1 परिचय और संस्करण

DeepCerebra Coder एक एजेंटिक कोडिंग सहायक है। एक साधारण ऑटो-कंप्लीट कोपायलट के विपरीत, यह आपके पूरे प्रोजेक्ट में योजना बनाता है, लिखता है, रिफैक्टर करता है, कमांड चलाता है, टूल कॉल करता है, और पुनरावृति करता है — आपके द्वारा प्रस्तावित परिवर्तनों की समीक्षा और अनुमोदन के साथ।

इसे उपयोग करने के तीन तरीके

यह मार्गदर्शिका deepcerebra.ai पर वेब ऐप पर केंद्रित है; डेस्कटॉप ऐप समान पैनल और वर्कफ़्लो को दर्शाता है।

2 शुरुआत करना और खाता

समर्थित ब्राउज़र

पूर्ण अनुभव के लिए Chrome, Edge, या Brave का वर्तमान संस्करण उपयोग करें — एक स्थानीय फ़ोल्डर खोलना Chromium File System Access API पर निर्भर करता है। Firefox और Safari चैट और Git-समर्थित प्रोजेक्ट्स के लिए काम करते हैं, लेकिन सीधे स्थानीय फ़ोल्डर नहीं खोल सकते।

एक खाता बनाएँ

1. लैंडिंग पृष्ठ पर Get Started पर क्लिक करें।
2. अपना वैकल्पिक प्रदर्शन नाम, ईमेल, देश, और जन्म तिथि भरें (आपकी आयु कम से कम 18 वर्ष होनी चाहिए)।
3. अपनी इंटरफ़ेस भाषा और कम से कम 12 वर्णों का एक पासवर्ड चुनें।
4. समझौते की सूचना पढ़ें और पुष्टि करें। एक खाता बनाने का मतलब है कि आप सेवा की शर्तों, गोपनीयता कथन, सेवा विवरण, और वैश्विक DPA से सहमत हैं।
5. Create account पर क्लिक करें, फिर यदि संकेत दिया जाए तो अपना ईमेल सत्यापित करें, और साइन इन करें।

अपना पासवर्ड रीसेट करें

1. लॉगिन पृष्ठ पर, Forgot password? पर क्लिक करें।
2. अपना ईमेल दर्ज करें और अपने इनबॉक्स में भेजे गए रीसेट लिंक को खोलें।
3. एक नया पासवर्ड सेट करें (न्यूनतम 12 वर्ण)।

3 कार्यस्थान पर एक नज़र

साइन इन करने के बाद आप वर्कबेंच में उतरते हैं, जो हर फलक को एक स्क्रीन में रखता है:

• Explorer (बाएँ) — खुले प्रोजेक्ट के लिए फ़ाइल ट्री, जिसमें एक रीफ़्रेश और बंद बटन होता है।
• Editor (केंद्र) — सिंटैक्स हाइलाइटिंग और एक मिनीमैप अवलोकन के साथ फ़ाइल सामग्री; जब एजेंट परिवर्तन प्रस्तावित करता है तो यहाँ इनलाइन diffs दिखाई देते हैं।
• Terminal (संपादक के नीचे, चालू/बंद टॉगल करें) — कमांड चलाएँ और आउटपुट पढ़ें।
• Chat (दाएँ) — एजेंट वार्तालाप; यह प्राथमिक, स्थान-भरने वाला फलक है।

लेआउट को पुनर्संतुलित करने के लिए संपादक और चैट के बीच स्प्लिटर को खींचें, और टर्मिनल का आकार बदलने के लिए क्षैतिज स्प्लिटर को खींचें। बाएँ साइडबार Workspace, Extensions, API Keys, Billing, और Feedback पर भी नेविगेट करता है।

4 एक प्रोजेक्ट खोलना

4.1 एक स्थानीय फ़ोल्डर खोलें

1. Explorer में, Open project folder पर क्लिक करें।
2. एक फ़ोल्डर चुनें और ब्राउज़र को उसे पढ़ने की अनुमति दें।
3. फ़ाइलें आपके ब्राउज़र के एन्क्रिप्टेड इन-ब्राउज़र वर्कस्पेस में पढ़ी जाती हैं — कुछ भी अपलोड नहीं किया जाता है। आपको एक लाइव गणना और एक अंतिम सारांश (फ़ाइल गणना · आकार, साथ ही कोई भी छोड़ी गई या ट्रंकेटेड फ़ाइलें) दिखाई देगा।

4.2 Git (GitHub / GitLab) से खोलें

1. Explorer में Open from Git पर क्लिक करें।
2. GitHub या GitLab टैब चुनें और एक व्यक्तिगत एक्सेस टोकन पेस्ट करें। GitHub के लिए repo स्कोप (क्लासिक) या कंटेंट्स + पुल रिक्वेस्ट के साथ एक फाइन-ग्रेन्ड टोकन का उपयोग करें; GitLab के लिए api स्कोप का उपयोग करें। आपका टोकन सर्वर पर संग्रहीत होता है — केवल फ़ाइल सामग्री ब्राउज़र में खींची जाती है।
3. repository को owner/name के रूप में टाइप करें (अपनी सूची को फ़िल्टर करें), फिर एक branch चुनें।
4. वैकल्पिक रूप से Create a new working branch (जैसे dcc/my-feature) को टिक करें ताकि आपका काम डिफ़ॉल्ट शाखा से अलग रहे।
5. वैकल्पिक रूप से push webhook सक्षम करें ताकि जब टीम के साथी पुश करें तो Explorer तुरंत रीफ़्रेश हो जाए (एक सार्वजनिक गेटवे URL की आवश्यकता है)।
6. Open repository पर क्लिक करें।

4.3 रीफ़्रेश करें, स्विच करें और बंद करें

• Refresh (Explorer हेडर में ↻) फ़ोल्डर को फिर से स्कैन करता है या Git से नवीनतम खींचता है।
• ट्री के नीचे दिए गए बटनों से कोई अन्य फ़ोल्डर Open another या Open from Git खोलें।
• Close project (ट्रैश आइकन) इन-ब्राउज़र वर्कस्पेस को मिटा देता है।

4.4 फ़ोल्डर-स्कोप वाली चैट सत्र

चैट इतिहास खुले प्रोजेक्ट से जुड़ा है। फ़ोल्डर बदलने पर स्वचालित रूप से एक नया सत्र शुरू होता है और उस फ़ोल्डर के पिछले सत्रों को लोड करता है, सबसे हाल के सत्र को फिर से खोलता है ताकि आप वहीं से जारी रख सकें जहाँ आपने छोड़ा था।

4.5 परिचालन फ़ोल्डर

DeepCerebra आंतरिक रूप से उपयोग किए जाने वाले फ़ोल्डर — .deepcerebra, .sessions — ट्री में दिखाई देते हैं लेकिन डिफ़ॉल्ट रूप से संकुचित होते हैं ताकि वे आपके स्रोत को अव्यवस्थित न करें।

