1 Pambuka & Edisi

DeepCerebra Coder minangka asisten coding agentic. Ora kaya copilot autocomplete biasa, DeepCerebra Coder ngrancang, nulis, refactor, nglakokake perintah, nelpon alat, lan ngulang ing kabeh proyek panjenengan — kanthi panjenengan ninjau lan nyetujoni owah-owahan sing diusulake.

Telung cara nggunakake

Pandhuan iki fokus ing aplikasi web ing deepcerebra.ai; aplikasi desktop nggambarake panel lan alur kerja sing padha.

2 Miwiti & Akun

Browser sing didukung

Gunakake versi paling anyar saka Chrome, Edge, utawa Brave kanggo pengalaman lengkap — mbukak folder lokal gumantung ing Chromium File System Access API. Firefox lan Safari bisa digunakake kanggo obrolan lan proyek sing didukung Git, nanging ora bisa mbukak folder lokal kanthi langsung.

Gawe akun

1. Klik Get Started ing kaca ngarep.
2. Isi display name, email, country, lan date of birth (panjenengan kudu paling ora 18 taun) sing opsional.
3. Pilih interface language lan password paling ora 12 karakter.
4. Waca kabar persetujuan lan konfirmasi. Nggawe akun tegese panjenengan setuju karo Terms of Service, Privacy Statement, Services Description, lan Global DPA.
5. Klik Create account, banjur verifikasi email panjenengan yen dijaluk, lan mlebu.

Reset sandhi panjenengan

1. Ing kaca login, klik Forgot password?
2. Ketik email panjenengan lan bukak link reset sing dikirim menyang kothak mlebu panjenengan.
3. Setel sandhi anyar (minimal 12 karakter).

3 Ringkesan Ruang Kerja

Sawise mlebu, panjenengan bakal mlebu ing workbench, sing nampilake saben panel ing siji layar:

• Explorer (kiwa) — wit file kanggo proyek sing dibukak, kanthi tombol refresh lan nutup.
• Editor (tengah) — isi file kanthi panyorotan sintaks lan ringkesan minimap; diff inline katon ing kene nalika agen ngusulake owah-owahan.
• Terminal (ing ngisor editor, urip/mati) — nglakokake perintah lan maca output.
• Chat (tengen) — obrolan agen; iki minangka panel utama sing ngisi ruang.

Seret splitter antarane editor lan obrolan kanggo nyetel maneh tata letak, lan seret splitter horisontal kanggo ngowahi ukuran terminal. Sidebar kiwa uga navigasi menyang Workspace, Extensions, API Keys, Billing, lan Feedback.

4 Mbukak Proyek

4.1 Mbukak folder lokal

1. Ing Explorer, klik Open project folder.
2. Pilih folder lan wenehi ijin browser kanggo maca.
3. File diwaca menyang ruang kerja terenkripsi ing browser panjenengan — ora ana sing diunggah. Panjenengan bakal weruh jumlah langsung lan ringkesan pungkasan (jumlah file · ukuran, ditambah file sing dilangkahi utawa dipotong).

4.2 Mbukak saka Git (GitHub / GitLab)

1. Klik Open from Git ing Explorer.
2. Pilih tab GitHub utawa GitLab lan tempel token akses pribadi. Kanggo GitHub gunakake scope repo (klasik) utawa token granular kanthi Contents + Pull requests; kanggo GitLab gunakake scope api. Token panjenengan disimpen ing server — mung isi file sing ditarik menyang browser.
3. Ketik repository minangka owner/name (filter dhaptar kanggo nemokake panjenengan), banjur pilih branch.
4. Opsional centhang Create a new working branch (contone dcc/my-feature) kanggo njaga karya panjenengan terisolasi saka branch standar.
5. Opsional aktifake push webhook supaya Explorer langsung refresh nalika kanca tim push (mbutuhake URL gateway publik).
6. Klik Open repository.

4.3 Refresh, ganti, lan nutup

• Refresh (↻ ing header Explorer) mindai maneh folder utawa narik sing paling anyar saka Git.
• Open another folder utawa Open from Git saka tombol ing ngisor wit.
• Close project (ikon tong sampah) mbusak ruang kerja ing browser.

4.4 Sesi obrolan sing diwatesi folder

Riwayat obrolan disambungake menyang proyek sing dibukak. Ngganti folder kanthi otomatis miwiti sesi anyar lan mbukak sesi sadurunge folder kasebut, mbukak maneh sing paling anyar supaya panjenengan bisa nerusake saka ngendi panjenengan mandheg.

4.5 Folder operasional

Folder sing digunakake DeepCerebra sacara internal — .deepcerebra, .sessions — katon ing wit nanging ditutup kanthi standar supaya ora ngregedi sumber panjenengan.

