1 Úvod a edice

DeepCerebra Coder je agentní kódovací asistent. Na rozdíl od obyčejného kopilota s automatickým doplňováním plánuje, píše, refaktoruje, spouští příkazy, volá nástroje a iteruje napříč celým vaším projektem – přičemž vy kontrolujete a schvalujete navrhované změny.

Tři způsoby použití

Tato příručka se zaměřuje na webovou aplikaci na deepcerebra.ai; desktopová aplikace zrcadlí stejné panely a pracovní postupy.

2 Začínáme a účet

Podporované prohlížeče

Pro plný zážitek použijte aktuální verzi prohlížeče Chrome, Edge nebo Brave – otevření lokální složky se spoléhá na rozhraní Chromium File System Access API. Firefox a Safari fungují pro chat a pro projekty založené na Gitu, ale nemohou přímo otevřít lokální složku.

Vytvořit účet

1. Klikněte na Začít na úvodní stránce.
2. Vyplňte své volitelné zobrazované jméno, e-mail, zemi a datum narození (musíte být starší 18 let).
3. Vyberte si jazyk rozhraní a heslo o délce alespoň 12 znaků.
4. Přečtěte si oznámení o dohodě a potvrďte. Vytvořením účtu souhlasíte s Podmínkami služby, Prohlášením o ochraně osobních údajů, Popisem služeb a Globální DPA.
5. Klikněte na Vytvořit účet, poté ověřte svůj e-mail, pokud budete vyzváni, a přihlaste se.

Obnovit heslo

1. Na přihlašovací stránce klikněte na Zapomněli jste heslo?
2. Zadejte svůj e-mail a otevřete odkaz pro obnovení zaslaný do vaší schránky.
3. Nastavte nové heslo (minimálně 12 znaků).

3 Přehled pracovního prostoru

Po přihlášení se ocitnete v pracovním prostředí, které zobrazuje všechny panely na jedné obrazovce:

• Průzkumník (vlevo) – strom souborů pro otevřený projekt, s tlačítky pro obnovení a zavření.
• Editor (uprostřed) – obsah souboru se zvýrazněním syntaxe a přehledem minimapy; zde se zobrazují inline rozdíly, když agent navrhuje změny.
• Terminál (pod editorem, zapínání/vypínání) – spouštění příkazů a čtení výstupu.
• Chat (vpravo) – konverzace s agentem; toto je primární panel vyplňující prostor.

Přetáhněte rozdělovač mezi editorem a chatem pro vyvážení rozložení a přetáhněte horizontální rozdělovač pro změnu velikosti terminálu. Levý postranní panel také umožňuje navigaci do sekcí Pracovní prostor, Rozšíření, Klíče API, Fakturace a Zpětná vazba.

4 Otevření projektu

4.1 Otevření lokální složky

1. V Průzkumníkovi klikněte na Otevřít složku projektu.
2. Vyberte složku a udělte prohlížeči oprávnění ji číst.
3. Soubory jsou načteny do šifrovaného pracovního prostoru v prohlížeči – nic se nenahrává. Uvidíte živý počet a konečné shrnutí (počet souborů · velikost, plus všechny přeskočené nebo zkrácené soubory).

4.2 Otevření z Gitu (GitHub / GitLab)

1. V Průzkumníkovi klikněte na Otevřít z Gitu.
2. Vyberte záložku GitHub nebo GitLab a vložte osobní přístupový token. Pro GitHub použijte rozsah repo (klasický) nebo jemně odstupňovaný token s Contents + Pull requests; pro GitLab použijte rozsah api. Váš token je uložen na serveru – do prohlížeče se stahuje pouze obsah souborů.
3. Zadejte úložiště jako owner/name (filtrujte seznam, abyste našli své), poté vyberte větev.
4. Volitelně zaškrtněte Vytvořit novou pracovní větev (např. dcc/my-feature), abyste udrželi svou práci izolovanou od výchozí větve.
5. Volitelně povolte push webhook, aby se Průzkumník okamžitě aktualizoval, když spoluhráči pushnou (vyžaduje veřejnou URL brány).
6. Klikněte na Otevřít úložiště.

4.3 Obnovit, přepnout a zavřít

• Obnovit (↻ v záhlaví Průzkumníka) znovu prohledá složku nebo stáhne nejnovější verzi z Gitu.
• Otevřít jinou složku nebo Otevřít z Gitu pomocí tlačítek pod stromem.
• Zavřít projekt (ikona koše) vymaže pracovní prostor v prohlížeči.

4.4 Chatové relace v rámci složky

Historie chatu je vázána na otevřený projekt. Přepínání složek automaticky spustí novou relaci a načte předchozí relace této složky, přičemž znovu otevře tu nejnovější, abyste mohli pokračovat tam, kde jste skončili.