5 फ़ाइलों के साथ काम करना

• एक फ़ाइल पर क्लिक करें एक्सप्लोरर में इसे एडिटर में खोलने के लिए; मिनीमैप आपको लंबी फ़ाइलों को नेविगेट करने में मदद करता है।
• अपनी अगली संदेश के लिए स्पष्ट संदर्भ के रूप में संलग्न करने के लिए Explorer से चैट प्रॉम्प्ट में एक फ़ाइल खींचें।
• जब एजेंट संपादन प्रस्तावित करता है, तो संपादक चयनित फ़ाइल के लिए एक इनलाइन diff दिखाता है।

6 एजेंट के साथ चैट करना

एक अनुरोध लिखें

आप जो चाहते हैं उसे सरल भाषा में वर्णित करें — एक प्रश्न पूछें, एक सुविधा का अनुरोध करें, या एक बग की ओर इशारा करें। सर्वोत्तम परिणाम प्राप्त करने के लिए फ़ाइलों, फ़्रेमवर्क और बाधाओं के बारे में विशिष्ट रहें। संबंधित फ़ाइलों को प्रॉम्प्ट में खींचकर संलग्न करें।

प्रतिक्रियाएँ पढ़ें, कर्सर-शैली

प्रतिक्रियाएँ कर्सर की तरह व्यवस्थित होती हैं: एजेंट का तर्क वितरण योग्य से अलग होता है। प्रत्येक प्रतिक्रिया ब्लॉक के ऊपरी-दाएँ कोने में एक कॉपी आइकन होता है ताकि आप एक तैयार रिपोर्ट, दस्तावेज़, या एक कमांड जिसे आपको चलाना है, कॉपी कर सकें।

एक रन को नियंत्रित करें या रोकें

• गलत दिशा में जा रहे रन को रोकने के लिए Stop का उपयोग करें, फिर अपने प्रॉम्प्ट को परिष्कृत करें।
• एजेंट को एक लूप से बाहर निकालने के लिए संकेत दें (जैसे "html.parser के बजाय lxml का उपयोग करें")।

7 चार चैट मोड

प्रॉम्प्ट के बगल में मोड सेलेक्टर से एक मोड चुनें। प्रत्येक एजेंट कितनी योजना बनाता है और कितनी स्वतंत्र रूप से संपादन करता है, उसे ट्यून करता है:

8 परिवर्तनों की समीक्षा करना और लागू करना

जब एजेंट फ़ाइल परिवर्तनों का प्रस्ताव करता है, तो चैट इनपुट के ऊपर एक Proposed Changes पैनल दिखाई देता है, प्रत्येक छुई गई फ़ाइल को जोड़े गए (+) और हटाए गए (−) लाइन गणना के साथ सूचीबद्ध करता है।

• संपादक में इसकी इनलाइन diff खोलने के लिए एक फ़ाइल पंक्ति पर क्लिक करें।
• एकल फ़ाइल को Apply या Reject करें, या Apply all / Reject all का उपयोग करें।
• लागू किए गए परिवर्तन चिह्नित हैं applied (और · disk जब किसी वास्तविक फ़ोल्डर में लिखे जाते हैं)।
• यदि कोई लिखने योग्य फ़ोल्डर नहीं है, तो एक workspace only बैज इंगित करता है कि परिवर्तन इन-ब्राउज़र वर्कस्पेस पर लागू होते हैं।

9 एकीकृत टर्मिनल

एडिटर के नीचे टर्मिनल को टॉगल करें ताकि आप बिल्ड, टेस्ट और स्क्रिप्ट चला सकें। आपकी अनुमति से, एजेंट कमांड निष्पादित कर सकता है और अपने काम को सत्यापित करने के लिए उनका आउटपुट पढ़ सकता है; लंबे समय तक चलने वाले कमांड आउटपुट स्ट्रीम करते हैं ताकि आप प्रगति देख सकें। जब आपको इसकी आवश्यकता न हो तो टर्मिनल को उसके हेडर से बंद करें।

10 प्लान मोड और निष्पादन

बड़े लक्ष्यों के लिए, Plan मोड का उपयोग करें (या एजेंट को पहले योजना बनाने के लिए कहें)। प्लानर आपके प्रोजेक्ट को स्कैन करता है, लक्ष्य को निर्भरता-जागरूक कार्यों में विघटित करता है, और प्रत्येक को सही विशेषज्ञ (आर्किटेक्ट, कोडर, परीक्षक, डॉक्स) को असाइन करता है।

• योजना की समीक्षा और संपादन करें — निष्पादन से पहले कार्यों को जोड़ें, हटाएँ या संशोधित करें।
• परत दर परत निष्पादित करें — स्वतंत्र कार्य एक साथ चलते हैं; यदि कोई कार्य विफल हो जाता है तो प्लानर फिर से योजना बना सकता है।
• किसी भी समय निष्पादन को रोकें, फिर से शुरू करें या रद्द करें।

11 मॉडल चुनना और Auto

प्रॉम्प्ट के बगल में मॉडल पिकर खोलें। विकल्प इस प्रकार समूहित हैं:

• Auto — DeepCerebra को सबसे अच्छा उपलब्ध मॉडल चुनने दें (अनुशंसित)।
• Local (your GPU) — आपकी अपनी मशीन से परोसे गए मॉडल (धारा §13 देखें)।
• Platform gateways — होस्ट किए गए मॉडल, गेटवे और फिर विक्रेता (जैसे Anthropic, OpenAI, Google) द्वारा समूहित।

Auto चयन कैसे काम करता है

Auto पर, DeepCerebra टियर-आधारित, अनुकूली रूटिंग का उपयोग करता है: सरल कार्य एक तेज़, किफायती मॉडल पर जाते हैं, जबकि जटिल या योजना-भारी कार्य (उदाहरण के लिए, Plan मोड) एक मजबूत मॉडल पर रूट किए जाते हैं। यह लागत और गुणवत्ता को स्वचालित रूप से संतुलित करता है, इसलिए आपको शायद ही कभी मैन्युअल रूप से चुनने की आवश्यकता होती है।

12 अपनी कुंजी लाएँ (BYOK)

आप मीटर किए गए प्लेटफ़ॉर्म उपयोग के बजाय अपने स्वयं के प्रदाता खाते के माध्यम से अनुरोधों को रूट कर सकते हैं।

1. साइडबार से API Keys खोलें।
2. Bring Your Own Key के तहत, एक प्रदाता चुनें (जैसे ANTHROPIC_API_KEY, GOOGLE_API_KEY, OPENAI_API_KEY)।
3. कुंजी मान पेस्ट करें और Save पर क्लिक करें। कुंजियाँ आराम पर एन्क्रिप्टेड होती हैं और कभी भी ब्राउज़र पर वापस नहीं की जाती हैं — केवल एक मास्क्ड पूर्वावलोकन दिखाया जाता है।

प्लेटफ़ॉर्म (DeepCerebra) मॉडल को किसी कुंजी की आवश्यकता नहीं होती है। Remove के साथ किसी भी समय एक कुंजी हटाएँ।

13 स्थानीय मशीन: GPU मॉडल और कंसोल (DCC Bridge)

DCC Bridge एक छोटे dcc-bridge कनेक्टर के माध्यम से आपके अपने कंप्यूटर को वेब ऐप से जोड़ता है, एक साथ दो क्षमताओं को अनलॉक करता है:

• स्थानीय GPU मॉडल — आपकी मशीन पर Ollama या LM Studio द्वारा परोसे गए मॉडल मॉडल पिकर में Local (your GPU) के तहत दिखाई देते हैं।
• आपकी मशीन पर कंसोल / टर्मिनल — वेब टर्मिनल और एजेंट आपके कंप्यूटर पर वास्तविक कमांड चला सकते हैं, जिसमें CLI टूल भी शामिल हैं जिन्हें आपने पहले से कॉन्फ़िगर किया है (Railway, AWS CLI, OVH CLI, gh, docker, kubectl, WSL, …) उनके मौजूदा क्रेडेंशियल के साथ।

कनेक्टर एक प्रमाणित WebSocket पर बाहर डायल करता है — कोई इनबाउंड पोर्ट की आवश्यकता नहीं है, और यह NAT और फ़ायरवॉल के पीछे काम करता है। यह Windows, macOS और Linux (Python 3.10+) पर चलता है।

13.1 अपने कंप्यूटर को पेयर करें

1. क्लिक करें लैपटॉप आइकन बाईं गतिविधि रेल में — स्थानीय मशीन (GPU + कंसोल)। (वही पैनल मॉडल पिकर फुटर से खुलता है स्थानीय GPU प्रबंधित करें…।)
2. सुनिश्चित करें कि Local execution टॉगल सक्षम है, डिवाइस का नाम दें, और Add this computer पर क्लिक करें। एक बार का पेयरिंग टोकन (dcc_brg_…) और तैयार-से-पेस्ट कनेक्टर कमांड कॉपी करें — टोकन ठीक एक बार दिखाया जाता है।

13.2 कनेक्टर स्थापित करें और चलाएँ

pip install git+https://github.com/mohammadkhair7/DeepCerebra-connector

# फिर पेयरिंग कार्ड से कॉपी किया गया कमांड चलाएँ, जैसे:
python -m dcc_bridge --gateway wss://deepcerebra.ai --token dcc_brg_xxxxx

• गेटवे के रूप में वही डोमेन उपयोग करें जो आप ब्राउज़र में उपयोग करते हैं (wss://deepcerebra.ai या wss://deepcerebra.io) — पेयरिंग कार्ड सही वाले को प्रीफ़िल करता है। दोनों साइटें अलग-अलग डिप्लॉयमेंट हैं जिनमें अलग-अलग खाते और टोकन हैं।
• GPU मॉडल के लिए, Ollama को चालू रखें, या LM Studio के स्थानीय सर्वर को (डिफ़ॉल्ट पोर्ट 1234) एक मॉडल लोड के साथ सक्षम करें।
• पेयर किए गए डिवाइस ऑनलाइन/ऑफ़लाइन स्थिति, मॉडल गणना और exec स्कोप दिखाते हैं; आप किसी भी समय एक डिवाइस को Revoke कर सकते हैं।

13.3 वेब ऐप से अपने कंसोल का उपयोग करें

डिफ़ॉल्ट रूप से, कमांड एक समर्पित वर्कस्पेस फ़ोल्डर (~/DeepCerebra) तक सीमित होते हैं। अपने पूर्व-कॉन्फ़िगर किए गए CLIs के साथ अपने वास्तविक प्रोजेक्ट फ़ोल्डरों में काम करने के लिए, कनेक्टर शुरू करते समय उन्हें स्पष्ट रूप से अनुमति दें:

# एक या अधिक वास्तविक फ़ोल्डर (दोहराने योग्य) को अनुमति दें
python -m dcc_bridge --gateway wss://deepcerebra.ai --token dcc_brg_xxxxx --host-dir "F:\MyProjects"

# या पूरी मशीन (एक चेतावनी प्रिंट करता है; --host-dir को प्राथमिकता दें)
python -m dcc_bridge ... --allow-any-dir

फिर Terminal पैनल खोलें, Execution target पॉपओवर (लैपटॉप आइकन) पर क्लिक करें, My computer चुनें, और एक कार्यशील निर्देशिका चुनें। आपके टाइप किए गए कमांड और एजेंट के बिल्ड/टेस्ट कमांड दोनों फिर आपकी मशीन पर निष्पादित होते हैं।

14 Git सहयोग कार्यप्रवाह

एक गिट-समर्थित प्रोजेक्ट खुला होने पर, एक्सप्लोरर में एक ब्रांच बार दिखाई देता है जो आपकी वर्तमान ब्रांच दिखाता है और दो क्रियाएँ:

• Check in (कमिट) — बदले हुए फ़ाइल गणना की समीक्षा करें, एक कमिट संदेश लिखें, और अपनी कार्यशील शाखा में कमिट करें।
• Integrate — अपनी कार्यशील शाखा से डिफ़ॉल्ट शाखा (जैसे main) में एक पुल रिक्वेस्ट खोलें। आपको एक कार्यशील शाखा पर होना चाहिए, डिफ़ॉल्ट शाखा पर नहीं।

यदि पुश वेबहुक सक्षम है, तो एक्सप्लोरर स्वतः रीफ़्रेश हो जाता है जब टीम के साथी पुश करते हैं, सभी को सिंक में रखते हुए — DeepCerebra के माध्यम से सहयोगात्मक टीम विकास की नींव।

15 MCP सर्वर

Model Context Protocol के माध्यम से एजेंट को बाहरी टूल और डेटा के साथ विस्तारित करें। .deepcerebra/mcp.json फ़ाइल में सर्वर कॉन्फ़िगर करें, उदाहरण के लिए:

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

सक्षम MCP उपकरण एजेंट को स्वचालित रूप से उपलब्ध हो जाते हैं जब वे आपकी अनुरोध के लिए प्रासंगिक होते हैं। स्थानीय (stdio) और रिमोट (http/sse) सर्वर दोनों समर्थित हैं।

अंतर्निहित सुरक्षा

• डिफ़ॉल्ट रूप से अस्वीकार करें — जब कोई सर्वर एक allowlist सूचीबद्ध करता है, तो केवल वे टूल चल सकते हैं।
• उच्च-जोखिम वाले टूल के लिए अनुमोदन — उत्परिवर्ती टूल (लिखना/हटाना/तैनात करना/…) को अनुमोदन की आवश्यकता होती है जब तक आप उन्हें autoApprove में पूर्व-अनुमोदित नहीं करते।
• दर-सीमा, तर्क और आउटपुट स्वच्छता, और एक ऑडिट लॉग हर कॉल पर लागू होते हैं।

संसाधन और प्रॉम्प्ट

यदि कोई सर्वर MCP संसाधन या प्रॉम्प्ट टेम्पलेट को उजागर करता है, तो एजेंट स्वचालित रूप से उनका उपयोग करने के लिए टूल प्राप्त करता है (mcp_list_resources, mcp_read_resource, mcp_list_prompts, mcp_get_prompt)।

दूरस्थ सर्वर के लिए प्रमाणीकरण

रिमोट सर्वर में एक auth ब्लॉक जोड़ें। सीक्रेट्स ${ENV_VAR} इंटरपोलेशन का समर्थन करते हैं:

// 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 एजेंट को अनुकूलित करना: नियम, कौशल, हुक, सबएजेंट और प्लगइन्स

आप एजेंट के सोचने और कार्य करने के तरीके को एक एकल, फ़ाइल-आधारित कन्वेंशन — .deepcerebra/ डायरेक्टरी — के साथ आकार दे सकते हैं, जो डेस्कटॉप ऐप, वेब ऐप, और API में समान रूप से काम करती है। वेब ऐप में, इन सभी को एजेंट व्यू के अंतर्गत प्रबंधित करें; डेस्कटॉप पर और API के माध्यम से ये सामान्य फ़ाइलें होती हैं जिन्हें आप अपने प्रोजेक्ट के साथ कमिट करते हैं।

स्कोप और प्राथमिकता

कॉन्फ़िगरेशन कई स्कोप से खोजा जाता है; जब एक ही आइटम एक से अधिक में मौजूद होता है, तो उच्च-प्राथमिकता वाला जीतता है:

team/org  <  global (~/.deepcerebra)  <  workspace (<repo>/.deepcerebra)
(सबसे कम)                                              (सबसे अधिक)

• Workspace — <repo>/.deepcerebra/…, प्रोजेक्ट के साथ कमिट किया गया।
• Global — ~/.deepcerebra/…, आपके व्यक्तिगत डिफ़ॉल्ट सभी प्रोजेक्ट्स में।
• Team / org — एक साझा आधारभूत (सबसे कम प्राथमिकता) ताकि एक उपयोगकर्ता या प्रोजेक्ट हमेशा इसे ओवरराइड कर सके। वेब ऐप में, एक नियम के Scope को Team पर सेट करें।

नियम (स्टीयरिंग)

नियम स्थायी निर्देश हैं — कोडिंग मानक, वास्तुकला सम्मेलन, डोमेन संदर्भ — जो एजेंट के सिस्टम प्रॉम्प्ट में इंजेक्ट किए जाते हैं। वे .deepcerebra/steering/ के तहत Markdown फ़ाइलों के रूप में रहते हैं, साथ ही हमेशा-चालू AGENTS.md मानक भी। फ्रंटमैटर नियंत्रित करता है कि एक नियम कब लोड होता है:

---
inclusion: fileMatch          # always | fileMatch | auto | manual
globs: "src/**/*.ts"          # या fileMatchPattern
name: api-design
description: REST conventions
---
# API design
- Use REST resource nouns, plural.

• always — हर मोड़ पर (डिफ़ॉल्ट)।
• fileMatch — केवल तभी जब एक इन-कॉन्टेक्स्ट फ़ाइल globs से मेल खाती है।
• auto — जब आपका अनुरोध नियम के name/description से मेल खाता है।
• manual — केवल तभी जब आप इसे #name या /name के रूप में संदर्भित करते हैं।

एक रूट AGENTS.md रेपो-व्यापी लागू होता है; एक नेस्टेड AGENTS.md (जैसे services/api/AGENTS.md) केवल उस फ़ोल्डर के तहत फ़ाइलों पर लागू होता है। वेब ऐप में, Agent → Steering दृश्य प्रत्येक नियम को एक Scope पिकर (Global / Project / Team) देता है।

कौशल

कौशल पुन: प्रयोज्य प्लेबुक हैं जिन्हें एजेंट मांग पर लोड करता है। प्रत्येक कौशल .deepcerebra/skills/ के तहत SKILL.md के साथ एक फ़ोल्डर है:

---
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.

एजेंट एक हल्का कैटलॉग (नाम + विवरण) देखता है और प्रासंगिक होने पर पूर्ण निकाय को load_skill टूल के साथ खींचता है। आप इसे स्पष्ट रूप से /skill <name> के साथ भी इनवोक कर सकते हैं। disable-model-invocation: true सेट करें को कौशल को केवल मैन्युअल बनाने के लिए।

हुक

हुक जीवनचक्र घटनाओं पर स्वचालन चलाते हैं। उन्हें .deepcerebra/hooks/*.hook.json के रूप में परिभाषित करें:

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

घटनाओं में शामिल हैं promptSubmit, preToolUse, postToolUse, fileCreate, fileSave, fileDelete, preTask, postTask, sessionStart, preCompact, और agentStop (Cursor/Claude वर्तनी भी स्वीकार्य हैं)। एक क्रिया या तो shell (एक कमांड चलाएँ) या agentPrompt (एजेंट से पूछें) होती है। एक preToolUse हुक उस टूल कॉल के लिए अनुमति दे सकता है, अस्वीकार कर सकता है, या पूछ सकता है जिसे वह रोकता है।

सबएजेंट

सबएजेंट विशेषज्ञ एजेंट होते हैं जिन्हें आप परिभाषित करते हैं और प्रतिनिधिमंडल करते हैं। प्रत्येक .deepcerebra/agents/ के तहत फ्रंटमैटर के साथ एक Markdown फ़ाइल होती है, साथ ही एक निकाय (इसका सिस्टम प्रॉम्प्ट) भी होता है:

---
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…

मुख्य एजेंट task (ब्लॉकिंग), task_async + task_status / task_result (बैकग्राउंड), या task_parallel (फैन-आउट) के साथ प्रतिनिधिमंडल करता है।

प्लगइन्स

एक प्लगइन नियमों, कौशलों, हुक, सबएजेंट और MCP सर्वर को एक स्थापित करने योग्य पैकेज में .deepcerebra/plugins/<name>/ के तहत बंडल करता है, जिसे एक plugin.json मैनिफेस्ट द्वारा वर्णित किया गया है:

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

प्लगइन सामग्री सबसे कम प्राथमिकता पर मर्ज की जाती है, इसलिए आपके अपने नियम और कौशल हमेशा एक प्लगइन को ओवरराइड करते हैं। "enabled": false या एक .disabled मार्कर फ़ाइल के साथ एक प्लगइन को अक्षम करें।

17 एजेंटिक वर्कफ़्लो स्टूडियो और इवेंट-ड्रिवन एजेंट

Workflow Studio मल्टी-एजेंट स्वचालन के लिए एक दृश्य डिजाइनर है। आप चरणों को — प्रत्येक एक एजेंट, एक विशेषज्ञ कदम, या एक नियंत्रण आदिम — एक ग्राफ में संयोजित करते हैं, उन्हें निर्भरताओं से जोड़ते हैं, और पूरे ऑर्केस्ट्रेशन को इंजन पर लाइव प्रति-चरण प्रगति, बजट और मानव-अनुमोदन गेट्स के साथ चलाते हैं। वर्कफ़्लो को एक पोर्टेबल YAML/JSON परिभाषा के रूप में सहेजा जाता है जिसे आप Git में निर्यात, आयात, संस्करण कर सकते हैं, और API या CLI से चला सकते हैं।