5 Nggarap File

• Klik file ing Explorer kanggo mbukak ing editor; minimap mbantu panjenengan navigasi file dawa.
• Seret file saka Explorer menyang prompt obrolan kanggo masang minangka konteks eksplisit kanggo pesen panjenengan sabanjure.
• Nalika agen ngusulake suntingan, editor nuduhake diff inline kanggo file sing dipilih.

6 Ngobrol karo Agen

Nulis panjaluk

Jelaskan apa sing panjenengan karepake kanthi basa sing gampang — takon pitakonan, njaluk fitur, utawa nuduhake bug. Dadi spesifik babagan file, framework, lan watesan kanggo entuk asil paling apik. Pasang file sing relevan kanthi nyeret menyang prompt.

Maca tanggapan, gaya Cursor

Tanggapan diatur kaya Cursor: penalaran agen dipisahake saka deliverable. Saben blok tanggapan duwe ikon salin ing pojok tengen ndhuwur supaya panjenengan bisa nyalin laporan sing wis rampung, dokumen, utawa perintah sing kudu panjenengan lakokake.

Ngarahake utawa mandhegake proses

• Gunakake Stop kanggo ngendhegake proses sing salah arah, banjur nyaring prompt panjenengan.
• Wenehi pitunjuk (contone "gunakake lxml tinimbang html.parser") kanggo ngetokake agen saka loop.

7 Papat Mode Obrolan

Pilih mode saka pemilih mode ing jejere prompt. Saben mode nyetel sepira agen ngrancang lan sepira bebas nyunting:

8 Ninjau & Nglamar Owah-owahan

Nalika agen ngusulake owah-owahan file, panel Proposed Changes katon ing ndhuwur input obrolan, nyathet saben file sing disentuh kanthi jumlah baris sing ditambahake (+) lan dibusak (−).

• Klik baris file kanggo mbukak diff inline ing editor.
• Apply utawa Reject siji file, utawa gunakake Apply all / Reject all.
• Owah-owahan sing ditrapake ditandhani applied (lan · disk nalika ditulis menyang folder nyata).
• Yen ora ana folder sing bisa ditulis, badge workspace only nuduhake owah-owahan ditrapake ing ruang kerja ing browser.

9 Terminal Terintegrasi

Uripake terminal ing ngisor editor kanggo nglakokake build, tes, lan skrip. Kanthi wewenang panjenengan, agen bisa nglakokake perintah lan maca output kanggo verifikasi karyane; perintah sing mlaku dawa ngalirake output supaya panjenengan bisa ngawasi kemajuan. Tutup terminal saka header nalika panjenengan ora mbutuhake.

10 Mode Plan & Eksekusi

Kanggo tujuan sing luwih gedhe, gunakake mode Plan (utawa njaluk agen kanggo ngrancang dhisik). Planner mindai proyek panjenengan, ngurai tujuan dadi tugas sing ngerti dependensi, lan nemtokake saben tugas menyang spesialis sing bener (arsitek, coder, tester, docs).

• Tinjau & sunting rencana — tambah, busak, utawa modifikasi tugas sadurunge eksekusi.
• Eksekusi lapisan demi lapisan — tugas independen mlaku bebarengan; planner bisa ngrancang maneh yen tugas gagal.
• Ngaso, nerusake, utawa mbatalake eksekusi kapan wae.

11 Milih Model & Auto

Bukak model picker ing jejere prompt. Pilihan dikelompokake minangka:

• Auto — DeepCerebra milih model sing paling apik (dianjurake).
• Lokal (GPU panjenengan) — model sing dilayani saka mesin panjenengan dhewe (deleng §13).
• Gateway platform — model sing di-host, dikelompokake miturut gateway banjur miturut vendor (contone Anthropic, OpenAI, Google).

Cara kerja pilihan Auto

Ing Auto, DeepCerebra nggunakake routing bertingkat, adaptif: tugas sederhana menyang model sing cepet lan ekonomis, dene karya sing kompleks utawa mbutuhake perencanaan (contone, mode Plan) diarahake menyang model sing luwih kuat. Iki ngimbangi biaya lan kualitas kanthi otomatis, saengga panjenengan arang banget kudu milih kanthi manual.

12 Gawa Kunci Panjenengan Dhewe (BYOK)

Panjenengan bisa ngarahake panjaluk liwat akun panyedhiya panjenengan dhewe tinimbang panggunaan platform sing diukur.

1. Bukak API Keys saka sidebar.
2. Ing ngisor Bring Your Own Key, pilih panyedhiya (contone ANTHROPIC_API_KEY, GOOGLE_API_KEY, OPENAI_API_KEY).
3. Tempel nilai kunci lan klik Save. Kunci dienkripsi nalika istirahat lan ora tau bali menyang browser — mung pratinjau sing ditutupi sing ditampilake.

Model Platform (DeepCerebra) ora mbutuhake kunci. Busak kunci kapan wae kanthi Remove.

