DeepCerebra Coder ແມ່ນຜູ້ຊ່ວຍການຂຽນໂຄດແບບ agentic. ບໍ່ຄືກັບ copilot ທີ່ສໍາເລັດແບບທໍາມະດາ, ມັນວາງແຜນ, ຂຽນ, ປັບປຸງ, ດໍາເນີນຄໍາສັ່ງ, ເອີ້ນໃຊ້ເຄື່ອງມື, ແລະເຮັດຊໍ້າຄືນໃນ ໂຄງການທັງໝົດ ຂອງທ່ານ — ໂດຍທ່ານເປັນຜູ້ກວດສອບ ແລະ ອະນຸມັດການປ່ຽນແປງທີ່ມັນສະເໜີ.
| ລຸ້ນ | ເໝາະສົມທີ່ສຸດສໍາລັບ | ການເຂົ້າເຖິງໄຟລ໌ |
|---|---|---|
| ແອັບເວັບ | ບໍ່ຕ້ອງຕິດຕັ້ງ, ເຮັດວຽກຈາກເຄື່ອງຈັກໃດກໍໄດ້ | ບ່ອນເກັບຂໍ້ມູນທີ່ເປັນຄວາມລັບໃນບຣາວເຊີ (ແລະ Git repos) |
| ເດັສທັອບ (Windows / Linux / macOS) | ການພັດທະນາແບບ Local-first, models ທ້ອງຖິ່ນ | ລະບົບໄຟລ໌ທ້ອງຖິ່ນໂດຍກົງ |
| CLI & API | ການຂຽນສະຄຣິບ, CI/CD, ການເຮັດວຽກອັດຕະໂນມັດ | ໄຟລ໌ທ້ອງຖິ່ນ / ແບບໂປຣແກຣມ |
ຄູ່ມືນີ້ເນັ້ນໃສ່ແອັບເວັບທີ່ deepcerebra.ai; ແອັບເດັສທັອບສະແດງແຜງ ແລະ ຂັ້ນຕອນການເຮັດວຽກແບບດຽວກັນ.
ໃຊ້ເວີຊັນປັດຈຸບັນຂອງ Chrome, Edge, or Brave ເພື່ອປະສົບການເຕັມຮູບແບບ — ການເປີດ ໂຟນເດີທ້ອງຖິ່ນ ແມ່ນອີງໃສ່ Chromium File System Access API. Firefox ແລະ Safari ສາມາດໃຊ້ໄດ້ສຳລັບການສົນທະນາ ແລະ ສຳລັບ ໂຄງການທີ່ຮອງຮັບ Git, ແຕ່ບໍ່ສາມາດເປີດໂຟນເດີທ້ອງຖິ່ນໄດ້ໂດຍກົງ.
/register?plan=basic (ຫຼື pro / ultimate), ຫຼືເລີ່ມຕົ້ນດຽວນີ້ ແລະ ເລືອກແຜນພາຍຫຼັງໃນ Billing.ຫຼັງຈາກເຂົ້າສູ່ລະບົບ, ທ່ານຈະເຂົ້າສູ່ workbench, ເຊິ່ງສະແດງທຸກແຜງໃນໜ້າຈໍດຽວ:
ລາກຕົວແຍກລະຫວ່າງຕົວແກ້ໄຂ ແລະ ການສົນທະນາ ເພື່ອປັບສົມດຸນການຈັດວາງ, ແລະ ລາກຕົວແຍກແນວນອນ ເພື່ອປັບຂະໜາດ terminal. ແຖບດ້ານຂ້າງຊ້າຍຍັງນຳທາງໄປຫາ ພື້ນທີ່ເຮັດວຽກ, ສ່ວນຂະຫຍາຍ, ຄີ API, ການເກັບເງິນ, ແລະ ຄຳຕິຊົມ.