17.1 एक वर्कफ़्लो बनाना

• पैलेट (बाएं) — स्टेज प्रकारों को खींचें, तैयार एजेंट प्रकारों (अनुसंधान, कोड जनरेशन, QA, दस्तावेज़ लेखक, चिकित्सा उपकरण, पेटेंट वकील, और आपके अपने कस्टम प्रकार), स्किल लाइब्रेरी से कौशल, और टूल को कैनवास पर।
• Canvas (केंद्र) — चरणों को व्यवस्थित करें और किनारे खींचें; एक किनारे का मतलब है "यह चरण उस पर निर्भर करता है" और स्वचालित रूप से अपस्ट्रीम आउटपुट को डाउनस्ट्रीम प्रॉम्प्ट में फ़ीड करता है।
• Inspector (दाएँ, आकार बदलने योग्य) — चयनित चरण को कॉन्फ़िगर करें: इसका प्रॉम्प्ट, कौशल, टूल, प्रति-चरण मॉडल ओवरराइड, आउटपुट आर्टिफैक्ट, गेट, इवेंट, और प्रकार-विशिष्ट पैरामीटर।
• Templates — एक अंतर्निहित ब्लूप्रिंट (Ship-It Pipeline, SaaS Starter, Data Pipeline with Evals, Customer Comms Hub, Design → Verified App) से शुरू करें और इसे अनुकूलित करें।
• Generate — ऐप या प्रक्रिया को सरल भाषा में वर्णित करें और Agent Builder एक पूर्ण, मान्य वर्कफ़्लो ग्राफ उत्पन्न करता है जिसकी आप समीक्षा, समायोजन और रन कर सकते हैं।

17.2 स्टेज लाइब्रेरी

17.3 इवेंट-ड्रिवन एजेंट (एजेंट मेश)

प्रत्येक चरण — प्रकार की परवाह किए बिना — वर्कस्पेस इवेंट बस पर टाइप किए गए इवेंट को प्रकाशित और सदस्यता ले सकता है, ताकि एजेंट DAG के माध्यम से ही नहीं बल्कि एक संदेश फैब्रिक पर सेवाओं की तरह समन्वय करें:

• इवेंट क्लास — प्रत्येक इवेंट एक क्लास वहन करता है: lifecycle, agent, business, data, system, schedule, chat, external, या alert — सदस्यता और रीप्ले में फ़िल्टर करने योग्य।
• सब्सक्राइब मोड — trigger (स्टेज तब रन होता है जब कोई मेल खाने वाला इवेंट आता है; पार्क किए गए स्टेजों वाला रन सुनने की स्थिति में बना रहता है), gate (एक मशीन गेट जो किसी मानवीय क्लिक के बजाय एक इवेंट द्वारा स्वीकृत होता है), और data (पेलोड स्टेज के कॉन्टेक्स्ट में मर्ज हो जाता है)।
• इवेंट द्वारा किकऑफ़ — किसी भी एजेंट को एक ऑर्केस्ट्रेटर या किसी अन्य एजेंट द्वारा उसके पते agent.<stage-id>.request पर प्रकाशित करके शुरू किया जा सकता है।
• रन ट्रिगर्स — एक वर्कफ़्लो का triggers: ब्लॉक इसे इनबाउंड वेबहुक्स, क्रॉन शेड्यूल, इवेंट्स, या चैट पर शुरू करने के लिए तैयार करता है — भले ही स्टूडियो बंद हो।
• लाइव रन — रन पैनल SSE पर जीवनचक्र इवेंट स्ट्रीम करता है: चरण शुरू/पूर्णता, गेट्स, अलर्ट और पूर्वावलोकन तुरंत दिखाई देते हैं।
• टिकाऊ लॉग और रीप्ले — इवेंट प्रति वर्कस्पेस बने रहते हैं और ऑडिट और डिबगिंग के लिए विषय पैटर्न और क्लास द्वारा रीप्ले किए जा सकते हैं।

17.3.1 एजेंटों के लिए इवेंट क्यूइंग

जो एजेंट इवेंट्स पर प्रतिक्रिया करते हैं, वे एक स्थायी नामित क्यू घोषित कर सकते हैं ताकि एजेंट के व्यस्त होने पर या रन के सुनने से पहले मिलान वाले इवेंट्स कभी न खोएं। ट्रिगर सब्सक्रिप्शन पर, queue: <name> सेट करें — इंजन उस विषय को वर्कस्पेस इवेंट बस पर एक FIFO क्यू से बांधता है (जो .deepcerebra/workflows/events/queues/ के तहत स्थायी होता है)। उस बिंदु से प्रकाशित होने वाला प्रत्येक मिलान वाला इवेंट क्यू में कैप्चर हो जाता है; जब स्टेज चलने योग्य हो जाता है, तो इंजन सबसे पुराने-पहले क्रम में इवेंट्स को पॉप करता है और उन्हें एक-एक करके उपयोग करता है।

• कुछ भी नहीं खोया — वर्कफ़्लो बंद होने पर, जब कोई अन्य चरण चल रहा हो, या जब रन अभी भी निर्भरताओं का इंतजार कर रहा हो, तब प्रकाशित इवेंट छोड़ने के बजाय कतारबद्ध किए जाते हैं।
• प्रति-सब्सक्रिप्शन count — सब्सक्रिप्शन संतुष्ट होने से पहले N क्यू में डाले गए (या डिलीवर किए गए) इवेंट्स की आवश्यकता होती है (यह तब उपयोगी होता है जब कई श्रमिकों को रिपोर्ट करना हो)।
• Studio — Inspector के इवेंट्स पैनल में, ट्रिगर सब्सक्रिप्शन पर queue फ़ील्ड सेट करें; बाइंडिंग को स्वचालित रूप से बनाने के लिए ट्रिगर्स को सक्रिय करें या एक रन शुरू करें।
• एपीआई और उपकरण — GET /api/workflow/queues गहराई और बाइंडिंग सूचीबद्ध करता है; GET /api/workflow/queues/{name} लंबित घटनाओं को देखता है; चैट एजेंट कॉल कर सकते हैं event_queue_status और 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 सेमाफोर ऑर्केस्ट्रेशन (साझा-संसाधन सुरक्षा)

एक सेमाफोर यह सीमित करता है कि कितने कार्य एक साथ एक साझा (संरक्षित) संसाधन पर संचालित हो सकते हैं: जैसे कि एक डेटाबेस जिसमें लिखा जा रहा हो, एक वैश्विक चर स्टोर, एक फ़ाइल, या एक दर-सीमित बाहरी एजेंट। इसे किसी भी स्टेज से semaphore: के साथ संलग्न करें — स्टेज का कार्य चलने से पहले, इंजन नामित वर्कस्पेस सेमाफोर का एक परमिट प्राप्त करता है; परमिट बाद में हमेशा जारी किया जाता है, भले ही स्टेज विफल हो जाए। permits: 1 इसे एक म्यूटेक्स बनाता है: एक समय में केवल एक कार्य (वर्कस्पेस में सभी समानांतर रनों में) महत्वपूर्ण चरण को निष्पादित करता है; अन्य सभी कार्य धारक के समाप्त होने तक प्रतीक्षा करते हैं।