4.5 Provozní složky

Složky, které DeepCerebra interně používá – .deepcerebra, .sessions – se zobrazují ve stromu, ale jsou ve výchozím nastavení sbalené, aby nezaplnily váš zdroj.

5 Práce se soubory

• Klikněte na soubor v Průzkumníkovi, abyste jej otevřeli v editoru; minimapa vám pomůže navigovat dlouhými soubory.
• Přetáhněte soubor z Průzkumníka do chatového pole, abyste jej připojili jako explicitní kontext pro vaši další zprávu.
• Když agent navrhne úpravy, editor zobrazí inline rozdíl pro vybraný soubor.

6 Chatování s agentem

Napsat požadavek

Popište, co chcete, jednoduchým jazykem – položte otázku, požádejte o funkci nebo ukažte na chybu. Buďte konkrétní ohledně souborů, frameworků a omezení, abyste dosáhli nejlepšího výsledku. Připojte relevantní soubory přetažením do pole pro zadání.

Čtení odpovědí ve stylu Cursor

Odpovědi jsou organizovány jako v Cursoru: uvažování agenta je odděleno od výstupu. Každý blok odpovědi má v pravém horním rohu ikonu kopírování, takže můžete zkopírovat hotovou zprávu, dokument nebo příkaz, který máte spustit.

Řídit nebo zastavit běh

• Použijte Zastavit k zastavení běhu, který směřuje špatným směrem, a poté upřesněte svůj požadavek.
• Dávejte nápovědy (např. "použijte lxml místo html.parser"), abyste agenta vyvedli ze smyčky.

7 Čtyři režimy chatu

Vyberte režim z voliče režimů vedle pole pro zadání. Každý režim upravuje, jak moc agent plánuje a jak volně provádí úpravy:

8 Kontrola a použití změn

Když agent navrhne změny souborů, nad vstupním polem chatu se objeví panel Navrhované změny, který uvádí každý dotčený soubor s počtem přidaných (+) a odstraněných (−) řádků.

• Klikněte na řádek souboru, abyste otevřeli jeho inline rozdíl v editoru.
• Použít nebo Odmítnout jeden soubor, nebo použít Použít vše / Odmítnout vše.
• Použité změny jsou označeny applied (a · disk, když jsou zapsány do skutečné složky).
• Pokud neexistuje zapisovatelná složka, odznak pouze pracovní prostor označuje, že se změny vztahují na pracovní prostor v prohlížeči.

9 Integrovaný terminál

Přepněte terminál pod editorem pro spouštění sestavení, testů a skriptů. S vaším oprávněním může agent provádět příkazy a číst jejich výstup k ověření své práce; dlouhotrvající příkazy streamují výstup, takže můžete sledovat průběh. Zavřete terminál z jeho záhlaví, když jej nepotřebujete.

10 Režim plánování a spuštění

Pro větší cíle použijte režim Plánování (nebo požádejte agenta, aby nejprve plánoval). Plánovač prohledá váš projekt, rozloží cíl na úkoly závislé na závislostech a každý přiřadí správnému specialistovi (architekt, kodér, tester, dokumentace).

• Zkontrolovat a upravit plán – přidat, odebrat nebo upravit úkoly před spuštěním.
• Spouštět vrstvu po vrstvě – nezávislé úkoly běží společně; plánovač může přeplánovat, pokud úkol selže.
• Pozastavit, obnovit nebo zrušit spuštění kdykoli.

11 Výběr modelů a Auto

Otevřete výběr modelu vedle pole pro zadání. Možnosti jsou seskupeny jako:

• Auto – nechte DeepCerebra vybrat nejlepší dostupný model (doporučeno).
• Lokální (vaše GPU) – modely obsluhované z vašeho vlastního počítače (viz §13).
• Brány platforem – hostované modely, seskupené podle brány a poté podle dodavatele (např. Anthropic, OpenAI, Google).

Jak funguje automatický výběr

V režimu Auto DeepCerebra používá vrstvené, adaptivní směrování: jednoduché úkoly jdou do rychlého, ekonomického modelu, zatímco složitá nebo plánovací práce (například režim Plánování) je směrována na silnější model. To automaticky vyvažuje náklady a kvalitu, takže zřídka potřebujete vybírat ručně.

12 Použijte svůj vlastní klíč (BYOK)

Požadavky můžete směrovat přes svůj vlastní účet poskytovatele namísto měřeného využití platformy.

1. Otevřete Klíče API z postranního panelu.
2. Pod Použijte svůj vlastní klíč vyberte poskytovatele (např. ANTHROPIC_API_KEY, GOOGLE_API_KEY, OPENAI_API_KEY).
3. Vložte hodnotu klíče a klikněte na Uložit. Klíče jsou šifrovány v klidu a nikdy se nevracejí do prohlížeče – zobrazuje se pouze maskovaný náhled.