repo scope (ແບບຄລາດສິກ) ຫຼື ໂທເຄັນແບບລະອຽດພ້ອມດ້ວຍ Contents + Pull requests; ສຳລັບ
GitLab ໃຫ້ໃຊ້ api scope. ໂທເຄັນຂອງທ່ານຖືກເກັບໄວ້ໃນເຊີບເວີ — ມີພຽງແຕ່ເນື້ອໃນໄຟລ໌ເທົ່ານັ້ນທີ່ຖືກດຶງ
ເຂົ້າໄປໃນບຣາວເຊີ.owner/name (ກັ່ນຕອງລາຍການເພື່ອຊອກຫາຂອງທ່ານ), ຈາກນັ້ນເລືອກ branch.dcc/my-feature) ເພື່ອຮັກສາວຽກຂອງທ່ານໃຫ້ແຍກອອກຈາກ default branch.ປະຫວັດການສົນທະນາແມ່ນຜູກມັດກັບໂຄງການທີ່ເປີດຢູ່. ການປ່ຽນໂຟນເດີຈະເລີ່ມ session ໃໝ່ໂດຍອັດຕະໂນມັດ ແລະ ໂຫຼດ session ກ່ອນໜ້າຂອງໂຟນເດີນັ້ນ, ເປີດ session ຫຼ້າສຸດຄືນໃໝ່ເພື່ອໃຫ້ທ່ານສາມາດສືບຕໍ່ຈາກບ່ອນທີ່ທ່ານຄ້າງໄວ້.
ໂຟນເດີທີ່ DeepCerebra ໃຊ້ພາຍໃນ — .deepcerebra, .sessions — ຈະປາກົດຢູ່ໃນ tree ແຕ່ ຖືກຫຍໍ້ໄວ້ໂດຍຄ່າເລີ່ມຕົ້ນ ເພື່ອບໍ່ໃຫ້ມັນລົບກວນ source ຂອງທ່ານ.
ອະທິບາຍສິ່ງທີ່ທ່ານຕ້ອງການດ້ວຍພາສາທໍາມະດາ — ຖາມຄໍາຖາມ, ຮ້ອງຂໍຄຸນສົມບັດ, ຫຼືຊີ້ບອກຂໍ້ຜິດພາດ. ໃຫ້ລະອຽດກ່ຽວກັບໄຟລ໌, frameworks, ແລະຂໍ້ຈໍາກັດເພື່ອໃຫ້ໄດ້ຜົນດີທີ່ສຸດ. ຕິດໄຟລ໌ທີ່ກ່ຽວຂ້ອງໂດຍການລາກພວກມັນເຂົ້າໄປໃນ prompt.
ການຕອບສະໜອງຖືກຈັດລະບຽບຄືກັບ Cursor: ການໃຫ້ເຫດຜົນຂອງຕົວແທນແມ່ນແຍກອອກຈາກ ສິ່ງທີ່ຕ້ອງສົ່ງມອບ. ແຕ່ລະບລັອກການຕອບສະໜອງມີ ໄອຄອນສຳເນົາ ຢູ່ມຸມຂວາເທິງ ເພື່ອໃຫ້ທ່ານສາມາດສຳເນົາລາຍງານທີ່ສຳເລັດແລ້ວ, ເອກະສານ, ຫຼືຄຳສັ່ງທີ່ທ່ານຕ້ອງດຳເນີນການ.