• क्रॉस-रन सीरियलाइज़ेशन — सेमाफोर कार्यक्षेत्र-व्यापी और स्थायी होते हैं, ताकि दो समवर्ती वर्कफ़्लो रन एक ही संरक्षित संसाधन को दूषित न कर सकें।
• प्रतीक्षा, अटकना नहीं — कार्य एक परमिट के लिए timeout_s तक ब्लॉक होते हैं; यदि संसाधन क्षमता पर रहता है, तो स्टेज हमेशा के लिए अटकने के बजाय स्पष्ट रूप से विफल हो जाता है।
• क्रैश सुरक्षा — प्रत्येक परमिट में एक ttl_s होता है; यदि कोई धारक जारी किए बिना क्रैश हो जाता है, तो परमिट स्वतः समाप्त हो जाता है ताकि संसाधन कभी डेड-लॉक न हो।
• अवलोकनीयता — बस semaphore.<name>.waiting, .acquired, और .released सिस्टम इवेंट्स उत्सर्जित करती है; GET /api/workflow/semaphores क्षमता, धारकों और उपलब्ध परमिटों को दर्शाता है।
• चैट एजेंट — acquire_semaphore, release_semaphore, और semaphore_status उपकरण वर्कफ़्लो के बाहर तदर्थ महत्वपूर्ण अनुभागों का समन्वय करते हैं।

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 रेंडेज़वस ऑर्केस्ट्रेशन (सभी शर्तों की प्रतीक्षा करें)

रेंडेज़वस तब तक प्रतीक्षा करता है जब तक कई इवेंट की सभी शर्तें पूरी नहीं हो जातीं, अगला चरण आगे बढ़ने से पहले — "पहला इवेंट जीतता है" के विपरीत। स्टेज के events: ब्लॉक पर join: all सेट करें: स्टेज चलने से पहले प्रत्येक ट्रिगर सदस्यता पूरी होनी चाहिए। इसे प्रति-सदस्यता count: N के साथ तब संयोजित करें जब कई एजेंट (या एक एजेंट से कई रिपोर्ट) सभी को चेक-इन करना हो — उदाहरण के लिए, रिलीज़ स्टेज निष्पादित होने से पहले डिज़ाइन साइन-ऑफ, परीक्षण पूर्णता और सुरक्षा अनुमोदन।

• join: any (डिफ़ॉल्ट) — स्टेज तब चलता है जब पहला ट्रिगर सब्सक्रिप्शन संतुष्ट होता है।
• join: all — रेंडेज़वस: प्रत्येक ट्रिगर सब्सक्रिप्शन (प्रत्येक अपने स्वयं के विषय, क्लास फ़िल्टर और वैकल्पिक count के साथ) संतुष्ट होना चाहिए; तभी स्टेज चलने योग्य बनता है।
• पेलोड — सभी उपयोग किए गए इवेंट्स को स्टेज पर trigger_events के रूप में रिकॉर्ड किया जाता है और टेम्प्लेट को inputs.events (पेलोड के साथ इवेंट ऑब्जेक्ट्स की एक सूची) के रूप में उजागर किया जाता है।
• Studio — जब किसी स्टेज में दो या अधिक ट्रिगर सब्सक्रिप्शन होते हैं, तो Inspector एक Join सेलेक्टर दिखाता है: कोई भी — पहला इवेंट जीतता है या सभी — रेंडेज़वस (सभी की प्रतीक्षा करें); कैनवास रेंडेज़वस स्टेज पर एक मर्ज बैज दिखाता है।

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 एजेंट टूल लाइब्रेरी

चरण वही रजिस्ट्री से टूल चुनते हैं जिसका चैट एजेंट उपयोग करता है:

• मुख्य — फ़ाइलें, git, shell, कोड निष्पादन, कोड खोज, ब्राउज़र ऑटोमेशन, वेब खोज, दृष्टि/मीडिया, छवि निर्माण.
• डेटाबेस — SQLite, PostgreSQL, MySQL, MongoDB, और Redis क्वेरीज़ के साथ create_database, apply_migrations, और dump_schema स्वामित्व वाली डेटा परतों के लिए।
• संचार — फ़ोन कॉल और SMS (Twilio) और ईमेल (SendGrid), एक सिमुलेशन मोड के साथ जो क्रेडेंशियल अनुपस्थित होने पर एक आउटबॉक्स में रिकॉर्ड करता है — डेमो कभी गलती से वास्तविक संदेश नहीं भेजते।
• DevOps — docker_build / docker_push, compose up/down, SSH और क्लाउड-CLI डिप्लॉय (Fly, Render, Railway, Vercel), भी सिमुलेशन-सुरक्षित।
• सत्यापन — स्टैक डिटेक्शन, पार्स किए गए पास दरों के साथ टेस्ट-सूट निष्पादन, निर्भरता ऑडिट, और रहस्य स्कैनिंग।
• SciCompute Engines — गणित, सिग्नल प्रोसेसिंग, नियंत्रण, सांख्यिकी, और बहुत कुछ में सैकड़ों वैज्ञानिक और इंजीनियरिंग विधियाँ (नाम Class.method)।
• विशेषज्ञ एजेंसी और MCP — ग्राउंडेड डोमेन अनुसंधान के साथ-साथ कोई भी बाहरी MCP सर्वर जिसे आप कनेक्ट करते हैं।

17.5 रनिंग, गेट्स और आउटपुट

• Validate ग्राफ की जाँच करता है (अद्वितीय आईडी, अचक्रीय निर्भरताएँ, प्रकार पैरामीटर) आपके चलाने से पहले।
• मानव गेट चरण द्वारा अपना ड्राफ्ट तैयार करने के बाद रन को रोकते हैं, ताकि आप वास्तविक काम को मंजूरी दें; इवेंट गेट एक अन्य सिस्टम को स्वचालित रूप से मंजूरी देने देते हैं।
• बजट प्रति रन और प्रति चरण खर्च को सीमित करते हैं।
• आउटपुट को प्रोजेक्ट में सहेजें एक रन द्वारा उत्पन्न प्रत्येक कलाकृति को आपके खुले प्रोजेक्ट में कॉपी करता है।
• Export App वर्कफ़्लो को एक स्टैंडअलोन FastAPI सेवा में बदल देता है; सार्वजनिक /v1 API CI और एकीकरण के लिए रन, इवेंट, ट्रिगर, टेम्पलेट और जनरेशन को उजागर करता है।

18 भविष्य कहनेवाला टैब पूर्णता

भविष्य कहनेवाला टैब पूर्णता संपादक में टाइप करते समय इनलाइन, फिल-इन-द-मिडिल कोड सुझाव प्रदान करता है — Tab के साथ एक सुझाव स्वीकार करें। यह इंजन और वेब संपादक दोनों पर ऑप्ट-इन है।

इसे सक्षम करें

• इंजन — पर्यावरण ध्वज DCC_TAB_COMPLETE=1 सेट करें। संपादक इंजन के POST /api/complete एंडपॉइंट को कॉल करता है, जो केवल कर्सर पर डालने के लिए टेक्स्ट लौटाता है।
• वेब संपादक — बिल्ड समय पर VITE_TAB_COMPLETE=1 के साथ, या रनटाइम पर localStorage.setItem('dcc.tabComplete', '1') (फिर रीलोड करें) के साथ सक्षम करें।