13 Mesin Lokal: Model GPU & Konsol (DCC Bridge)

DCC Bridge nyambungake komputer panjenengan dhewe menyang aplikasi web liwat konektor dcc-bridge cilik, mbukak rong kemampuan sekaligus:

• Model GPU lokal — model sing dilayani dening Ollama utawa LM Studio ing mesin panjenengan katon ing pemilih model ing ngisor Local (your GPU).
• Konsol / terminal ing mesin panjenengan — terminal web lan agen bisa nglakokake perintah nyata ing komputer panjenengan, kalebu alat CLI sing wis panjenengan konfigurasi (Railway, AWS CLI, OVH CLI, gh, docker, kubectl, WSL, …) kanthi kredensial sing wis ana.

Konektor nelpon metu liwat WebSocket sing diautentikasi — ora ana port inbound sing dibutuhake, lan bisa digunakake ing mburi NAT lan firewall. Iki mlaku ing Windows, macOS, lan Linux (Python 3.10+).

13.1 Pasang komputer panjenengan

1. Klik ikon laptop ing rel aktivitas kiwa — Local Machine (GPU + Console). (Panel sing padha mbukak saka footer pemilih model liwat Manage local GPU….)
2. Priksa manawa toggle Local execution diaktifake, jenengi piranti, lan klik Add this computer. Salin pairing token siji-wektu (dcc_brg_…) lan perintah konektor sing siap ditempel — token ditampilake mung sepisan.

13.2 Instal & lakokake konektor

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

• Gunakake domain sing padha karo sing panjenengan gunakake ing browser minangka gateway (wss://deepcerebra.ai utawa wss://deepcerebra.io) — kartu pairing wis ngisi sing bener. Loro situs kasebut minangka deployment sing kapisah kanthi akun lan token sing kapisah.
• Kanggo model GPU, tetepake Ollama mlaku, utawa aktifake server lokal LM Studio (port standar 1234) kanthi model sing dimuat.
• Piranti sing dipasang nuduhake status online/offline, jumlah model, lan scope eksekusi; panjenengan bisa Revoke piranti kapan wae.

13.3 Gunakake konsol panjenengan saka aplikasi web

Sacara standar, perintah diwatesi ing folder ruang kerja khusus (~/DeepCerebra). Kanggo nggarap folder proyek nyata panjenengan kanthi CLI sing wis dikonfigurasi, wenehi kanthi eksplisit nalika miwiti konektor:

# 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

Banjur bukak panel Terminal, klik popover Execution target (ikon laptop), pilih My computer, lan pilih direktori kerja. Perintah sing panjenengan ketik lan perintah build/test agen banjur dieksekusi ing mesin panjenengan.

⚠️ Keamanan: akses host ora tau ngluwihi folder sing panjenengan dhaptar ing baris perintah konektor; token di-hash nalika istirahat lan bisa dibatalake kapan wae; --no-exec nggawe piranti mung inferensi (model GPU, ora ana perintah).
💡 Tip: Aplikasi desktop bisa nggunakake model lokal langsung tanpa konektor. Referensi konektor lengkap: github.com/mohammadkhair7/DeepCerebra-connector.

14 Alur Kerja Kolaborasi Git

Kanthi proyek sing didukung Git dibukak, bar branch katon ing Explorer nuduhake branch panjenengan saiki lan rong tumindak:

• Check in (commit) — tinjau jumlah file sing diowahi, tulis pesen commit, lan commit menyang working branch panjenengan.
• Integrate — bukak pull request saka working branch panjenengan menyang default branch (contone main). Panjenengan kudu ana ing working branch, dudu default branch.

Yen push webhook diaktifake, Explorer otomatis refresh nalika kanca tim push, njaga kabeh wong tetep sinkron — dhasar kanggo pangembangan tim kolaboratif liwat DeepCerebra.

15 Server MCP

Nggedhekake agen kanthi alat lan data eksternal liwat Model Context Protocol. Konfigurasi server ing file .deepcerebra/mcp.json, contone:

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

Alat MCP sing diaktifake kasedhiya kanggo agen kanthi otomatis nalika relevan karo panjaluk panjenengan. Server lokal (stdio) lan remot (http/sse) loro-lorone didukung.

Keamanan bawaan

• Deny-by-default — nalika server nyathet allowlist, mung alat kasebut sing bisa mlaku.
• Persetujuan kanggo alat berisiko dhuwur — alat mutating (nulis/mbusak/nyebarake/…) mbutuhake persetujuan kajaba panjenengan wis nyetujoni ing autoApprove.
• Rate limiting, argument lan output sanitation, lan audit log ditrapake kanggo saben panggilan.

Sumber daya & prompt

Yen server mbukak resources MCP utawa prompt templates, agen kanthi otomatis entuk alat kanggo nggunakake (mcp_list_resources, mcp_read_resource, mcp_list_prompts, mcp_get_prompt).

