"],
  "action": { "type": "shell", "command": "npm run lint:fix -- $FILE" },
  "enabled": true
}

ইভেন্টগুলির মধ্যে রয়েছে promptSubmit, preToolUse, postToolUse, fileCreate, fileSave, fileDelete, preTask, postTask, sessionStart, preCompact, এবং agentStop (Cursor/Claude বানানও গৃহীত)। একটি অ্যাকশন হয় shell (একটি কমান্ড চালান) অথবা agentPrompt (এজেন্টকে জিজ্ঞাসা করুন)। একটি preToolUse হুক এটি যে টুল কলকে বাধা দেয় তার জন্য allow, deny, বা ask করতে পারে।

Subagents

Subagents হল বিশেষজ্ঞ এজেন্ট যা আপনি সংজ্ঞায়িত করেন এবং অর্পণ করেন। প্রতিটি হল .deepcerebra/agents/-এর অধীনে frontmatter এবং একটি বডি (এর সিস্টেম প্রম্পট) সহ একটি Markdown ফাইল:

---
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…

প্রধান এজেন্ট task (ব্লকিং), task_async + task_status / task_result (ব্যাকগ্রাউন্ড), অথবা task_parallel (ফ্যান-আউট) এর সাথে কাজ অর্পণ করে।

Plugins

একটি প্লাগইন নিয়ম, দক্ষতা, হুক, সাবএজেন্ট এবং MCP সার্ভারগুলিকে একটি ইনস্টলযোগ্য প্যাকেজে একত্রিত করে এর অধীনে .deepcerebra/plugins/<name>/, যা একটি plugin.json ম্যানিফেস্ট দ্বারা বর্ণিত:

{
  "name": "Acme Standards",
  "version": "1.2.0",
  "description": "Acme rules + skills + review agents.",
  "enabled": true
}

প্লাগইন বিষয়বস্তু সর্বনিম্ন অগ্রাধিকারের সাথে একত্রিত হয়, তাই আপনার নিজের নিয়ম এবং দক্ষতা সর্বদা একটি প্লাগইনের নিয়মগুলিকে ওভাররাইড করে। "enabled": false বা একটি .disabled মার্কার ফাইল দিয়ে একটি প্লাগইন অক্ষম করুন।

17 Agentic Workflow Studio ও ইভেন্ট-চালিত এজেন্ট

The ওয়ার্কফ্লো স্টুডিও হল মাল্টি-এজেন্ট অটোমেশনের জন্য একটি ভিজ্যুয়াল ডিজাইনার। আপনি পর্যায়গুলি — প্রতিটি একটি এজেন্ট, একটি বিশেষজ্ঞ ধাপ, বা একটি নিয়ন্ত্রণ আদিম — একটি গ্রাফে রচনা করেন, সেগুলিকে নির্ভরতা সহ সংযুক্ত করুন, এবং লাইভ প্রতি-পর্যায়ের অগ্রগতি, বাজেট এবং মানব-অনুমোদন গেট সহ ইঞ্জিনটিতে সম্পূর্ণ অর্কেস্ট্রেশন চালান। ওয়ার্কফ্লোগুলি একটি পোর্টেবল YAML/JSON সংজ্ঞা হিসাবে সংরক্ষিত হয় যা আপনি এক্সপোর্ট, ইম্পোর্ট, Git-এ সংস্করণ করতে পারেন, এবং API বা CLI থেকে চালাতে পারেন।

17.1 একটি ওয়ার্কফ্লো তৈরি করা

• Palette (বাম) — স্টেজ প্রকার, রেডি-মেড এজেন্ট প্রকার (গবেষণা, কোড জেনারেট, QA, ডকুমেন্ট রাইটার, মেডিকেল ডিভাইস, পেটেন্ট কাউন্সেল, এবং আপনার নিজস্ব কাস্টম প্রকার), Skill Library থেকে দক্ষতা, এবং টুলগুলি ক্যানভাসে টেনে আনুন।
• Canvas (কেন্দ্র) — স্টেজগুলি সাজান এবং প্রান্তগুলি আঁকুন; একটি প্রান্তের অর্থ হল "এই স্টেজটি সেটির উপর নির্ভর করে" এবং স্বয়ংক্রিয়ভাবে আপস্ট্রিম আউটপুটকে ডাউনস্ট্রিম প্রম্পটে ফিড করে।
• Inspector (ডান, আকার পরিবর্তনযোগ্য) — নির্বাচিত স্টেজ কনফিগার করুন: এর প্রম্পট, দক্ষতা, টুল, প্রতি-স্টেজ মডেল ওভাররাইড, আউটপুট আর্টিফ্যাক্ট, গেট, ইভেন্ট এবং প্রকার-নির্দিষ্ট প্যারামিটার।
• টেমপ্লেট — একটি অন্তর্নির্মিত ব্লুপ্রিন্ট থেকে শুরু করুন (Ship-It Pipeline, SaaS Starter, Data Pipeline with Evals, Customer Comms Hub, Design → Verified App) এবং এটি কাস্টমাইজ করুন।
• Generate — অ্যাপ বা প্রক্রিয়াটি সাধারণ ভাষায় বর্ণনা করুন এবং Agent Builder একটি সম্পূর্ণ, বৈধ ওয়ার্কফ্লো গ্রাফ তৈরি করে যা আপনি পর্যালোচনা, সামঞ্জস্য এবং চালাতে পারেন।