lxml instead of html.parser") ເພື່ອໃຫ້ agent ອອກຈາກ loop.@deepcerebra, ແລະ prefixes ເຊັ່ນ [deep] ຮ້ອງຂໍການໃຫ້ເຫດຜົນທີ່ເລິກເຊິ່ງກວ່າ.ເລືອກໂໝດຈາກ mode selector ທີ່ຢູ່ຂ້າງ prompt. ແຕ່ລະໂໝດຈະປັບວ່າ agent ວາງແຜນຫຼາຍປານໃດ ແລະ ມັນແກ້ໄຂໄດ້ຢ່າງອິດສະຫຼະປານໃດ:
| ໂໝດ | ສິ່ງທີ່ມັນເຮັດ | ໃຊ້ເມື່ອ… |
|---|---|---|
| Agent | ວາງແຜນ ແລະ ແກ້ໄຂໃນໂຄງການຂອງທ່ານໂດຍອັດຕະໂນມັດ | ທ່ານຕ້ອງການໃຫ້ຜູ້ຊ່ວຍປະຕິບັດການປ່ຽນແປງແບບ end-to-end |
| Ask | ຕອບຄໍາຖາມກ່ຽວກັບໂຄດຂອງທ່ານໂດຍບໍ່ມີການແກ້ໄຂ | ທ່ານຕ້ອງການເຂົ້າໃຈ codebase |
| Plan | ຮ່າງວິທີການກ່ອນການແກ້ໄຂໃດໆ | ວຽກງານມີຂະໜາດໃຫຍ່ ຫຼື ມີການແລກປ່ຽນທີ່ຕ້ອງຕົກລົງກັນກ່ອນ |
| Edit | ເຮັດການແກ້ໄຂທີ່ເນັ້ນໃສ່ໃນ current context | ທ່ານຕ້ອງການການປ່ຽນແປງນ້ອຍໆ, ທີ່ກໍານົດເປົ້າໝາຍ |
ເມື່ອ agent ສະເໜີການປ່ຽນແປງໄຟລ໌, ແຜງ Proposed Changes ຈະປາກົດຢູ່ເໜືອ chat input, ສະແດງລາຍຊື່ໄຟລ໌ທີ່ຖືກແກ້ໄຂແຕ່ລະອັນ ພ້ອມຈໍານວນແຖວທີ່ເພີ່ມ (+) ແລະ ລຶບ (−).
applied (ແລະ · disk ເມື່ອຖືກຂຽນໃສ່ໂຟນເດີຈິງ).ສະຫຼັບເປີດ-ປິດ terminal ທີ່ຢູ່ດ້ານລຸ່ມຂອງ editor ເພື່ອດຳເນີນການ builds, tests, ແລະ scripts. ດ້ວຍການອະນຸຍາດຂອງທ່ານ, agent ສາມາດປະຕິບັດຄຳສັ່ງ ແລະ ອ່ານຜົນລັບຂອງມັນເພື່ອຢັ້ງຢືນການເຮັດວຽກ; ຄຳສັ່ງທີ່ໃຊ້ເວລາດົນຈະສະຕຣີມຜົນລັບອອກມາເພື່ອໃຫ້ທ່ານສາມາດ ເບິ່ງຄວາມຄືບໜ້າໄດ້. ປິດ terminal ຈາກສ່ວນຫົວຂອງມັນເມື່ອທ່ານບໍ່ຕ້ອງການໃຊ້ມັນ.
ສໍາລັບເປົ້າໝາຍທີ່ໃຫຍ່ກວ່າ, ໃຊ້ໂໝດ Plan (ຫຼືຂໍໃຫ້ agent ວາງແຜນກ່ອນ). The planner ຈະສະແກນໂຄງການຂອງທ່ານ, ແຍກເປົ້າໝາຍອອກເປັນ tasks ທີ່ຮູ້ຈັກການເພິ່ງພາອາໄສ, ແລະ ມອບໝາຍແຕ່ລະອັນໃຫ້ຜູ້ຊ່ຽວຊານທີ່ເໝາະສົມ (architect, coder, tester, docs).
ເປີດ model picker ທີ່ຢູ່ຂ້າງ prompt. ຕົວເລືອກຕ່າງໆຖືກຈັດກຸ່ມເປັນ:
ໃນໂໝດອັດຕະໂນມັດ, DeepCerebra ໃຊ້ ການກຳນົດເສັ້ນທາງແບບປັບຕົວໄດ້ຫຼາຍຊັ້ນ: ວຽກງ່າຍໆຈະຖືກສົ່ງໄປຫາໂມເດວທີ່ໄວ ແລະ ປະຢັດ, ໃນຂະນະທີ່ວຽກທີ່ສັບຊ້ອນ ຫຼື ວຽກທີ່ຕ້ອງວາງແຜນຫຼາຍ (ຕົວຢ່າງ, ໂໝດວາງແຜນ) ຈະຖືກສົ່ງໄປຫາໂມເດວທີ່ແຂງແຮງກວ່າ. ສິ່ງນີ້ ຈະດຸ່ນດ່ຽງຄ່າໃຊ້ຈ່າຍ ແລະ ຄຸນນະພາບໂດຍອັດຕະໂນມັດ, ດັ່ງນັ້ນທ່ານຈຶ່ງບໍ່ຄ່ອຍຕ້ອງເລືອກດ້ວຍຕົນເອງ.