यह कैसे व्यवहार करता है

• सुझाव घोस्ट टेक्स्ट के रूप में दिखाई देते हैं; स्वीकार करने के लिए Tab दबाएँ, या खारिज करने के लिए टाइप करते रहें।
• अनुरोध डीबाउंस किए जाते हैं और रद्द किए जा सकते हैं, इसलिए टाइपिंग कभी अवरुद्ध नहीं होती है।
• जब ध्वज बंद होता है, तो सुविधा पूरी तरह से अक्षम हो जाती है और कोई पूर्णता अनुरोध नहीं किया जाता है।

19 उपयोग, क्रेडिट और बिलिंग

अपनी योजना और उपयोग को प्रबंधित करने के लिए साइडबार से Billing खोलें। AI उपयोग को अंतर्निहित मॉडल द्वारा उपभोग किए गए टोकन के आधार पर अमेरिकी डॉलर क्रेडिट में मापा जाता है।

• साइकिल खर्च और प्रीपेड क्रेडिट — इस साइकिल के उपयोग और किसी भी प्रीपेड शेष राशि को ट्रैक करें।
• अतिरिक्त क्रेडिट जोड़ें — शामिल भत्ते के खर्च होने के बाद AI का उपयोग जारी रखने के लिए एक अतिरिक्त राशि (USD) अधिकृत करें; यदि आपका बजट समाप्त हो जाता है, तो आपको क्रेडिट जोड़ने के लिए प्रेरित करने वाला एक बैनर दिखाई देगा।
• अपग्रेड / योजना बदलें — किसी भी समय टियर स्विच करें।
• भुगतान विधि — फ़ाइल पर कार्ड जोड़ें या अपडेट करें (Stripe द्वारा संसाधित)।
• रद्द करें — अवधि के अंत में रद्द करें (अवधि समाप्त होने तक पहुंच बनाए रखें) या अभी रद्द करें (वापसी योग्य अवशिष्ट को वापस करें) चुनें। रद्दीकरण और वापसी नीति देखें।

20 अपनी गेटवे API कुंजी प्राप्त करना

एक गेटवे API कुंजी (एक व्यक्तिगत एक्सेस टोकन) आपको DeepCerebra सार्वजनिक API और CLI का प्रोग्रामेटिक रूप से उपयोग करने देती है।

1. साइन इन करें और साइडबार से API Keys खोलें।
2. DeepCerebra API Keys तक स्क्रॉल करें।
3. एक लेबल दर्ज करें (उदाहरण के लिए "CI पाइपलाइन" या "लैपटॉप CLI")।
4. स्कोप — read, chat, code, agent — और दिनों में एक वैकल्पिक समाप्ति (खाली = कभी नहीं) चुनें।
5. Generate पर क्लिक करें। पूरी कुंजी केवल एक बार दिखाई जाती है — Copy पर क्लिक करें और इसे सुरक्षित रूप से संग्रहीत करें।

इसे CLI या deepcerebra.ai पर API के साथ उपयोग करें:

dcc config set endpoint https://deepcerebra.ai
dcc config set api-key <your-key>

# या एक Bearer टोकन के रूप में
curl -H "Authorization: Bearer <your-key>" https://deepcerebra.ai/v1/...

आप किसी भी समय एक कुंजी को rename या delete (revoke) कर सकते हैं; प्रत्येक कुंजी अपना उपसर्ग, स्कोप, बनाया गया/समाप्ति, और अंतिम-उपयोग की तारीख दिखाती है।

21 सुरक्षा और गोपनीयता

• गोपनीय इन-ब्राउज़र स्टोरेज — आपकी प्रोजेक्ट फ़ाइलें ब्राउज़र के एन्क्रिप्टेड वर्कस्पेस में रहती हैं; प्रति अनुरोध केवल न्यूनतम संदर्भ सर्वर पर भेजा जाता है।
• शून्य डेटा प्रतिधारण (ZDR) — मॉडल पर रूट किए गए प्रॉम्प्ट और कोड अनुरोध से परे बनाए नहीं रखे जाते हैं और कभी भी फाउंडेशन मॉडल को प्रशिक्षित करने के लिए उपयोग नहीं किए जाते हैं।
• कुंजियाँ सर्वर-साइड रहती हैं — BYOK और SCM टोकन स्थिर अवस्था में एन्क्रिप्टेड होते हैं; केवल मास्क्ड पूर्वावलोकन दिखाए जाते हैं।
• एन्क्रिप्शन — ट्रांजिट में TLS; खाता डेटा आराम पर एन्क्रिप्टेड; पासवर्ड अपरिवर्तनीय रूप से हैश किए गए।
• आपका कोड आपका है — आप अपनी सामग्री और जनित आउटपुट के मालिक हैं। गोपनीयता कथन देखें।

22 समस्या निवारण

"फ़ोल्डर लोडिंग के लिए Chromium ब्राउज़र की आवश्यकता है"

Chrome, Edge, या Brave पर स्विच करें, या इसके बजाय Open from Git का उपयोग करें।

एजेंट एक ही त्रुटि पर लूप करता है

Stop पर क्लिक करें, फिर एक ठोस संकेत या बाधा के साथ फिर से वाक्यांशित करें।

मॉडल या अनुरोध त्रुटियाँ / "बजट समाप्त हो गया"

• अपना कनेक्शन और किसी भी BYOK कुंजी की वैधता की जाँच करें।
• Auto पर स्विच करें ताकि DeepCerebra एक उपलब्ध मॉडल पर रूट करे।
• यदि आपका उपयोग बजट समाप्त हो गया है, तो Billing खोलें और add overage credit जोड़ें या अपनी योजना को अपग्रेड करें।

स्थानीय मॉडल दिखाई नहीं देते

• पुष्टि करें कि dcc-bridge कनेक्टर चल रहा है और डिवाइस ऑनलाइन दिखाता है।
• सुनिश्चित करें कि Ollama चल रहा है, या LM Studio का स्थानीय सर्वर सक्षम है (डिफ़ॉल्ट पोर्ट 1234) एक मॉडल लोड के साथ।

कनेक्टर: "सर्वर ने WebSocket कनेक्शन अस्वीकार कर दिया: HTTP 401"

• उपयोग करें वही डोमेन जिसका आप ब्राउज़र में उपयोग करते हैं के रूप में --gateway (wss://deepcerebra.ai or wss://deepcerebra.io) — दोनों साइटें अलग-अलग परिनियोजन हैं, और एक से प्राप्त टोकन दूसरे पर कभी काम नहीं करता है।
• Local Machine पृष्ठ पर पेयरिंग कार्ड से सटीक कमांड कॉपी करें।

मेरे परिवर्तनों का कोई प्रभाव नहीं पड़ा

• सुनिश्चित करें कि आपने प्रस्तावित परिवर्तन में लागू करें पर क्लिक किया है (केवल अंतर का पूर्वावलोकन नहीं किया है)।
• फ़ोल्डर को फिर से स्कैन करने के लिए Explorer refresh का उपयोग करें।

Git: "आप डिफ़ॉल्ट शाखा पर हैं"