Modely platformy (DeepCerebra) nepotřebují žádný klíč. Klíč můžete kdykoli odebrat pomocí Odebrat.

13 Lokální počítač: Modely GPU a konzole (DCC Bridge)

DCC Bridge propojuje váš vlastní počítač s webovou aplikací prostřednictvím malého konektoru dcc-bridge, čímž odemyká dvě schopnosti najednou:

• Lokální modely GPU – modely obsluhované nástroji Ollama nebo LM Studio na vašem počítači se zobrazují ve výběru modelu pod Lokální (vaše GPU).
• Konzole / terminál na vašem počítači – webový terminál a agent mohou spouštět skutečné příkazy na vašem počítači, včetně nástrojů CLI, které jste již nakonfigurovali (Railway, AWS CLI, OVH CLI, gh, docker, kubectl, WSL, …) s jejich stávajícími přihlašovacími údaji.

Konektor se připojuje ven přes ověřený WebSocket – nejsou potřeba žádné příchozí porty a funguje za NAT a firewally. Běží na Windows, macOS a Linuxu (Python 3.10+).

13.1 Spárování počítače

1. Klikněte na ikonu notebooku v levém panelu aktivit – Lokální počítač (GPU + konzole). (Stejný panel se otevře z patičky výběru modelu přes Spravovat lokální GPU….)
2. Ujistěte se, že je přepínač Lokální spuštění povolen, pojmenujte zařízení a klikněte na Přidat tento počítač. Zkopírujte jednorázový párovací token (dcc_brg_…) a příkaz konektoru připravený k vložení – token se zobrazí přesně jednou.

13.2 Instalace a spuštění konektoru

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

• Použijte stejnou doménu, kterou používáte v prohlížeči jako bránu (wss://deepcerebra.ai nebo wss://deepcerebra.io) – párovací karta předvyplní tu správnou. Tyto dvě stránky jsou samostatné implementace s oddělenými účty a tokeny.
• Pro modely GPU udržujte Ollama spuštěnou, nebo povolte lokální server LM Studio (výchozí port 1234) s načteným modelem.
• Spárovaná zařízení zobrazují stav online/offline, počet modelů a rozsah spuštění; zařízení můžete kdykoli Zrušit.

13.3 Použití konzole z webové aplikace

Ve výchozím nastavení jsou příkazy omezeny na vyhrazenou složku pracovního prostoru (~/DeepCerebra). Chcete-li pracovat ve svých skutečných složkách projektu s předkonfigurovanými nástroji CLI, udělte jim explicitní oprávnění při spuštění konektoru:

# 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

Poté otevřete panel Terminál, klikněte na vyskakovací okno Cíl spuštění (ikona notebooku), vyberte Můj počítač a zvolte pracovní adresář. Jak vaše zadané příkazy, tak příkazy agenta pro sestavení/testování jsou poté spuštěny na vašem počítači.

14 Pracovní postup spolupráce s Gitem

S otevřeným projektem založeným na Gitu se v Průzkumníkovi objeví lišta větví zobrazující vaši aktuální větev a dvě akce:

• Odevzdat (commit) – zkontrolujte počet změněných souborů, napište zprávu o commitu a odevzdejte do své pracovní větve.
• Integrovat – otevřete pull request z vaší pracovní větve do výchozí větve (např. main). Musíte být na pracovní větvi, nikoli na výchozí větvi.

Pokud je povolen push webhook, Průzkumník se automaticky aktualizuje, když spoluhráči pushnou, čímž udržuje všechny v synchronizaci – základ pro kolaborativní týmový vývoj prostřednictvím DeepCerebra.

15 Servery MCP

Rozšiřte agenta o externí nástroje a data prostřednictvím Model Context Protocol. Servery konfigurujte v souboru .deepcerebra/mcp.json, například:

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

Povolené nástroje MCP se agentovi automaticky zpřístupní, když jsou relevantní pro váš požadavek. Podporovány jsou jak lokální (stdio), tak vzdálené (http/sse) servery.

Vestavěná bezpečnost

• Výchozí zamítnutí – když server uvádí allowlist, mohou běžet pouze tyto nástroje.
• Schválení pro vysoce rizikové nástroje – mutující nástroje (zápis/smazání/nasazení/…) vyžadují schválení, pokud je předem neschválíte v autoApprove.
• Omezení rychlosti, sanitace argumentů a výstupu a auditní záznam platí pro každé volání.

Zdroje a výzvy

Pokud server zpřístupňuje zdroje MCP nebo šablony výzev, agent automaticky získá nástroje k jejich použití (mcp_list_resources, mcp_read_resource, mcp_list_prompts, mcp_get_prompt).