ທ່ານສາມາດສົ່ງຄໍາຮ້ອງຂໍຜ່ານບັນຊີຜູ້ໃຫ້ບໍລິການຂອງທ່ານເອງ ແທນທີ່ຈະເປັນການນໍາໃຊ້ platform ທີ່ຖືກຄິດຄ່າ.
ANTHROPIC_API_KEY, GOOGLE_API_KEY, OPENAI_API_KEY).Platform (DeepCerebra) models ບໍ່ຕ້ອງການ key. ລຶບ key ໄດ້ທຸກເວລາດ້ວຍ Remove.
DCC Bridge ເຊື່ອມຕໍ່ ຄອມພິວເຕີຂອງທ່ານເອງ ກັບແອັບເວັບຜ່ານ connector ຂະໜາດນ້ອຍ dcc-bridge, ເຊິ່ງປົດລັອກສອງຄວາມສາມາດພ້ອມກັນ:
The connector ຈະໂທ ອອກ ຜ່ານ authenticated WebSocket — ບໍ່ຈໍາເປັນຕ້ອງມີ inbound ports, ແລະ ມັນເຮັດວຽກຢູ່ເບື້ອງຫຼັງ NAT ແລະ firewalls. ມັນເຮັດວຽກໃນ Windows, macOS, ແລະ Linux (Python 3.10+).
dcc_brg_…) ແລະ ຄໍາສັ່ງ connector ທີ່ພ້ອມວາງ — token ຈະຖືກສະແດງພຽງຄັ້ງດຽວເທົ່ານັ້ນ.pip install git+https://github.com/mohammadkhair7/DeepCerebra-connector
# then run the command copied from the pairing card, e.g.:
python -m dcc_bridge --gateway wss://deepcerebra.ai --token dcc_brg_xxxxxwss://deepcerebra.ai ຫຼື wss://deepcerebra.io) — ສອງເວັບໄຊທ໌ນີ້ແມ່ນການ deploy ແຍກຕ່າງຫາກ ພ້ອມບັນຊີ ແລະ tokens ແຍກຕ່າງຫາກ.1234) ພ້ອມ model ທີ່ຖືກໂຫຼດ.ໂດຍຄ່າເລີ່ມຕົ້ນ, ຄໍາສັ່ງຕ່າງໆຖືກຈໍາກັດຢູ່ໃນໂຟນເດີ workspace ສະເພາະ (~/DeepCerebra). ເພື່ອເຮັດວຽກໃນໂຟນເດີໂຄງການຈິງຂອງທ່ານດ້ວຍ CLIs ທີ່ທ່ານໄດ້ຕັ້ງຄ່າໄວ້ລ່ວງໜ້າ, ໃຫ້ອະນຸຍາດພວກມັນຢ່າງຊັດເຈນເມື່ອເລີ່ມຕົ້ນ connector:
# 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-dirຈາກນັ້ນເປີດແຜງ Terminal, ຄລິກ popover Execution target (ໄອຄອນ laptop), ເລືອກ My computer, ແລະ ເລືອກ working directory. ທັງຄໍາສັ່ງທີ່ທ່ານພິມ ແລະ ຄໍາສັ່ງ build/test ຂອງ agent ຈະຖືກປະຕິບັດໃນເຄື່ອງຈັກຂອງທ່ານ.