17.2 স্টেজ লাইব্রেরি

17.3 ইভেন্ট-চালিত এজেন্ট (এজেন্ট মেশ)

প্রতিটি পর্যায় — প্রকার নির্বিশেষে — পারে প্রকাশ এবং সদস্যতা গ্রহণ ওয়ার্কস্পেস ইভেন্ট বাসে টাইপ করা ইভেন্টগুলিতে, যাতে এজেন্টরা শুধুমাত্র DAG-এর মাধ্যমে নয়, একটি মেসেজ ফ্যাব্রিকের পরিষেবাগুলির মতো সমন্বয় সাধন করে:

• Event classes — প্রতিটি ইভেন্ট একটি ক্লাস বহন করে: lifecycle, agent, business, data, system, schedule, chat, external, বা alert — সাবস্ক্রিপশন এবং রিপ্লেতে ফিল্টারযোগ্য।
• Subscribe modes — trigger (একটি ম্যাচিং ইভেন্ট এলে স্টেজটি চলে; পার্ক করা স্টেজ সহ একটি রান listening হিসাবে থাকে), gate (একটি মানব ক্লিকের পরিবর্তে একটি ইভেন্ট দ্বারা অনুমোদিত একটি মেশিন গেট), এবং data (পে লোড স্টেজের প্রসঙ্গে একত্রিত হয়)।
• Kickoff by event — যেকোনো এজেন্টকে একটি অর্কেস্ট্রেটর বা অন্য এজেন্ট দ্বারা তার ঠিকানা agent.<stage-id>.request-এ প্রকাশ করে শুরু করা যেতে পারে।
• Run triggers — একটি ওয়ার্কফ্লোর triggers: ব্লক ইনবাউন্ড webhooks, cron schedules, events, বা চ্যাটে শুরু করার জন্য এটিকে প্রস্তুত করে — এমনকি Studio বন্ধ থাকলেও।
• Live runs — রান প্যানেল SSE-এর মাধ্যমে লাইফসাইকেল ইভেন্ট স্ট্রিম করে: স্টেজ শুরু/সম্পূর্ণ, গেট, সতর্কতা এবং প্রিভিউ তাৎক্ষণিকভাবে প্রদর্শিত হয়।
• Durable log & replay — ইভেন্টগুলি প্রতি ওয়ার্কস্পেসে স্থায়ী হয় এবং অডিট ও ডিবাগিংয়ের জন্য টপিক প্যাটার্ন এবং ক্লাস দ্বারা পুনরায় চালানো যেতে পারে।

17.3.1 এজেন্টদের জন্য ইভেন্ট কিউইং

ইভেন্টগুলিতে প্রতিক্রিয়াশীল এজেন্টরা একটি স্থায়ী নামযুক্ত কিউ ঘোষণা করতে পারে যাতে এজেন্ট ব্যস্ত থাকা অবস্থায় বা একটি রান শোনার আগে ম্যাচিং ইভেন্টগুলি কখনও হারিয়ে না যায়। একটি ট্রিগার সাবস্ক্রিপশনে, queue: <name> সেট করুন — ইঞ্জিন সেই টপিকটিকে ওয়ার্কস্পেস ইভেন্ট বাসের একটি FIFO কিউতে আবদ্ধ করে (যা .deepcerebra/workflows/events/queues/ এর অধীনে সংরক্ষিত থাকে)। সেই মুহূর্ত থেকে প্রকাশিত প্রতিটি ম্যাচিং ইভেন্ট কিউতে ক্যাপচার করা হয়; যখন স্টেজটি রান করার যোগ্য হয়, তখন ইঞ্জিন সবচেয়ে পুরানো-প্রথম ক্রমে ইভেন্টগুলি পপ করে এবং একবারে একটি করে ব্যবহার করে।