Autentizace pro vzdálené servery

Přidejte blok auth ke vzdálenému serveru. Tajné údaje podporují interpolaci ${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"
}

16 Přizpůsobení agenta: Pravidla, dovednosti, hooky, subagenti a pluginy

Můžete ovlivnit, jak agent myslí a jedná, pomocí jediné, souborové konvence – adresáře .deepcerebra/ – která funguje identicky v desktopové aplikaci, webové aplikaci a API. Ve webové aplikaci spravujete všechny tyto položky v zobrazení Agent; na desktopu a přes API jsou to obyčejné soubory, které odevzdáváte se svým projektem.

Rozsahy a priorita

Konfigurace je nalezena z několika rozsahů; pokud stejná položka existuje ve více než jednom, vyhrává ta s vyšší prioritou:

team/org  <  global (~/.deepcerebra)  <  workspace (<repo>/.deepcerebra)
(lowest)                                              (highest)

• Pracovní prostor – <repo>/.deepcerebra/…, odevzdáno s projektem.
• Globální – ~/.deepcerebra/…, vaše osobní výchozí nastavení napříč projekty.
• Tým / organizace – sdílená základní linie (nejnižší priorita), takže uživatel nebo projekt ji může vždy přepsat. Ve webové aplikaci nastavte Rozsah pravidla na Tým.

Pravidla (řízení)

Pravidla jsou trvalé instrukce – kódovací standardy, architektonické konvence, kontext domény – vkládané do systémové výzvy agenta. Jsou uloženy jako soubory Markdown pod .deepcerebra/steering/, plus vždy zapnutý standard AGENTS.md. Frontmatter řídí, kdy se pravidlo načte:

---
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 – každé kolo (výchozí).
• fileMatch – pouze když soubor v kontextu odpovídá globs.
• auto – když váš požadavek odpovídá name/description pravidla.
• manual – pouze když na něj odkazujete jako na #name nebo /name.

Kořenový soubor AGENTS.md platí pro celé úložiště; vnořený soubor AGENTS.md (např. services/api/AGENTS.md) platí pouze pro soubory v této složce. Ve webové aplikaci zobrazení Agent → Řízení poskytuje každému pravidlu volič Rozsahu (Globální / Projekt / Tým).

Dovednosti

Dovednosti jsou opakovaně použitelné příručky, které agent načítá na vyžádání. Každá dovednost je složka se souborem SKILL.md pod .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.

Agent vidí odlehčený katalog (název + popis) a načte celý obsah pomocí nástroje load_skill, když je to relevantní. Můžete také explicitně vyvolat dovednost pomocí /skill <name>. Nastavte disable-model-invocation: true, aby byla dovednost pouze manuální.

Hooky

Hooky spouštějí automatizaci na událostech životního cyklu. Definujte je jako .deepcerebra/hooks/*.hook.json:

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

Události zahrnují promptSubmit, preToolUse, postToolUse, fileCreate, fileSave, fileDelete, preTask, postTask, sessionStart, preCompact a agentStop (přijímány jsou také názvy z Cursor/Claude). Akce je buď shell (spustit příkaz) nebo agentPrompt (zeptat se agenta). Hook preToolUse může povolit, zamítnout nebo požádat o volání nástroje, které zachytí.

Subagenti

Subagenti jsou specializovaní agenti, které definujete a kterým delegujete úkoly. Každý je soubor Markdown pod .deepcerebra/agents/ s frontmatterem a tělem (jeho systémovou výzvou):

---
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…

Hlavní agent deleguje pomocí task (blokující), task_async + task_status / task_result (na pozadí) nebo task_parallel (rozvětvení).

Pluginy

Plugin sdružuje pravidla, dovednosti, hooky, subagenty a servery MCP do jednoho instalovatelného balíčku pod .deepcerebra/plugins/<name>/, popsaného manifestem plugin.json:

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

Obsah pluginu je sloučen s nejnižší prioritou, takže vaše vlastní pravidla a dovednosti vždy přepíší pravidla pluginu. Plugin deaktivujte pomocí "enabled": false nebo souboru značky .disabled.

17 Agentní studio pracovních postupů a agenty řízené událostmi

Workflow Studio je vizuální návrhář pro multi-agentní automatizaci. Skládáte fáze – každá je agent, specializovaný krok nebo řídicí primitiva – do grafu, propojujete je závislostmi a spouštíte celou orchestraci na enginu s živým průběhem pro každou fázi, rozpočty a bránami pro lidské schválení. Pracovní postupy jsou uloženy jako přenosná definice YAML/JSON, kterou můžete exportovat, importovat, verzovat v Gitu a spouštět z API nebo CLI.