--no-exec ເຮັດໃຫ້ອຸປະກອນເປັນ inference-only (GPU models, ບໍ່ມີຄໍາສັ່ງ).ເມື່ອເປີດໂຄງການທີ່ຮອງຮັບ Git, ແຖບ branch ຈະປາກົດຢູ່ໃນ Explorer ສະແດງ branch ປັດຈຸບັນຂອງທ່ານ ແລະ ສອງການກະທໍາ:
main). ທ່ານຕ້ອງຢູ່ໃນ working branch, ບໍ່ແມ່ນ default branch.ຖ້າ push webhook ຖືກເປີດໃຊ້ງານ, Explorer ຈະ auto-refresh ເມື່ອເພື່ອນຮ່ວມທີມ push, ເຮັດໃຫ້ທຸກຄົນ sync ກັນ — ເປັນພື້ນຖານສໍາລັບການພັດທະນາທີມແບບຮ່ວມມືຜ່ານ DeepCerebra.
ຂະຫຍາຍ agent ດ້ວຍເຄື່ອງມືພາຍນອກ ແລະ ຂໍ້ມູນຜ່ານ Model Context Protocol. ຕັ້ງຄ່າ servers ໃນໄຟລ໌ .deepcerebra/mcp.json, ຕົວຢ່າງ:
{
"mcpServers": {
"my-tools": {
"url": "https://example.com/mcp",
"disabled": false,
"allowlist": ["search_issues", "get_pr"],
"autoApprove": ["create_issue"],
"auth": { "type": "bearer", "tokenEnv": "MY_TOKEN" }
}
}
}MCP tools ທີ່ຖືກເປີດໃຊ້ງານຈະກາຍເປັນທີ່ມີໃຫ້ agent ໂດຍອັດຕະໂນມັດເມື່ອພວກມັນກ່ຽວຂ້ອງກັບຄໍາຮ້ອງຂໍຂອງທ່ານ. servers ທ້ອງຖິ່ນ (stdio) ແລະ ໄລຍະໄກ (http/sse) ລ້ວນແຕ່ຖືກຮອງຮັບ.
allowlist, ມີພຽງແຕ່ tools ເຫຼົ່ານັ້ນເທົ່ານັ້ນທີ່ສາມາດເຮັດວຽກໄດ້.autoApprove.ຖ້າ server ເປີດເຜີຍ MCP resources ຫຼື prompt templates, agent ຈະໄດ້ຮັບ tools ເພື່ອນໍາໃຊ້ພວກມັນໂດຍອັດຕະໂນມັດ (mcp_list_resources, mcp_read_resource, mcp_list_prompts, mcp_get_prompt).
ເພີ່ມ block auth ໃສ່ remote server. Secrets ຮອງຮັບ ${ENV_VAR} interpolation:
// Static bearer token (literal or from env)
"auth": { "type": "bearer", "token": "${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"
}ທ່ານສາມາດກໍານົດວິທີທີ່ agent ຄິດ ແລະ ປະຕິບັດດ້ວຍຂໍ້ຕົກລົງແບບໄຟລ໌ດຽວ — ໄດເຣັກທໍຣີ .deepcerebra/ — ເຊິ່ງເຮັດວຽກແບບດຽວກັນໃນ desktop app, web app, ແລະ API. ໃນ web app, ຈັດການທັງໝົດເຫຼົ່ານີ້ພາຍໃຕ້ view Agent; ໃນ desktop ແລະ ຜ່ານ API ພວກມັນແມ່ນໄຟລ໌ທໍາມະດາທີ່ທ່ານ commit ພ້ອມໂຄງການຂອງທ່ານ.