Autentikasi kanggo server remot

Tambah blok auth menyang server remot. Rahasia ndhukung interpolasi ${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 Nyesuekake Agen: Rules, Skills, Hooks, Subagents & Plugins

Panjenengan bisa mbentuk cara agen mikir lan tumindak kanthi konvensi siji, adhedhasar file — direktori .deepcerebra/ — sing bisa digunakake kanthi identik ing aplikasi desktop, aplikasi web, lan API. Ing aplikasi web, atur kabeh iki ing tampilan Agent; ing desktop lan liwat API, iku file biasa sing panjenengan commit karo proyek panjenengan.

Scopes & precedence

Konfigurasi ditemokake saka sawetara scope; nalika item sing padha ana ing luwih saka siji, sing duwe precedence luwih dhuwur sing menang:

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

• Workspace — <repo>/.deepcerebra/…, di-commit karo proyek.
• Global — ~/.deepcerebra/…, standar pribadi panjenengan ing kabeh proyek.
• Team / org — baseline bareng (precedence paling ngisor) supaya pangguna utawa proyek bisa tansah ngatasi. Ing aplikasi web, setel Scope aturan menyang Team.

Rules (steering)

Rules minangka instruksi sing tetep — standar coding, konvensi arsitektur, konteks domain — sing disuntikake menyang prompt sistem agen. Iki ana minangka file Markdown ing ngisor .deepcerebra/steering/, ditambah standar AGENTS.md sing tansah aktif. Frontmatter ngontrol kapan aturan dimuat:

---
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 — saben giliran (standar).
• fileMatch — mung nalika file ing konteks cocog karo globs.
• auto — nalika panjaluk panjenengan cocog karo name/description aturan.
• manual — mung nalika panjenengan nyebutake minangka #name utawa /name.

AGENTS.md root ditrapake ing kabeh repo; AGENTS.md sing nested (contone services/api/AGENTS.md) mung ditrapake kanggo file ing ngisor folder kasebut. Ing aplikasi web, tampilan Agent → Steering menehi saben aturan pemilih Scope (Global / Project / Team).

Skills

Skills minangka playbook sing bisa digunakake maneh sing dimuat agen nalika dibutuhake. Saben skill minangka folder kanthi SKILL.md ing ngisor .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.

Agen ndeleng katalog sing entheng (name + description) lan narik kabeh isi kanthi alat load_skill nalika relevan. Panjenengan uga bisa ngundang kanthi eksplisit kanthi /skill <name>. Setel disable-model-invocation: true kanggo nggawe skill mung manual.

Hooks

Hooks nglakokake otomatisasi ing acara siklus urip. Nemtokake minangka .deepcerebra/hooks/*.hook.json:

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

Acara kalebu promptSubmit, preToolUse, postToolUse, fileCreate, fileSave, fileDelete, preTask, postTask, sessionStart, preCompact, lan agentStop (ejaan Cursor/Claude uga ditampa). Tumindak bisa shell (nglakokake perintah) utawa agentPrompt (takon agen). Hook preToolUse bisa allow, deny, utawa ask kanggo panggilan alat sing dicegat.

Subagents

Subagents minangka agen spesialis sing panjenengan nemtokake lan delegasikake. Saben minangka file Markdown ing ngisor .deepcerebra/agents/ kanthi frontmatter ditambah isi (prompt sistem):

---
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…

Agen utama delegasi kanthi task (blocking), task_async + task_status / task_result (background), utawa task_parallel (fan-out).

Plugins

Plugin nggabungake rules, skills, hooks, subagents, lan server MCP dadi siji paket sing bisa diinstal ing ngisor .deepcerebra/plugins/<name>/, diterangake dening manifest plugin.json:

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

Isi plugin digabungake ing precedence paling ngisor, saengga rules lan skills panjenengan dhewe tansah ngatasi plugin. Pateni plugin kanthi "enabled": false utawa file penanda .disabled.

17 Agentic Workflow Studio & Agen sing Didorong Acara

Workflow Studio minangka desainer visual kanggo otomatisasi multi-agen. Panjenengan nyusun stages — saben agen, langkah spesialis, utawa primitif kontrol — dadi grafik, nyambungake kanthi dependensi, lan nglakokake kabeh orkestrasi ing mesin kanthi kemajuan saben stage langsung, anggaran, lan gerbang persetujuan manungsa. Alur kerja disimpen minangka definisi YAML/JSON portabel sing bisa panjenengan ekspor, impor, versi ing Git, lan lakokake saka API utawa CLI.