17.1 Vytvoření pracovního postupu

• Paleta (vlevo) – přetáhněte typy fází, hotové typy agentů (výzkum, generování kódu, QA, spisovatel dokumentů, lékařské zařízení, patentový poradce a vaše vlastní typy), dovednosti z knihovny dovedností a nástroje na plátno.
• Plátno (uprostřed) – uspořádejte fáze a nakreslete hrany; hrana znamená "tato fáze závisí na té druhé" a automaticky předává výstup z předchozí fáze do následné výzvy.
• Inspektor (vpravo, měnitelná velikost) – konfigurujte vybranou fázi: její výzvu, dovednosti, nástroje, přepsání modelu pro každou fázi, výstupní artefakt, bránu, události a parametry specifické pro typ.
• Šablony – začněte s vestavěným plánem (Ship-It Pipeline, SaaS Starter, Data Pipeline with Evals, Customer Comms Hub, Design → Verified App) a přizpůsobte si jej.
• Generovat – popište aplikaci nebo proces jednoduchým jazykem a Agent Builder vygeneruje kompletní, ověřený graf pracovního postupu, který můžete zkontrolovat, upravit a spustit.

17.2 Knihovna fází

17.3 Agenty řízené událostmi (síť agentů)

Každá fáze – bez ohledu na typ – může publikovat a odebírat typované události na sběrnici událostí pracovního prostoru, takže agenti koordinují jako služby na zprávové tkanině, spíše než pouze prostřednictvím DAG:

• Třídy událostí – každá událost nese třídu: lifecycle, agent, business, data, system, schedule, chat, external nebo alert – filtrovatelné v odběrech a přehrávání.
• Režimy odběru – trigger (fáze se spustí, když dorazí odpovídající událost; běh s zaparkovanými fázemi zůstává rezidentní jako naslouchající), gate (strojová brána schválená událostí namísto lidského kliknutí) a data (datová část je sloučena do kontextu fáze).
• Spuštění událostí – jakýkoli agent může být spuštěn orchestrátorem nebo jiným agentem publikováním na jeho adresu agent.<stage-id>.request.
• Spouštěče běhu – blok triggers: pracovního postupu jej vyzbrojí ke spuštění na příchozích webhoocích, cron plánech, událostech nebo chatu – i když je Studio zavřené.
• Živé běhy – panel běhu streamuje události životního cyklu přes SSE: spuštění/dokončení fází, brány, upozornění a náhledy se objevují okamžitě.
• Trvalý záznam a přehrávání – události přetrvávají pro každý pracovní prostor a mohou být přehrány podle vzoru tématu a třídy pro audit a ladění.

17.3.1 Fronta událostí pro agenty

Agenti, kteří reagují na události, mohou deklarovat trvalou pojmenovanou frontu, aby se odpovídající události nikdy neztratily, zatímco je agent zaneprázdněn nebo než začne běh naslouchat. Při odběru spouštěče nastavte queue: <name> — engine naváže toto téma na frontu FIFO na sběrnici událostí pracovního prostoru (uloženo pod .deepcerebra/workflows/events/queues/). Každá odpovídající událost publikovaná od tohoto okamžiku je zachycena do fronty; když se fáze stane spustitelnou, engine vybírá události v pořadí od nejstaršího a zpracovává je jednu po druhé.

• Nic se neztratí — události publikované, když je workflow uzavřeno, zatímco běží jiná fáze, nebo zatímco běh stále čeká na závislosti, jsou zařazeny do fronty namísto toho, aby byly zahozeny.
• count pro každý odběr — vyžaduje N událostí ve frontě (nebo doručených), než je odběr splněn (užitečné, když se musí nahlásit několik pracovníků).
• Studio — v panelu Události Inspektoru nastavte pole queue u odběru spouštěče; aktivujte spouštěče nebo spusťte běh pro automatické vytvoření vazby.
• API a nástroje — GET /api/workflow/queues vypisuje hloubku a vazby; GET /api/workflow/queues/{name} nahlíží na čekající události; chatovací agenti mohou volat event_queue_status a 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_id

17.3.2 Orchestrace semaforů (ochrana sdílených zdrojů)

Semafor omezuje, kolik úloh může současně pracovat se sdíleným (chráněným) zdrojem: zapisovaná databáze, úložiště globálních proměnných, soubor nebo externí agent s omezenou rychlostí. Připojte jej k jakékoli fázi pomocí semaphore: — před spuštěním práce fáze engine získá jedno povolení pojmenovaného semaforu pracovního prostoru; povolení je poté vždy uvolněno, i když fáze selže. permits: 1 z něj dělá mutex: pouze jedna úloha najednou (napříč všemi paralelními běhy v pracovním prostoru) provádí kritický krok; každá další úloha čeká, dokud držitel nedokončí.