• কিছুই হারায় না — যখন ওয়ার্কফ্লো বন্ধ থাকে, যখন অন্য একটি পর্যায় চলছে, অথবা যখন রান এখনও নির্ভরতার জন্য অপেক্ষা করছে, তখন প্রকাশিত ইভেন্টগুলি বাদ পড়ার পরিবর্তে সারিবদ্ধ করা হয়।
• প্রতি-সাবস্ক্রিপশন count — সাবস্ক্রিপশন সন্তুষ্ট হওয়ার আগে N কিউতে থাকা (বা বিতরণ করা) ইভেন্টের প্রয়োজন (যখন একাধিক কর্মীকে রিপোর্ট করতে হয় তখন এটি কার্যকর)।
• Studio — Inspector-এর ইভেন্টস প্যানেলে, একটি ট্রিগার সাবস্ক্রিপশনে queue ফিল্ড সেট করুন; স্বয়ংক্রিয়ভাবে বাইন্ডিং তৈরি করতে ট্রিগার সক্রিয় করুন বা একটি রান শুরু করুন।
• API ও টুলস — GET /api/workflow/queues গভীরতা এবং বাইন্ডিং তালিকাভুক্ত করে; GET /api/workflow/queues/{name} মুলতুবি ইভেন্টগুলি দেখায়; চ্যাট এজেন্টরা event_queue_status এবং pop_queued_event কল করতে পারে।

events:
  subscribe:
    - topic: ticket.created
      mode: trigger
      queue: triage-inbox        # durable FIFO — events wait here for this agent
      map:
        payload.ticket_id: ticket_id

17.3.2 সেমাফোর অর্কেস্ট্রেশন (শেয়ার্ড-রিসোর্স সুরক্ষা)

একটি সেমাফোর একটি শেয়ার্ড (সুরক্ষিত) রিসোর্সে কতগুলি টাস্ক একই সাথে কাজ করতে পারে তা সীমিত করে: যেমন একটি ডেটাবেস লেখা হচ্ছে, একটি গ্লোবাল ভেরিয়েবল স্টোর, একটি ফাইল, বা একটি রেট-লিমিটেড এক্সটার্নাল এজেন্ট। যেকোনো স্টেজে semaphore: দিয়ে একটি সংযুক্ত করুন — স্টেজের কাজ শুরু হওয়ার আগে, ইঞ্জিন নামযুক্ত ওয়ার্কস্পেস সেমাফোরের একটি পারমিট অর্জন করে; পারমিটটি পরে সর্বদা মুক্ত করা হয়, এমনকি স্টেজ ব্যর্থ হলেও। permits: 1 এটিকে একটি মিউটেক্স করে তোলে: একবারে শুধুমাত্র একটি টাস্ক (ওয়ার্কস্পেসের সমস্ত সমান্তরাল রান জুড়ে) ক্রিটিক্যাল ধাপটি সম্পাদন করে; অন্য প্রতিটি টাস্ক হোল্ডার শেষ না হওয়া পর্যন্ত অপেক্ষা করে।

• ক্রস-রান সিরিয়ালাইজেশন — সেমাফোরগুলি ওয়ার্কস্পেস-স্কোপড এবং স্থায়ীভাবে সংরক্ষিত, তাই দুটি সমসাময়িক ওয়ার্কফ্লো রান একই সুরক্ষিত সম্পদ নষ্ট করতে পারবে না।
• অপেক্ষা করা, আটকে না থাকা — টাস্কগুলি একটি পারমিটের জন্য timeout_s পর্যন্ত ব্লক করে; যদি রিসোর্সটি ধারণক্ষমতায় থাকে, তবে স্টেজটি চিরতরে আটকে থাকার পরিবর্তে দৃশ্যমানভাবে ব্যর্থ হয়।
• ক্র্যাশ সুরক্ষা — প্রতিটি পারমিট একটি ttl_s বহন করে; যদি একজন হোল্ডার রিলিজ না করে ক্র্যাশ করে, তবে পারমিটটি স্বয়ংক্রিয়ভাবে মেয়াদোত্তীর্ণ হয় যাতে রিসোর্সটি কখনও ডেড-লক না হয়।
• পর্যবেক্ষণযোগ্যতা — বাস semaphore.<name>.waiting, .acquired, এবং .released সিস্টেম ইভেন্ট নির্গত করে; GET /api/workflow/semaphores ক্ষমতা, হোল্ডার এবং উপলব্ধ পারমিট দেখায়।
• চ্যাট এজেন্ট — acquire_semaphore, release_semaphore, এবং semaphore_status টুলগুলি একটি ওয়ার্কফ্লোর বাইরে অ্যাড-হক ক্রিটিক্যাল সেকশনগুলিকে সমন্বয় করে।