17.1 Nggawe alur kerja

• Palette (kiwa) — seret jinis stage, jinis agen sing wis digawe (riset, generasi kode, QA, panulis dokumen, piranti medis, penasihat paten, lan jinis khusus panjenengan dhewe), skills saka Skill Library, lan alat menyang kanvas.
• Canvas (tengah) — atur stage lan gambar pinggir; pinggir tegese "stage iki gumantung ing stage kasebut" lan kanthi otomatis ngirim output upstream menyang prompt downstream.
• Inspector (tengen, bisa diowahi ukurane) — konfigurasi stage sing dipilih: prompt, skills, alat, model override saben stage, artefak output, gerbang, acara, lan parameter khusus jinis.
• Templates — miwiti saka blueprint bawaan (Ship-It Pipeline, SaaS Starter, Data Pipeline with Evals, Customer Comms Hub, Design → Verified App) lan sesuaikan.
• Generate — jelaskan aplikasi utawa proses kanthi basa sing gampang lan Agent Builder ngasilake grafik alur kerja sing lengkap lan divalidasi sing bisa panjenengan tinjau, atur, lan lakokake.

17.2 Perpustakaan stage

17.3 Agen sing didorong acara (agent mesh)

Saben stage — tanpa preduli jinis — bisa publish lan subscribe menyang acara sing diketik ing bus acara ruang kerja, saengga agen koordinasi kaya layanan ing kain pesen tinimbang mung liwat DAG:

• Kelas acara — saben acara nggawa kelas: lifecycle, agent, business, data, system, schedule, chat, external, utawa alert — bisa difilter ing langganan lan replay.
• Mode langganan — trigger (stage mlaku nalika acara sing cocog teka; proses kanthi stage sing diparkir tetep resident minangka listening), gate (gerbang mesin sing disetujoni dening acara tinimbang klik manungsa), lan data (payload digabungake menyang konteks stage).
• Miwiti kanthi acara — agen apa wae bisa diwiwiti dening orchestrator utawa agen liyane kanthi nerbitake menyang alamat agent.<stage-id>.request.
• Pemicu proses — blok triggers: alur kerja ngaktifake kanggo miwiti ing webhooks inbound, cron schedules, events, utawa obrolan — sanajan Studio ditutup.
• Proses langsung — panel proses ngalirake acara siklus urip liwat SSE: wiwitan/rampung stage, gerbang, tandha, lan pratinjau katon langsung.
• Log & replay sing awet — acara tetep ana ing saben ruang kerja lan bisa di-replay miturut pola topik lan kelas kanggo audit lan debugging.

17.3.1 Antrean acara kanggo agen

Agen sing nanggepi acara bisa nyatakake antrean jeneng sing awet supaya acara sing cocog ora bakal ilang nalika agen sibuk utawa sadurunge proses mlaku ngrungokake. Ing langganan pemicu, atur queue: <name> — mesin ngiket topik kasebut menyang antrean FIFO ing bus acara ruang kerja (disimpen ing .deepcerebra/workflows/events/queues/). Saben acara sing cocog sing diterbitake wiwit saiki bakal dijupuk menyang antrean; nalika tahapan dadi bisa mlaku, mesin njupuk acara kanthi urutan paling lawas dhisik lan ngonsumsi siji-siji.

• Ora ana sing ilang — acara sing diterbitake nalika alur kerja ditutup, nalika tahapan liyane mlaku, utawa nalika proses isih ngenteni dependensi bakal diantreake tinimbang dibuwang.
• count saben langganan — mbutuhake N acara sing diantreake (utawa dikirim) sadurunge langganan dipenuhi (migunani nalika sawetara pekerja kudu nglaporake).
• Studio — ing panel Acara Inspector, atur kolom queue ing langganan pemicu; aktifake pemicu utawa wiwiti proses kanggo nggawe ikatan kanthi otomatis.
• API & piranti — GET /api/workflow/queues dhaptar ambane lan ikatan; GET /api/workflow/queues/{name} ngintip acara sing nunggu; agen obrolan bisa nelpon event_queue_status lan 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 Orkestrasi Semaphore (perlindungan sumber daya bareng)

Siji semaphore mbatesi pirang-pirang tugas sing bisa beroperasi bebarengan ing sumber daya bareng (dilindungi): basis data sing lagi ditulis, panyimpenan variabel global, file, utawa agen eksternal sing diwatesi tarif. Pasang siji menyang tahapan apa wae kanthi semaphore: — sadurunge pakaryan tahapan mlaku, mesin entuk siji izin saka semaphore ruang kerja sing dijenengi; izin kasebut tansah dibebasake sawise iku, sanajan tahapan gagal. permits: 1 ndadekake iku mutex: mung siji tugas ing wektu sing padha (ing kabeh proses paralel ing ruang kerja) nglakokake langkah kritis; saben tugas liyane ngenteni nganti sing nyekel rampung.