• Serializace napříč běhy — semafory jsou v rozsahu pracovního prostoru a jsou perzistentní, takže dva souběžné běhy workflow nemohou poškodit stejný chráněný zdroj.
• Čekání, ne zablokování — úlohy blokují až do timeout_s na povolení; pokud zdroj zůstane na plné kapacitě, fáze viditelně selže namísto toho, aby se zablokovala navždy.
• Odolnost proti selhání — každé povolení nese ttl_s; pokud držitel selže bez uvolnění, povolení automaticky vyprší, takže zdroj nikdy nezůstane zablokován.
• Pozorovatelnost — sběrnice vysílá systémové události semaphore.<name>.waiting, .acquired a .released; GET /api/workflow/semaphores zobrazuje kapacitu, držitele a dostupná povolení.
• Chatovací agenti — nástroje acquire_semaphore, release_semaphore a semaphore_status koordinují ad-hoc kritické sekce mimo workflow.

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 Orchestrace Rendezvous (čekání na všechny podmínky)

Rendezvous čeká, dokud nejsou splněny všechny podmínky událostí, než se přejde k dalšímu kroku — opak principu „první událost vyhrává“. Nastavte join: all v bloku events: fáze: každý odběr spouštěče musí být splněn, než se fáze spustí. Kombinujte s count: N pro každý odběr, když se musí nahlásit několik agentů (nebo několik zpráv od jednoho agenta) — například schválení návrhu, dokončení testů a bezpečnostní schválení před spuštěním fáze vydání.

• join: any (výchozí) — fáze se spustí, když je splněn první odběr spouštěče.
• join: all — rendezvous: každý odběr spouštěče (každý s vlastním tématem, filtrem třídy a volitelným count) musí být splněn; teprve poté se fáze stane spustitelnou.
• Datové části — všechny spotřebované události jsou zaznamenány ve fázi jako trigger_events a zpřístupněny šablonám jako inputs.events (seznam objektů událostí s datovými částmi).
• Studio — když má fáze dva nebo více odběrů spouštěčů, Inspektor zobrazí selektor Join: any — první událost vyhrává nebo all — rendezvous (čekat na všechny); plátno zobrazuje odznak sloučení na fázích rendezvous.

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 Knihovna nástrojů agenta

Fáze vybírají nástroje ze stejného registru, který používá chatovací agent:

• Jádro – soubory, git, shell, spouštění kódu, vyhledávání kódu, automatizace prohlížeče, webové vyhledávání, vize/média, generování obrázků.
• Databáze – dotazy SQLite, PostgreSQL, MySQL, MongoDB a Redis plus create_database, apply_migrations a dump_schema pro vlastní datové vrstvy.
• Komunikace – telefonní hovory a SMS (Twilio) a e-mail (SendGrid), se simulačním režimem, který zaznamenává do odchozí pošty, když chybí přihlašovací údaje – dema nikdy omylem neposílají skutečné zprávy.
• DevOps – docker_build / docker_push, compose up/down, SSH a cloud-CLI nasazení (Fly, Render, Railway, Vercel), také bezpečné pro simulaci.
• Ověření – detekce stacku, spouštění testovacích sad s analyzovanými úspěšnostmi, audity závislostí a skenování tajných údajů.
• SciCompute Engines – stovky vědeckých a inženýrských metod (pojmenovaných Class.method) napříč matematikou, zpracováním signálů, řízením, statistikou a dalšími.
• Expertní agentura a MCP – uzemněný doménový výzkum plus jakékoli externí servery MCP, které připojíte.

17.5 Spouštění, brány a výstupy

• Ověřit kontroluje graf (jedinečná ID, acyklické závislosti, parametry typu) před spuštěním.
• Lidské brány pozastaví běh poté, co fáze vytvoří svůj návrh, takže schválíte skutečnou práci; událostní brány umožňují jinému systému automatické schválení.
• Rozpočty omezují útratu na běh a na fázi.
• Uložit výstupy do projektu zkopíruje každý artefakt vygenerovaný během běhu do vašeho otevřeného projektu.
• Exportovat aplikaci převede pracovní postup na samostatnou službu FastAPI; veřejné API /v1 zpřístupňuje běhy, události, spouštěče, šablony a generování pro CI a integrace.

18 Prediktivní doplňování tabulátorem

Prediktivní doplňování tabulátorem nabízí inline návrhy kódu s vyplňováním uprostřed, jak píšete v editoru – návrh přijměte klávesou Tab. Je volitelné jak na enginu, tak ve webovém editoru.

Povolit

• Engine – nastavte proměnnou prostředí DCC_TAB_COMPLETE=1. Editor volá endpoint POST /api/complete enginu, který vrací pouze text k vložení na pozici kurzoru.
• Webový editor – povolte v době sestavení pomocí VITE_TAB_COMPLETE=1, nebo za běhu pomocí localStorage.setItem('dcc.tabComplete', '1') (poté znovu načtěte).