ການຕັ້ງຄ່າຖືກຄົ້ນພົບຈາກຫຼາຍຂອບເຂດ; ເມື່ອລາຍການດຽວກັນມີຢູ່ໃນຫຼາຍກວ່າໜຶ່ງ, ອັນທີ່ມີບູລິມະສິດສູງກວ່າຈະຖືກນຳໃຊ້:
team/org < global (~/.deepcerebra) < workspace (<repo>/.deepcerebra)
(ຕໍ່າສຸດ) (ສູງສຸດ)<repo>/.deepcerebra/…, ຖືກ commit ພ້ອມໂຄງການ.~/.deepcerebra/…, ຄ່າເລີ່ມຕົ້ນສ່ວນຕົວຂອງທ່ານໃນທົ່ວໂຄງການ.Rules ແມ່ນຄໍາແນະນໍາທີ່ຄົງທີ່ — ມາດຕະຖານການຂຽນໂຄດ, ຂໍ້ຕົກລົງດ້ານສະຖາປັດຕະຍະກໍາ, domain context — ທີ່ຖືກໃສ່ເຂົ້າໄປໃນ system prompt ຂອງ agent. ພວກມັນຢູ່ໃນຮູບແບບໄຟລ໌ Markdown ພາຍໃຕ້ .deepcerebra/steering/, ບວກກັບ AGENTS.md ມາດຕະຖານທີ່ເປີດໃຊ້ງານສະເໝີ. Frontmatter ຄວບຄຸມ ເມື່ອໃດ rule ຈະໂຫຼດ:
---
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 — ທຸກຄັ້ງ (ຄ່າເລີ່ມຕົ້ນ).fileMatch — ສະເພາະເມື່ອໄຟລ໌ໃນ context ກົງກັບ globs.auto — ເມື່ອຄໍາຮ້ອງຂໍຂອງທ່ານກົງກັບ name/description ຂອງ rule.manual — ສະເພາະເມື່ອທ່ານອ້າງອີງມັນເປັນ #name ຫຼື /name.AGENTS.md ທີ່ root ນໍາໃຊ້ກັບ repo ທັງໝົດ; AGENTS.md ທີ່ຊ້ອນກັນ (ຕົວຢ່າງ services/api/AGENTS.md) ນໍາໃຊ້ສະເພາະກັບໄຟລ໌ພາຍໃຕ້ໂຟນເດີນັ້ນ. ໃນ web app, view Agent → Steering ໃຫ້ແຕ່ລະ rule ມີ Scope picker
(Global / Project / Team).
ທັກສະແມ່ນປຶ້ມຄູ່ມືທີ່ສາມາດນຳໃຊ້ຄືນໄດ້ ເຊິ່ງຕົວແທນຈະໂຫຼດ ຕາມຄວາມຕ້ອງການ. ແຕ່ລະທັກສະແມ່ນໂຟນເດີທີ່ມີ SKILL.md ພາຍໃຕ້ .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 ເຫັນ catalog ທີ່ເບົາບາງ (name + description) ແລະ ດຶງເນື້ອໃນເຕັມຮູບແບບດ້ວຍ tool load_skill ເມື່ອມັນກ່ຽວຂ້ອງ. ທ່ານຍັງສາມາດເອີ້ນໃຊ້ມັນຢ່າງຊັດເຈນດ້ວຍ
/skill <name>. ຕັ້ງ disable-model-invocation: true ເພື່ອເຮັດໃຫ້ skill ເປັນ manual-only.
ຮຸກດໍາເນີນການອັດຕະໂນມັດເມື່ອມີເຫດການວົງຈອນຊີວິດ. ກໍານົດພວກມັນເປັນ .deepcerebra/hooks/*.hook.json:
{
"title": "Format on save",
"event": "fileSave",
"filePattern": ["**/*.ts"],
"action": { "type": "shell", "command": "npm run lint:fix -- $FILE" },
"enabled": true
}Events ລວມມີ promptSubmit, preToolUse, postToolUse,
fileCreate, fileSave, fileDelete, preTask,
postTask, sessionStart, preCompact, ແລະ agentStop
(Cursor/Claude spellings ຍັງຖືກຍອມຮັບ). action ແມ່ນ shell (ດໍາເນີນຄໍາສັ່ງ) ຫຼື
agentPrompt (ຖາມ agent). hook preToolUse ສາມາດ allow,
deny, ຫຼື ask ສໍາລັບ tool call ທີ່ມັນຂັດຂວາງ.