पुल रिक्वेस्ट खोलने के लिए Integrate का उपयोग करने से पहले एक कार्यशील शाखा खोलें या बनाएँ।

अभी भी फंसे हुए हैं? support@deepcerebra.ai से संपर्क करें।

23 DeepCerebra Discovery — अपने डेटा और दस्तावेज़ों से पूछें

डिस्कवरी आपके डेटाबेस और दस्तावेज़ों के लिए एक खोजी चैटबॉट है। एक ही क्वेरी से जवाब देने के बजाय, यह एक विश्लेषक की तरह काम करता है: यह परिकल्पनाएँ बनाता है, संरक्षित जांचों (SQL, ग्राफ़, दस्तावेज़ खोज, स्कीमा जाँच, वेब पुष्टि) की एक श्रृंखला चलाता है, उन स्पष्टीकरणों को हटाता है जिन्हें साक्ष्य खंडित करते हैं, और एक आधारित उत्तर संश्लेषित करता है — चार्ट और एक पारदर्शी लागत रसीद के साथ। इसे गतिविधि रेल (/app/discovery) में कंपास आइकन से खोलें।

23.1 स्पेस — आपका क्यूरेटेड स्कोप

एक स्पेस में वह सब कुछ शामिल होता है जिसकी एक प्रश्न श्रृंखला को आवश्यकता होती है: डेटाबेस कनेक्शन, दस्तावेज़ संग्रह, विश्लेषक के लिए निर्देश और बजट। एक + नया स्पेस के साथ बनाएँ, फिर दाईं ओर सेटअप पैनल का उपयोग करके:

• डेटाबेस कनेक्ट करें — SQLite, PostgreSQL, MySQL, SQL Server, या Snowflake। एक नाम और DSN दर्ज करें, कनेक्टिविटी सत्यापित करने के लिए टेस्ट पर क्लिक करें (विलंबता और सर्वर संस्करण दिखाए जाते हैं), या JSON के रूप में एक मौजूदा कनेक्शन कॉन्फ़िगरेशन आयात करें। कनेक्शन डिफ़ॉल्ट रूप से केवल-पढ़ने योग्य होते हैं।
• दस्तावेज़ जोड़ें — फ़ाइलों (PDF, DOCX, PPTX, Markdown, टेक्स्ट) को सीधे चैट में खींचें और छोड़ें, एक URL पेस्ट करें, या इंजन होस्ट पर एक फ़ोल्डर पथ इंगित करें। दस्तावेज़ों को हाइब्रिड वेक्टर + नॉलेज-ग्राफ़ खोज के लिए खंडित, एम्बेडेड और अनुक्रमित किया जाता है।
• टेबल आयात करें — किसी भी डेटाबेस के बिना तुरंत क्वेरी करने के लिए CSV/JSON पेस्ट या अपलोड करें।
• विश्लेषक को सिखाएँ — मीट्रिक परिभाषाएँ, व्यावसायिक नियम और चेतावनियाँ, क्यूरेटर-अनुमोदित विश्वसनीय क्वेरीज़, और उदाहरण प्रश्न→क्वेरी जोड़े जोड़ें ताकि उत्तर आपकी परिभाषाओं का उपयोग करें।

23.2 एक प्रश्न पूछना

एक प्रश्न वैसे ही टाइप करें जैसे आप किसी सहकर्मी से पूछेंगे — उदाहरण के लिए "Why did MRI scan volume dip in March?"। जांच बोर्ड पूरी प्रक्रिया को लाइव स्ट्रीम करता है:

• परिकल्पनाएँ — जांच के तहत उम्मीदवार स्पष्टीकरण, प्रत्येक को साक्ष्य आने पर समर्थित, खंडित, या अनिर्णायक के रूप में चिह्नित किया गया।
• जांचें — विश्लेषक द्वारा चलाई गई प्रत्येक क्वेरी, उसकी स्थिति के साथ; पूर्ण पारदर्शिता के लिए जेनरेटेड SQL/Cypher दिखाया जाता है, और प्रत्येक स्टेटमेंट निष्पादन से पहले केवल-पढ़ने योग्य गार्ड नियमों को पास करता है।
• साक्ष्य — परिणाम तालिकाएँ और दस्तावेज़ अंश, अंतिम उत्तर में संख्या द्वारा उद्धृत।
• उत्तर + चार्ट — एक आधारित निष्कर्ष जो उन स्पष्टीकरणों का भी नाम बताता है जिन्हें खारिज कर दिया गया था, साथ ही साक्ष्य से बने आधुनिक नियॉन-थीम वाले चार्ट।
• रसीद — टोकन, प्रति-जांच लागत, और राउंड, आपके AI क्रेडिट्स पर किसी अन्य एजेंट रन की तरह चार्ज किए जाते हैं।

अनुवर्ती प्रश्न उसी थ्रेड को जारी रखते हैं, ताकि विश्लेषक अपना संदर्भ बनाए रखे।

23.3 चार्ट, रिपोर्ट और निर्यात

चार्ट जांच बोर्ड पर इनलाइन रेंडर होते हैं। निर्यात का उपयोग करके पूर्ण प्रश्न — उत्तर, परिकल्पनाएँ, साक्ष्य और चार्ट — को एक स्व-निहित HTML रिपोर्ट या प्रिंट-गुणवत्ता वाले PDF के रूप में डाउनलोड करें, जिसे नियॉन डिज़ाइन सिस्टम के साथ स्टाइल किया गया है।

23.4 बजट और लागत नियंत्रण

प्रत्येक स्पेस में प्रति-प्रश्न बजट होता है: जांचों की अधिकतम संख्या, जांच राउंड, सेकंड और USD। इंजन सीमा पर साफ-साफ रुक जाता है और अब तक जो कुछ भी मिला है उसकी रिपोर्ट करता है। प्रत्येक जांच की लागत रसीद पर विस्तृत होती है, ताकि आपको हमेशा पता चले कि खर्च कहाँ हुआ।

23.5 स्वचालन: API, SDK, Workflow Studio और MCP

• REST API — UI जो कुछ भी करता है वह /v1/discovery/* के तहत उपलब्ध है, जिसमें discovery स्कोप वाला एक PAT है (इसे खाता → API टोकन के तहत बनाएँ)। स्ट्रीमिंग प्रश्न SSE का उपयोग करते हैं। बाहरी निष्पादक थिंकिंग API (/v1/think/*, scope think) के माध्यम से केवल खोजी योजना उधार ले सकते हैं।
• Python SDK — pip install deepcerebra-discovery, then DiscoveryClient(base_url, token).ask(space_id, question).
• Workflow Studio — डिस्कवरी आस्क स्टेज (discovery.ask) को किसी भी वर्कफ़्लो में डालें ताकि एक जांच को पाइपलाइन चरण के रूप में चलाया जा सके; उत्तर, चार्ट और रसीद डाउनस्ट्रीम चरणों में प्रवाहित होते हैं।
• MCP — इंजन discovery_ask और discovery_list_spaces को MCP टूल के रूप में उजागर करता है, ताकि बाहरी MCP क्लाइंट भी जांच चला सकें।