• Serialisasi lintas-proses — semaphores duwe ruang lingkup ruang kerja lan tetep, saengga rong proses alur kerja sing bebarengan ora bisa ngrusak sumber daya sing dilindungi sing padha.
• Ngenteni, ora macet — tugas diblokir nganti timeout_s kanggo izin; yen sumber daya tetep ing kapasitas, tahapan gagal kanthi jelas tinimbang macet selawase.
• Keamanan nalika kacilakan — saben izin nggawa ttl_s; yen sing nyekel kacilakan tanpa ngeculake, izin bakal kadaluwarsa kanthi otomatis supaya sumber daya ora bakal macet.
• Observabilitas — bus ngirim semaphore.<name>.waiting, .acquired, lan .released acara sistem; GET /api/workflow/semaphores nuduhake kapasitas, sing nyekel, lan izin sing kasedhiya.
• Agen obrolan — acquire_semaphore, release_semaphore, lan semaphore_status piranti nyelarasake bagean kritis ad-hoc ing njaba alur kerja.

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 Orkestrasi Rendezvous (ngenteni kabeh kahanan)

Rendezvous ngenteni nganti pirang-pirang kahanan acara kabeh dipenuhi sadurunge langkah sabanjure diterusake — kosok baline saka "acara pisanan menang." Atur join: all ing blok events: tahapan: saben langganan pemicu kudu dipenuhi sadurunge tahapan mlaku. Gabungke karo count: N saben langganan nalika sawetara agen (utawa sawetara laporan saka siji agen) kudu kabeh mlebu — contone, persetujuan desain, rampunge tes, lan persetujuan keamanan sadurunge tahapan rilis dieksekusi.

• join: any (standar) — tahapan mlaku nalika langganan pemicu pisanan dipenuhi.
• join: all — rendezvous: saben langganan pemicu (saben kanthi topik dhewe, filter kelas, lan count opsional) kudu dipenuhi; mung banjur tahapan dadi bisa mlaku.
• Payload — kabeh acara sing dikonsumsi direkam ing tahapan minangka trigger_events lan diwenehake menyang template minangka inputs.events (dhaptar obyek acara kanthi payload).
• Studio — nalika tahapan duwe rong utawa luwih langganan pemicu, Inspector nuduhake pamilih Join: any — acara pisanan menang utawa all — rendezvous (ngenteni kabeh); kanvas nuduhake lencana gabung ing tahapan 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 Perpustakaan alat agen

Stages milih alat saka registry sing padha karo sing digunakake agen obrolan:

• Inti — file, git, shell, eksekusi kode, telusuran kode, otomatisasi browser, telusuran web, visi/media, generasi gambar.
• Database — SQLite, PostgreSQL, MySQL, MongoDB, lan kueri Redis ditambah create_database, apply_migrations, lan dump_schema kanggo lapisan data sing diduweni.
• Komunikasi — panggilan telpon lan SMS (Twilio) lan email (SendGrid), kanthi mode simulasi sing nyathet menyang outbox nalika kredensial ora ana — demo ora tau ngirim pesen nyata kanthi ora sengaja.
• DevOps — docker_build / docker_push, compose up/down, SSH lan deploy cloud-CLI (Fly, Render, Railway, Vercel), uga aman simulasi.
• Verifikasi — deteksi tumpukan, eksekusi suite tes kanthi tingkat lulus sing diurai, audit dependensi, lan pemindaian rahasia.
• Mesin SciCompute — atusan metode ilmiah lan teknik (dijenengi Class.method) ing matematika, pemrosesan sinyal, kontrol, statistik, lan liya-liyane.
• Expert Agency & MCP — riset domain sing didhasarake ditambah server MCP eksternal sing panjenengan sambungake.

17.5 Nglakokake, gerbang, lan output

• Validate mriksa grafik (id unik, dependensi asiklik, parameter jinis) sadurunge panjenengan nglakokake.
• Gerbang manungsa ngaso proses sawise stage ngasilake draf, supaya panjenengan nyetujoni karya nyata; gerbang acara ngidini sistem liyane nyetujoni kanthi otomatis.
• Anggaran mbatesi pengeluaran saben proses lan saben stage.
• Save outputs to project nyalin saben artefak sing digawe proses menyang proyek sing dibukak.
• Export App ngowahi alur kerja dadi layanan FastAPI mandiri; API publik /v1 mbukak proses, acara, pemicu, template, lan generasi kanggo CI lan integrasi.

18 Prediksi Tab Completion

Prediksi Tab completion nawakake saran kode inline, isi-ing-tengah nalika panjenengan ngetik ing editor — tampa saran kanthi Tab. Iki minangka opt-in ing mesin lan editor web.

Aktifake

• Mesin — setel flag lingkungan DCC_TAB_COMPLETE=1. Editor nelpon endpoint POST /api/complete mesin, sing mung ngasilake teks sing bakal dilebokake ing kursor.
• Editor web — aktifake nalika build time kanthi VITE_TAB_COMPLETE=1, utawa nalika runtime kanthi localStorage.setItem('dcc.tabComplete', '1') (banjur reload).