Jak se chová

• Návrhy se zobrazují jako duchový text; stiskněte Tab pro přijetí, nebo pokračujte v psaní pro zrušení.
• Požadavky jsou debouncované a zrušitelné, takže psaní není nikdy blokováno.
• Když je příznak vypnutý, funkce je plně deaktivována a nejsou prováděny žádné požadavky na doplňování.

19 Použití, kredity a fakturace

Otevřete Fakturaci z postranního panelu pro správu vašeho plánu a využití. Využití AI je měřeno v kreditech v amerických dolarech na základě tokenů spotřebovaných základními modely.

• Útrata cyklu a předplacený kredit – sledujte využití v tomto cyklu a jakýkoli předplacený zůstatek.
• Přidat kredit za překročení – autorizujte dodatečnou částku (USD) pro pokračování v používání AI poté, co je vyčerpán zahrnutý limit; pokud je váš rozpočet vyčerpán, uvidíte banner vyzývající k přidání kreditu.
• Upgrade / změna plánu – přepínejte úrovně kdykoli.
• Platební metoda – přidejte nebo aktualizujte uloženou kartu (zpracovává Stripe).
• Zrušit – zvolte zrušit na konci období (zachovat přístup do konce období) nebo zrušit nyní (vrátit vratný zůstatek). Viz Zásady zrušení a vrácení peněz.

20 Získání klíče API brány

Klíč API brány (osobní přístupový token) vám umožňuje programově používat veřejné API a CLI DeepCerebra.

1. Přihlaste se a otevřete Klíče API z postranního panelu.
2. Přejděte na Klíče API DeepCerebra.
3. Zadejte popisek (např. "CI pipeline" nebo "laptop CLI").
4. Vyberte rozsahy – read, chat, code, agent – a volitelnou platnost ve dnech (prázdné = nikdy).
5. Klikněte na Generovat. Celý klíč se zobrazí pouze jednou – klikněte na Kopírovat a bezpečně jej uložte.

Použijte jej s CLI nebo API na 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/...

Klíč můžete kdykoli přejmenovat nebo smazat (zrušit); každý klíč zobrazuje svůj prefix, rozsahy, datum vytvoření/platnosti a datum posledního použití.

21 Zabezpečení a soukromí

• Důvěrné úložiště v prohlížeči – soubory vašeho projektu zůstávají v šifrovaném pracovním prostoru prohlížeče; na server je odesílán pouze minimální kontext potřebný pro každý požadavek.
• Zero Data Retention (ZDR) – výzvy a kód směrované k modelům nejsou uchovávány po dobu delší než požadavek a nikdy se nepoužívají k trénování základních modelů.
• Klíče zůstávají na straně serveru – tokeny BYOK a SCM jsou šifrovány v klidu; zobrazují se pouze maskované náhledy.
• Šifrování – TLS při přenosu; data účtu šifrována v klidu; hesla nevratně hašována.
• Váš kód je váš – vlastníte svůj obsah a vygenerovaný výstup. Viz Prohlášení o ochraně osobních údajů.

22 Řešení problémů

„Načítání složky vyžaduje prohlížeč Chromium“

Přepněte na Chrome, Edge nebo Brave, nebo místo toho použijte Otevřít z Gitu.

Agent se zacyklí na stejné chybě

Klikněte na Zastavit a poté přeformulujte s konkrétní nápovědou nebo omezením.

Chyby modelu nebo požadavku / „vyčerpaný rozpočet“

• Zkontrolujte své připojení a platnost jakéhokoli klíče BYOK.
• Přepněte na Auto, aby DeepCerebra směrovala na dostupný model.
• Pokud je váš rozpočet na využití vyčerpán, otevřete Fakturaci a přidejte kredit za překročení nebo upgradujte svůj plán.

Lokální modely se nezobrazují

• Potvrďte, že konektor dcc-bridge běží a zařízení se zobrazuje jako online.
• Ujistěte se, že Ollama běží, nebo že je povolen lokální server LM Studio (výchozí port 1234) s načteným modelem.

Konektor: „server odmítl připojení WebSocket: HTTP 401“

• Použijte stejnou doménu, kterou používáte v prohlížeči jako --gateway (wss://deepcerebra.ai nebo wss://deepcerebra.io) – tyto dvě stránky jsou samostatné implementace a token z jedné nikdy nefunguje na druhé.
• Zkopírujte přesný příkaz z párovací karty na stránce Lokální počítač.

Moje změny se neprojevily

• Ujistěte se, že jste klikli na Použít (nejen si prohlédli rozdíl) v Navrhovaných změnách.
• Použijte obnovení Průzkumníka k opětovnému prohledání složky.

Git: „Jste na výchozí větvi“

Otevřete nebo vytvořte pracovní větev před použitím Integrovat k otevření pull requestu.