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 minutes

17.3.3 রেন্ডেজভাস অর্কেস্ট্রেশন (সমস্ত শর্তের জন্য অপেক্ষা করুন)

Rendezvous অপেক্ষা করে যতক্ষণ না একাধিক ইভেন্টের শর্তগুলি পূরণ হয় পরবর্তী ধাপ শুরু হওয়ার আগে — "প্রথম ইভেন্ট জেতে" এর বিপরীত। স্টেজের events: ব্লকে join: all সেট করুন: প্রতিটি ট্রিগার সাবস্ক্রিপশন পূরণ হতে হবে স্টেজটি চলার আগে। প্রতি-সাবস্ক্রিপশন count: N এর সাথে একত্রিত করুন যখন একাধিক এজেন্ট (অথবা একজন এজেন্ট থেকে একাধিক রিপোর্ট) সবাই চেক-ইন করতে হবে — উদাহরণস্বরূপ, ডিজাইন সাইন-অফ, পরীক্ষা সম্পন্নকরণ, এবং নিরাপত্তা অনুমোদন একটি রিলিজ স্টেজ কার্যকর হওয়ার আগে।

• join: any (ডিফল্ট) — প্রথম ট্রিগার সাবস্ক্রিপশন পূরণ হলে স্টেজটি চলে।
• join: all — রেন্ডেজভাস: প্রতিটি ট্রিগার সাবস্ক্রিপশন (প্রতিটি তার নিজস্ব টপিক, ক্লাস ফিল্টার এবং ঐচ্ছিক count) পূরণ করতে হবে; তবেই স্টেজটি রান করার যোগ্য হয়।
• পেলোড — সমস্ত ব্যবহৃত ইভেন্ট স্টেজে trigger_events হিসাবে রেকর্ড করা হয় এবং টেমপ্লেটগুলিতে inputs.events (পেলোড সহ ইভেন্ট অবজেক্টের একটি তালিকা) হিসাবে উন্মুক্ত করা হয়।
• Studio — যখন একটি স্টেজে দুটি বা তার বেশি ট্রিগার সাবস্ক্রিপশন থাকে, তখন Inspector একটি Join নির্বাচক দেখায়: any — প্রথম ইভেন্ট জয়ী অথবা all — rendezvous (সবার জন্য অপেক্ষা করুন); ক্যানভাস রেন্ডেজভাস স্টেজগুলিতে একটি মার্জ ব্যাজ দেখায়।

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: 1

17.4 এজেন্ট টুলস লাইব্রেরি

স্টেজগুলি চ্যাট এজেন্ট যে একই রেজিস্ট্রি ব্যবহার করে সেখান থেকে টুলগুলি বেছে নেয়:

• Core — ফাইল, git, শেল, কোড এক্সিকিউশন, কোড সার্চ, ব্রাউজার অটোমেশন, ওয়েব সার্চ, ভিশন/মিডিয়া, ইমেজ জেনারেশন।
• Databases — SQLite, PostgreSQL, MySQL, MongoDB, এবং Redis কোয়েরি এছাড়াও create_database, apply_migrations, এবং dump_schema মালিকানাধীন ডেটা স্তরগুলির জন্য।
• Communications — ফোন কল এবং SMS (Twilio) এবং ইমেল (SendGrid), একটি সিমুলেশন মোড সহ যা শংসাপত্র অনুপস্থিত থাকলে একটি আউটবক্সে রেকর্ড করে — ডেমো ভুলবশত কখনই বাস্তব বার্তা পাঠায় না।
• DevOps — docker_build / docker_push, compose up/down, SSH এবং cloud-CLI ডিপ্লয় (Fly, Render, Railway, Vercel), এছাড়াও সিমুলেশন-নিরাপদ।
• Verification — স্ট্যাক সনাক্তকরণ, পার্স করা পাস রেট সহ টেস্ট-স্যুট এক্সিকিউশন, নির্ভরতা অডিট এবং গোপনীয়তা স্ক্যানিং।
• SciCompute Engines — গণিত, সিগন্যাল প্রসেসিং, কন্ট্রোল, পরিসংখ্যান এবং আরও অনেক কিছু জুড়ে শত শত বৈজ্ঞানিক ও প্রকৌশল পদ্ধতি (নাম Class.method)।
• Expert Agency & MCP — গ্রাউন্ডেড ডোমেইন গবেষণা এছাড়াও আপনার সংযুক্ত যেকোনো বাহ্যিক MCP সার্ভার।