Cara kerjane

• Saran katon minangka ghost text; pencet Tab kanggo nampa, utawa terus ngetik kanggo nutup.
• Panjaluk di-debounce lan bisa dibatalake, saengga ngetik ora tau diblokir.
• Nalika flag mati, fitur kasebut dipateni kanthi lengkap lan ora ana panjaluk completion sing digawe.

19 Panggunaan, Kredit & Tagihan

Bukak Billing saka sidebar kanggo ngatur rencana lan panggunaan panjenengan. Panggunaan AI diukur ing kredit dolar AS adhedhasar token sing dikonsumsi dening model dhasar.

• Pengeluaran siklus & kredit prabayar — nglacak panggunaan siklus iki lan saldo prabayar apa wae.
• Tambah kredit overage — wenehi wewenang jumlah tambahan (USD) kanggo terus nggunakake AI sawise tunjangan sing kalebu wis entek; yen anggaran panjenengan entek, panjenengan bakal weruh spanduk sing njaluk panjenengan nambah kredit.
• Upgrade / ganti rencana — ganti tingkatan kapan wae.
• Metode pembayaran — tambah utawa nganyari kertu sing ana ing file (diproses dening Stripe).
• Batal — pilih cancel at period end (tetep akses nganti periode rampung) utawa cancel now (ngasilake sisa sing bisa dibalekake). Deleng Cancellation & Refund Policy.

20 Njaluk Kunci API Gateway Panjenengan

Kunci API gateway (token akses pribadi) ngidini panjenengan nggunakake API publik DeepCerebra lan CLI kanthi programatik.

1. Mlebu lan bukak API Keys saka sidebar.
2. Gulung menyang DeepCerebra API Keys.
3. Ketik label (contone "CI pipeline" utawa "laptop CLI").
4. Pilih scopes — read, chat, code, agent — lan expiry opsional ing dina (kosong = ora tau).
5. Klik Generate. Kunci lengkap ditampilake mung sepisan — klik Copy lan simpen kanthi aman.

Gunakake karo CLI utawa API ing 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/...

Panjenengan bisa rename utawa delete (revoke) kunci kapan wae; saben kunci nuduhake prefiks, scope, tanggal digawe/kadaluwarsa, lan tanggal pungkasan digunakake.

21 Keamanan & Privasi

• Panyimpenan rahasia ing browser — file proyek panjenengan tetep ana ing ruang kerja terenkripsi browser; mung konteks minimal sing dibutuhake saben panjaluk sing dikirim menyang server.
• Zero Data Retention (ZDR) — prompt lan kode sing diarahake menyang model ora disimpen ngluwihi panjaluk lan ora tau digunakake kanggo nglatih model dhasar.
• Kunci tetep ing server — token BYOK lan SCM dienkripsi nalika istirahat; mung pratinjau sing ditutupi sing ditampilake.
• Enkripsi — TLS nalika transit; data akun dienkripsi nalika istirahat; sandhi di-hash kanthi ora bisa dibalekake.
• Kode panjenengan iku duwe panjenengan — panjenengan duwe konten panjenengan lan output sing digawe. Deleng Privacy Statement.

22 Ngatasi Masalah

"Folder loading needs a Chromium browser"

Ganti menyang Chrome, Edge, utawa Brave, utawa gunakake Open from Git.

Agen ngulang kesalahan sing padha

Klik Stop, banjur owahi maneh kanthi pitunjuk utawa watesan sing konkret.

Kesalahan model utawa panjaluk / "budget exhausted"

• Priksa sambungan panjenengan lan priksa manawa kunci BYOK sah.
• Ganti menyang Auto supaya DeepCerebra ngarahake menyang model sing kasedhiya.
• Yen anggaran panggunaan panjenengan entek, bukak Billing lan add overage credit utawa upgrade rencana panjenengan.

Model lokal ora katon

• Konfirmasi konektor dcc-bridge mlaku lan piranti nuduhake online.
• Priksa manawa Ollama mlaku, utawa server lokal LM Studio diaktifake (port standar 1234) kanthi model sing dimuat.

Konektor: "server rejected WebSocket connection: HTTP 401"

• Gunakake domain sing padha karo sing panjenengan gunakake ing browser minangka --gateway (wss://deepcerebra.ai utawa wss://deepcerebra.io) — loro situs kasebut minangka deployment sing kapisah, lan token saka siji ora tau bisa digunakake ing liyane.
• Salin perintah sing pas saka kartu pairing ing kaca Local Machine.

Owah-owahan panjenengan ora efektif

• Priksa manawa panjenengan ngeklik Apply (ora mung pratinjau diff) ing Proposed Changes.
• Gunakake refresh Explorer kanggo mindai maneh folder.

Git: "You are on the default branch"

Bukak utawa gawe working branch sadurunge nggunakake Integrate kanggo mbukak pull request.

Isih macet? Hubungi support@deepcerebra.ai.