Stále si nevíte rady? Kontaktujte support@deepcerebra.ai.

23 DeepCerebra Discovery — Ptejte se svých dat a dokumentů

Discovery je investigativní chatbot pro vaše databáze a dokumenty. Namísto odpovědi jedním dotazem funguje jako analytik: formuluje hypotézy, provádí řadu chráněných sond (SQL, grafové, vyhledávání dokumentů, kontroly schémat, webové ověřování), prořezává vysvětlení, která důkazy vyvracejí, a syntetizuje podloženou odpověď — s grafy a transparentním vyúčtováním nákladů. Otevřete jej z ikony kompasu v panelu aktivit (/app/discovery).

23.1 Prostory — váš spravovaný rozsah

Prostor sdružuje vše, co jedna linie dotazování potřebuje: připojení k databázím, sbírky dokumentů, instrukce pro analytika a rozpočty. Vytvořte jej pomocí + Nový prostor a poté použijte panel nastavení vpravo k:

• Připojte databáze — SQLite, PostgreSQL, MySQL, SQL Server nebo Snowflake. Zadejte název a DSN, klikněte na Test pro ověření připojení (zobrazí se latence a verze serveru), nebo importujte existující konfiguraci připojení jako JSON. Připojení jsou ve výchozím nastavení pouze pro čtení.
• Přidejte dokumenty — přetáhněte soubory (PDF, DOCX, PPTX, Markdown, text) přímo do chatu, vložte URL nebo ukažte na cestu k složce na hostiteli enginu. Dokumenty jsou rozděleny na části, vloženy a indexovány pro hybridní vektorové + znalostně-grafové vyhledávání.
• Importujte tabulky — vložte nebo nahrajte CSV/JSON pro okamžité dotazování bez jakékoli databáze.
• Naučte analytika — přidejte definice metrik, obchodní pravidla a upozornění, kurátorem schválené důvěryhodné dotazy a příklady dvojic otázka→dotaz, aby odpovědi používaly vaše definice.

23.2 Položení otázky

Zadejte otázku tak, jak byste se zeptali kolegy — například „Proč objem MRI skenů v březnu poklesl?“. Vyšetřovací panel streamuje celý proces živě:

• Hypotézy — kandidátská vysvětlení pod vyšetřováním, každé označené podpořené, vyvrácené nebo nepřesvědčivé, jak přicházejí důkazy.
• Sondy — každý dotaz, který analytik spustí, s jeho stavem; vygenerovaný SQL/Cypher je zobrazen pro plnou transparentnost a každý příkaz prochází pravidly ochrany pouze pro čtení před spuštěním.
• Důkazy — výsledkové tabulky a úryvky dokumentů, citované číslem v konečné odpovědi.
• Odpověď + grafy — podložený závěr, který také uvádí vysvětlení, která byla vyloučena, plus moderní grafy s neonovou tématikou složené z důkazů.
• Účtenka — tokeny, náklady na sondu a kola, účtované na vaše AI Credits jako jakékoli jiné spuštění agenta.

Následné otázky pokračují ve stejném vláknu, takže analytik si udržuje svůj kontext.

23.3 Grafy, zprávy a exporty

Grafy se vykreslují přímo na vyšetřovacím panelu. Použijte Export ke stažení celého dotazu — odpovědi, hypotéz, důkazů a grafů — jako samostatnou HTML zprávu nebo PDF v tiskové kvalitě, stylizované systémem neonového designu.

23.4 Rozpočty a kontrola nákladů

Každý prostor má rozpočty na dotaz: maximální počet sond, vyšetřovacích kol, sekund a USD. Engine se čistě zastaví na limitu a nahlásí, co dosud našel. Náklady každé sondy jsou podrobně uvedeny na účtence, takže vždy víte, kam peníze šly.

23.5 Automatizace: API, SDK, Workflow Studio a MCP

• REST API — vše, co dělá uživatelské rozhraní, je dostupné pod /v1/discovery/* s PAT s rozsahem discovery (vytvořte jej pod Účet → API tokeny). Streamované dotazy používají SSE. Externí exekutoři si mohou vypůjčit pouze investigativní plánování prostřednictvím Thinking API (/v1/think/*, rozsah think).
• Python SDK — pip install deepcerebra-discovery, poté DiscoveryClient(base_url, token).ask(space_id, question).
• Workflow Studio — přetáhněte fázi Discovery Ask (discovery.ask) do jakéhokoli pracovního postupu, abyste spustili vyšetřování jako krok pipeline; odpověď, grafy a účtenka proudí do následných fází.
• MCP — engine vystavuje discovery_ask a discovery_list_spaces jako nástroje MCP, takže externí klienti MCP mohou také spouštět vyšetřování.