17.5 চলমান, গেট এবং আউটপুট

• Validate আপনি রান করার আগে গ্রাফ (অনন্য আইডি, অ্যাসাইক্লিক নির্ভরতা, প্রকার প্যারামিটার) পরীক্ষা করে।
• Human gates স্টেজ তার ড্রাফ্ট তৈরি করার পরে রানটি থামিয়ে দেয়, যাতে আপনি বাস্তব কাজ অনুমোদন করেন; event gates অন্য একটি সিস্টেমকে স্বয়ংক্রিয়ভাবে অনুমোদন করতে দেয়।
• Budgets প্রতি রান এবং প্রতি স্টেজে খরচ সীমিত করে।
• আউটপুটগুলি প্রকল্পে সংরক্ষণ করুন একটি রান দ্বারা তৈরি প্রতিটি আর্টিফ্যাক্ট আপনার খোলা প্রকল্পে অনুলিপি করে।
• Export App ওয়ার্কফ্লোকে একটি স্বতন্ত্র FastAPI পরিষেবাতে পরিণত করে; পাবলিক /v1 API CI এবং ইন্টিগ্রেশনের জন্য রান, ইভেন্ট, ট্রিগার, টেমপ্লেট এবং জেনারেশন প্রকাশ করে।

18 Predictive Tab Completion

Predictive Tab completion এডিটরে টাইপ করার সময় ইনলাইন, ফিল-ইন-দ্য-মিডল কোড সাজেশন অফার করে — Tab দিয়ে একটি সাজেশন গ্রহণ করুন। এটি ইঞ্জিন এবং ওয়েব এডিটর উভয় ক্ষেত্রেই opt-in।

এটি সক্ষম করুন

• ইঞ্জিন — পরিবেশের ফ্ল্যাগ সেট করুন DCC_TAB_COMPLETE=1. এডিটর কল করে ইঞ্জিনের POST /api/complete এন্ডপয়েন্ট, যা কার্সরে সন্নিবেশ করার জন্য শুধুমাত্র টেক্সট ফেরত দেয়।
• Web editor — বিল্ড টাইমে VITE_TAB_COMPLETE=1 দিয়ে, অথবা রানটাইমে localStorage.setItem('dcc.tabComplete', '1') দিয়ে (তারপর রিলোড করুন) সক্ষম করুন।

এটি কিভাবে আচরণ করে

• সাজেশনগুলি ghost text হিসাবে প্রদর্শিত হয়; গ্রহণ করতে Tab চাপুন, অথবা বাতিল করতে টাইপ করতে থাকুন।
• অনুরোধগুলি debounced এবং cancellable, তাই টাইপিং কখনই ব্লক হয় না।
• যখন ফ্ল্যাগ বন্ধ থাকে, তখন বৈশিষ্ট্যটি সম্পূর্ণরূপে নিষ্ক্রিয় থাকে এবং কোনো সম্পূর্ণতার অনুরোধ করা হয় না।

19 ব্যবহার, ক্রেডিট ও বিলিং

আপনার প্ল্যান এবং ব্যবহার পরিচালনা করতে সাইডবার থেকে Billing খুলুন। AI ব্যবহার অন্তর্নিহিত মডেলগুলি দ্বারা ব্যবহৃত টোকেনগুলির উপর ভিত্তি করে U.S.-ডলার ক্রেডিটগুলিতে মিটার করা হয়।

• Cycle spend & prepaid credit — এই চক্রের ব্যবহার এবং যেকোনো প্রিপেইড ব্যালেন্স ট্র্যাক করুন।
• Add overage credit — অন্তর্ভুক্ত ভাতা শেষ হওয়ার পরে AI ব্যবহার চালিয়ে যাওয়ার জন্য একটি অতিরিক্ত পরিমাণ (USD) অনুমোদন করুন; যদি আপনার বাজেট শেষ হয়ে যায় তবে আপনি ক্রেডিট যোগ করার জন্য একটি ব্যানার দেখতে পাবেন।
• আপগ্রেড / প্ল্যান পরিবর্তন করুন — যেকোনো সময় স্তর পরিবর্তন করুন।
• Payment method — ফাইলে থাকা কার্ড যোগ বা আপডেট করুন (Stripe দ্বারা প্রক্রিয়া করা হয়)।
• Cancel — cancel at period end (সময়কাল শেষ না হওয়া পর্যন্ত অ্যাক্সেস রাখুন) বা cancel now (ফেরতযোগ্য অবশিষ্ট অর্থ ফেরত দিন) বেছে নিন। বাতিলকরণ ও ফেরত নীতি দেখুন।