23 DeepCerebra Discovery — Takokake Data & Dokumen Panjenengan

Discovery minangka chatbot investigasi kanggo basis data lan dokumen panjenengan. Tinimbang mangsuli kanthi siji pitakon, iki makarya kaya analis: iku mbentuk hipotesis, nglakokake sawetara penyelidikan sing dijaga (SQL, grafik, panelusuran dokumen, pemeriksaan skema, konfirmasi web), ngilangi panjelasan sing dibantah dening bukti, lan nyintesis jawaban sing adhedhasar bukti — kanthi grafik lan kuitansi biaya sing transparan. Bukak saka ikon kompas ing bilah aktivitas (/app/discovery).

23.1 Ruang — cakupan sing dikurasi panjenengan

Sawijining Ruang ngumpulake kabeh sing dibutuhake siji baris pitakon: koneksi basis data, koleksi dokumen, instruksi kanggo analis, lan anggaran. Gawe siji kanthi + Ruang anyar, banjur gunakake panel persiyapan ing sisih tengen kanggo:

• Sambungake basis data — SQLite, PostgreSQL, MySQL, SQL Server, utawa Snowflake. Lebokake jeneng lan DSN, klik Tes kanggo verifikasi konektivitas (latensi lan versi server ditampilake), utawa impor konfigurasi koneksi sing wis ana minangka JSON. Koneksi minangka mung-waca kanthi standar.
• Tambah dokumen — seret & culake file (PDF, DOCX, PPTX, Markdown, teks) langsung menyang obrolan, tempel URL, utawa tuduhake dalan folder ing host mesin. Dokumen dipérang, dilebokake, lan diindeks kanggo panelusuran hibrida vektor + grafik-kawruh.
• Impor tabel — tempel utawa unggah CSV/JSON kanggo takon langsung tanpa basis data apa wae.
• Wulang analis — tambahake definisi metrik, aturan bisnis lan pènget, pitakon sing dipercaya sing disetujoni kurator, lan conto pasangan pitakon→kueri supaya jawaban nggunakake definisi panjenengan.

23.2 Takon pitakon

Ketik pitakon kaya sing bakal panjenengan takokake marang kolega — contone "Napa volume pindai MRI mudhun ing wulan Maret?". Papan investigasi nyiarake kabeh proses kanthi langsung:

• Hipotesis — panjelasan calon sing lagi diselidiki, saben ditandhani didukung, dibantah, utawa ora bisa disimpulake nalika bukti teka.
• Penyelidikan — saben pitakon sing dilakokake analis, kanthi statuse; SQL/Cypher sing digawe ditampilake kanggo transparansi lengkap, lan saben pernyataan ngliwati aturan penjaga mung-waca sadurunge dieksekusi.
• Bukti — tabel asil lan kutipan dokumen, dikutip kanthi nomer ing jawaban pungkasan.
• Jawaban + grafik — kesimpulan sing adhedhasar bukti sing uga nyebutake panjelasan sing diilangi, ditambah grafik modern bertema neon sing disusun saka bukti.
• Kuitansi — token, biaya saben penyelidikan, lan puteran, ditagih menyang AI Credits panjenengan kaya eksekusi agen liyane.

Pitakon lanjutan nerusake utas sing padha, saengga analis njaga konteksé.

23.3 Grafik, laporan & ekspor

Grafik ditampilake langsung ing papan investigasi. Gunakake Ekspor kanggo ngundhuh pitakon lengkap — jawaban, hipotesis, bukti, lan grafik — minangka laporan HTML mandiri utawa PDF kualitas cetak, kanthi gaya sistem desain neon.

23.4 Anggaran & kontrol biaya

Saben ruang duwe anggaran saben pitakon: jumlah maksimal penyelidikan, puteran investigasi, detik, lan USD. Mesin mandheg kanthi resik ing watesan lan nglaporake apa sing ditemokake nganti saiki. Biaya saben penyelidikan dirinci ing kuitansi, saengga panjenengan tansah ngerti menyang ngendi biaya kasebut.

23.5 Otomatisasi: API, SDK, Workflow Studio & MCP

• REST API — kabeh sing ditindakake UI kasedhiya ing /v1/discovery/* kanthi PAT sing nggawa cakupan discovery (gawe ing Akun → Token API). Pitakon streaming nggunakake SSE. Eksekutor eksternal bisa nyilih perencanaan investigasi mung liwat Thinking API (/v1/think/*, cakupan think).
• Python SDK — pip install deepcerebra-discovery, banjur DiscoveryClient(base_url, token).ask(space_id, question).
• Workflow Studio — culake tahap Discovery Ask (discovery.ask) menyang alur kerja apa wae kanggo nglakokake investigasi minangka langkah pipeline; jawaban, grafik, lan kuitansi mili menyang tahap sabanjure.
• MCP — mesin mbukak discovery_ask lan discovery_list_spaces minangka alat MCP, saengga klien MCP eksternal uga bisa nglakokake investigasi.