20 আপনার Gateway API Key পাওয়া

একটি gateway API key (একটি ব্যক্তিগত অ্যাক্সেস টোকেন) আপনাকে DeepCerebra পাবলিক API এবং CLI প্রোগ্রাম্যাটিকভাবে ব্যবহার করতে দেয়।

1. সাইন ইন করুন এবং সাইডবার থেকে API Keys খুলুন।
2. DeepCerebra API Keys-এ স্ক্রোল করুন।
3. একটি label লিখুন (যেমন "CI pipeline" বা "laptop CLI")।
4. নির্বাচন করুন স্কোপ — read, chat, code, agent — এবং একটি ঐচ্ছিক মেয়াদ দিনে (খালি = কখনও নয়)।
5. Generate ক্লিক করুন। সম্পূর্ণ কী শুধুমাত্র একবার দেখানো হয় — Copy ক্লিক করুন এবং এটি নিরাপদে সংরক্ষণ করুন।

CLI বা API-এর সাথে deepcerebra.ai-এ এটি ব্যবহার করুন:

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/...

আপনি যেকোনো সময় একটি কী rename বা delete (revoke) করতে পারেন; প্রতিটি কী তার উপসর্গ, স্কোপ, তৈরি/মেয়াদোত্তীর্ণ এবং শেষ-ব্যবহৃত তারিখ দেখায়।

21 নিরাপত্তা ও গোপনীয়তা

• Confidential in-browser storage — আপনার প্রোজেক্ট ফাইলগুলি ব্রাউজারের এনক্রিপ্ট করা ওয়ার্কস্পেসে থাকে; প্রতি অনুরোধে প্রয়োজনীয় ন্যূনতম প্রসঙ্গই সার্ভারে পাঠানো হয়।
• Zero Data Retention (ZDR) — মডেলগুলিতে রুট করা প্রম্পট এবং কোড অনুরোধের বাইরে ধরে রাখা হয় না এবং ফাউন্ডেশন মডেলগুলিকে প্রশিক্ষণ দিতে কখনই ব্যবহার করা হয় না।
• Keys stay server-side — BYOK এবং SCM টোকেনগুলি বিশ্রামে এনক্রিপ্ট করা হয়; শুধুমাত্র মাস্কড প্রিভিউ দেখানো হয়।
• Encryption — ট্রানজিটে TLS; বিশ্রামে অ্যাকাউন্ট ডেটা এনক্রিপ্ট করা হয়; পাসওয়ার্ডগুলি অপরিবর্তনীয়ভাবে হ্যাশ করা হয়।
• আপনার কোড আপনারই — আপনি আপনার বিষয়বস্তু এবং তৈরি করা আউটপুটের মালিক। দেখুন গোপনীয়তা বিবৃতি।

22 সমস্যা সমাধান

"Folder loading needs a Chromium browser"

Chrome, Edge, বা Brave-এ স্যুইচ করুন, অথবা এর পরিবর্তে Open from Git ব্যবহার করুন।

এজেন্ট একই ত্রুটিতে লুপ করে

Stop ক্লিক করুন, তারপর একটি নির্দিষ্ট ইঙ্গিত বা সীমাবদ্ধতা দিয়ে পুনরায় শব্দ করুন।

মডেল বা অনুরোধ ত্রুটি / "budget exhausted"

• আপনার সংযোগ এবং যেকোনো BYOK কী বৈধ কিনা তা পরীক্ষা করুন।
• Auto-তে স্যুইচ করুন যাতে DeepCerebra একটি উপলব্ধ মডেলে রুট করে।
• যদি আপনার ব্যবহারের বাজেট শেষ হয়ে যায়, তাহলে Billing খুলুন এবং add overage credit যোগ করুন বা আপনার প্ল্যান আপগ্রেড করুন।

স্থানীয় মডেলগুলি প্রদর্শিত হয় না

• নিশ্চিত করুন যে dcc-bridge কানেক্টর চলছে এবং ডিভাইসটি online দেখাচ্ছে।
• Ollama চলছে কিনা নিশ্চিত করুন, অথবা LM Studio-এর স্থানীয় সার্ভার (ডিফল্ট পোর্ট 1234) একটি মডেল লোড করা অবস্থায় সক্রিয় করা আছে।

কানেক্টর: "server rejected WebSocket connection: HTTP 401"

• গেটওয়ে হিসাবে --gateway (wss://deepcerebra.ai বা wss://deepcerebra.io) হিসাবে ব্রাউজারে আপনি যে ডোমেইন ব্যবহার করেন সেটিই ব্যবহার করুন — দুটি সাইট আলাদা ডিপ্লয়মেন্ট, এবং একটি থেকে একটি টোকেন অন্যটিতে কখনই কাজ করে না।
• Local Machine পৃষ্ঠায় পেয়ারিং কার্ড থেকে সঠিক কমান্ডটি কপি করুন।

আমার পরিবর্তনগুলি কার্যকর হয়নি

• নিশ্চিত করুন যে আপনি Proposed Changes-এ Apply ক্লিক করেছেন (শুধুমাত্র diff প্রিভিউ করেননি)।
• ফোল্ডারটি পুনরায় স্ক্যান করতে Explorer refresh ব্যবহার করুন।

Git: "You are on the default branch"

একটি pull request খুলতে Integrate ব্যবহার করার আগে একটি working branch খুলুন বা তৈরি করুন।

এখনও আটকে আছেন? support@deepcerebra.ai-এ যোগাযোগ করুন।

23 DeepCerebra Discovery — আপনার ডেটা ও ডকুমেন্ট জিজ্ঞাসা করুন

Discovery আপনার ডেটাবেস এবং ডকুমেন্টের জন্য একটি অনুসন্ধানমূলক চ্যাটবট। একটি একক ক্যোয়ারি দিয়ে উত্তর দেওয়ার পরিবর্তে, এটি একজন বিশ্লেষকের মতো কাজ করে: এটি অনুমান তৈরি করে, সুরক্ষিত অনুসন্ধানের একটি সিরিজ চালায় (SQL, গ্রাফ, ডকুমেন্ট অনুসন্ধান, স্কিমা চেক, ওয়েব যাচাইকরণ), প্রমাণ দ্বারা খণ্ডন করা ব্যাখ্যাগুলি ছাঁটাই করে এবং চার্ট ও একটি স্বচ্ছ খরচের রসিদ সহ একটি সুপ্রতিষ্ঠিত উত্তর সংশ্লেষণ করে। অ্যাক্টিভিটি রেলে (/app/discovery) কম্পাস আইকন থেকে এটি খুলুন।

23.1 স্পেস — আপনার কিউরেটেড স্কোপ

একটি স্পেস একটি প্রশ্ন জিজ্ঞাসা করার জন্য প্রয়োজনীয় সবকিছু একত্রিত করে: ডেটাবেস সংযোগ, ডকুমেন্ট সংগ্রহ, বিশ্লেষকের জন্য নির্দেশাবলী এবং বাজেট। + New space দিয়ে একটি তৈরি করুন, তারপর ডানদিকের সেটআপ প্যানেল ব্যবহার করুন:

• ডেটাবেস সংযোগ করুন — SQLite, PostgreSQL, MySQL, SQL Server, অথবা Snowflake। একটি নাম এবং DSN লিখুন, সংযোগ যাচাই করতে Test ক্লিক করুন (ল্যাটেন্সি এবং সার্ভার সংস্করণ দেখানো হবে), অথবা JSON হিসাবে একটি বিদ্যমান সংযোগ কনফিগারেশন আমদানি করুন। সংযোগগুলি ডিফল্টরূপে শুধুমাত্র পঠনযোগ্য।
• ডকুমেন্ট যোগ করুন — ফাইলগুলি (PDF, DOCX, PPTX, Markdown, text) সরাসরি চ্যাটে টেনে আনুন ও ফেলুন, একটি URL পেস্ট করুন, অথবা ইঞ্জিন হোস্টে একটি ফোল্ডার পাথ নির্দেশ করুন। ডকুমেন্টগুলি হাইব্রিড ভেক্টর + নলেজ-গ্রাফ অনুসন্ধানের জন্য খণ্ডিত, এমবেড করা এবং সূচিত করা হয়।
• টেবিল আমদানি করুন — কোনো ডেটাবেস ছাড়াই তাৎক্ষণিকভাবে ক্যোয়ারি করার জন্য CSV/JSON পেস্ট বা আপলোড করুন।
• বিশ্লেষককে শেখান — মেট্রিক সংজ্ঞা, ব্যবসায়িক নিয়ম ও সতর্কতা, কিউরেটর-অনুমোদিত বিশ্বস্ত ক্যোয়ারি এবং উদাহরণ প্রশ্ন→ক্যোয়ারি জোড়া যোগ করুন যাতে উত্তরগুলি আপনার সংজ্ঞা ব্যবহার করে।

23.2 একটি প্রশ্ন জিজ্ঞাসা করা

আপনি আপনার সহকর্মীকে যেভাবে প্রশ্ন জিজ্ঞাসা করবেন সেভাবে একটি প্রশ্ন টাইপ করুন — উদাহরণস্বরূপ "মার্চ মাসে MRI স্ক্যান ভলিউম কেন কমে গিয়েছিল?"। অনুসন্ধান বোর্ড পুরো প্রক্রিয়াটি সরাসরি স্ট্রিম করে:

• অনুমান — অনুসন্ধানাধীন সম্ভাব্য ব্যাখ্যাগুলি, প্রতিটি প্রমাণ আসার সাথে সাথে সমর্থিত, খণ্ডন করা হয়েছে, বা অনিশ্চিত হিসাবে চিহ্নিত করা হয়।
• অনুসন্ধান — বিশ্লেষক দ্বারা চালিত প্রতিটি ক্যোয়ারি, তার অবস্থা সহ; সম্পূর্ণ স্বচ্ছতার জন্য জেনারেটেড SQL/Cypher দেখানো হয়, এবং প্রতিটি স্টেটমেন্ট এক্সিকিউশনের আগে শুধুমাত্র পঠনযোগ্য গার্ড নিয়মগুলি পাস করে।
• প্রমাণ — ফলাফল টেবিল এবং ডকুমেন্ট অংশ, চূড়ান্ত উত্তরে সংখ্যা দ্বারা উদ্ধৃত।
• উত্তর + চার্ট — একটি সুপ্রতিষ্ঠিত উপসংহার যা বাতিল করা ব্যাখ্যাগুলির নামও উল্লেখ করে, এছাড়াও প্রমাণ থেকে তৈরি আধুনিক নিয়ন-থিমযুক্ত চার্ট।
• রসিদ — টোকেন, প্রতি-অনুসন্ধান খরচ, এবং রাউন্ড, অন্য যেকোনো এজেন্ট রানের মতো আপনার AI Credits-এ চার্জ করা হয়।

অনুসরণমূলক প্রশ্নগুলি একই থ্রেড চালিয়ে যায়, তাই বিশ্লেষক তার প্রসঙ্গ বজায় রাখে।

23.3 চার্ট, রিপোর্ট ও এক্সপোর্ট

চার্টগুলি অনুসন্ধান বোর্ডে ইনলাইন রেন্ডার হয়। সম্পূর্ণ জিজ্ঞাসা — উত্তর, অনুমান, প্রমাণ এবং চার্ট — একটি স্ব-সম্পূর্ণ HTML রিপোর্ট বা একটি প্রিন্ট-গুণমানের PDF হিসাবে ডাউনলোড করতে Export ব্যবহার করুন, যা নিয়ন ডিজাইন সিস্টেম দিয়ে স্টাইল করা হয়েছে।

23.4 বাজেট ও খরচ নিয়ন্ত্রণ

প্রতিটি স্পেস প্রতি-জিজ্ঞাসার বাজেট বহন করে: সর্বোচ্চ সংখ্যক অনুসন্ধান, তদন্ত রাউন্ড, সেকেন্ড এবং USD। ইঞ্জিন ক্যাপে পরিষ্কারভাবে থেমে যায় এবং এটি এখন পর্যন্ত যা খুঁজে পেয়েছে তা রিপোর্ট করে। প্রতিটি অনুসন্ধানের খরচ রসিদে আইটেমাইজ করা হয়, তাই আপনি সর্বদা জানেন খরচ কোথায় হয়েছে।

23.5 অটোমেশন: API, SDK, Workflow Studio ও MCP

• REST API — UI যা কিছু করে তা /v1/discovery/* এর অধীনে উপলব্ধ, একটি PAT সহ যা discovery স্কোপ বহন করে (এটি Account → API Tokens এর অধীনে তৈরি করুন)। স্ট্রিমিং জিজ্ঞাসাগুলি SSE ব্যবহার করে। বাহ্যিক এক্সিকিউটররা Thinking API (/v1/think/*, স্কোপ think) এর মাধ্যমে শুধুমাত্র অনুসন্ধানমূলক পরিকল্পনা ধার করতে পারে।
• Python SDK — pip install deepcerebra-discovery, then DiscoveryClient(base_url, token).ask(space_id, question).
• Workflow Studio — যেকোনো ওয়ার্কফ্লোতে Discovery Ask স্টেজ (discovery.ask) ড্রপ করুন একটি পাইপলাইন ধাপ হিসাবে একটি তদন্ত চালানোর জন্য; উত্তর, চার্ট এবং রসিদ ডাউনস্ট্রিম স্টেজে প্রবাহিত হয়।
• MCP — ইঞ্জিন discovery_ask এবং discovery_list_spaces কে MCP টুল হিসাবে প্রকাশ করে, যাতে বাহ্যিক MCP ক্লায়েন্টরাও তদন্ত চালাতে পারে।