Subagents ແມ່ນ specialist agents ທີ່ທ່ານກໍານົດ ແລະ ມອບໝາຍໃຫ້. ແຕ່ລະອັນແມ່ນໄຟລ໌ Markdown ພາຍໃຕ້
.deepcerebra/agents/ ພ້ອມ frontmatter ບວກກັບ body (system prompt ຂອງມັນ):
---
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…agent ຫຼັກມອບໝາຍດ້ວຍ task (blocking), task_async +
task_status / task_result (background), ຫຼື task_parallel (fan-out).
Plugin ຈະລວມ rules, skills, hooks, subagents, ແລະ MCP servers ເຂົ້າເປັນ package ທີ່ສາມາດຕິດຕັ້ງໄດ້ພາຍໃຕ້
.deepcerebra/plugins/<name>/, ອະທິບາຍໂດຍ manifest plugin.json:
{
"name": "Acme Standards",
"version": "1.2.0",
"description": "Acme rules + skills + review agents.",
"enabled": true
}ເນື້ອໃນຂອງ Plugin ຖືກລວມເຂົ້າກັນດ້ວຍ precedence ຕໍ່າສຸດ, ດັ່ງນັ້ນ rules ແລະ skills ຂອງທ່ານເອງຈະ override ຂອງ plugin ສະເໝີ. ປິດໃຊ້ງານ plugin ດ້ວຍ "enabled": false ຫຼື ໄຟລ໌ marker .disabled.
DCC_ORG_CONFIG_DIR ໄປຫາໄດເຣັກທໍຣີ .deepcerebra ທີ່ໃຊ້ຮ່ວມກັນ, ຫຼືໂດຍການຕັ້ງ rules ໃຫ້ເປັນ
Team scope ໃນ web app.Workflow Studio ແມ່ນ visual designer ສໍາລັບ multi-agent automation. ທ່ານປະກອບ stages — ແຕ່ລະອັນເປັນ agent, specialist step, ຫຼື control primitive — ເຂົ້າເປັນ graph, ເຊື່ອມຕໍ່ພວກມັນດ້ວຍ dependencies, ແລະ ດໍາເນີນການ orchestration ທັງໝົດໃນ engine ພ້ອມ live per-stage progress, budgets, ແລະ human-approval gates. Workflows ຖືກບັນທຶກເປັນ YAML/JSON definition ທີ່ສາມາດພົກພາໄດ້ ເຊິ່ງທ່ານສາມາດ export, import, version ໃນ Git, ແລະ ດໍາເນີນການຈາກ API ຫຼື CLI.
| Stage kind | ສິ່ງທີ່ມັນເຮັດ |
|---|---|
agent | ການເຮັດວຽກຂອງ agent ຄັ້ງໜຶ່ງ ພ້ອມ skills ແລະ tools ທີ່ທ່ານຕິດຄັດ. |
spec.requirements / spec.design / spec.execute |
ການຈັດສົ່ງແບບ Spec-first: ຮ່າງ requirements, design, ຈາກນັ້ນແຍກອອກເປັນ tasks ແລະ ປະຕິບັດ — ແຕ່ລະ gateable. |
documents.generate | ສ້າງເອກະສານທີ່ສົມບູນແບບຈາກ outputs ຂອງ stage ກ່ອນໜ້າ. |
fan_out | ການຄົ້ນຄວ້າແບບຂະໜານກວ້າງຂວາງໃນຫຼາຍຫົວຂໍ້ຍ່ອຍພ້ອມການສັງເຄາະ. |
map / loop / switch |
Control primitives: ດໍາເນີນການ body ຕໍ່ item, ເຮັດຊໍ້າຄືນຈົນກວ່າຈະມີເງື່ອນໄຂ, ຫຼື branch ຂ້າມ cases. |
verify / browser_verify |
ດໍາເນີນ tests ຫຼື commands ໃນ sandbox; ກວດສອບ UI ທີ່ກໍາລັງເຮັດວຽກດ້ວຍ browser automation. |
orchestrate | Dynamic routing: orchestrator agent ອ່ານຄໍາຮ້ອງຂໍ ແລະ ຈັດສົ່ງມັນໄປຫາ downstream agent(s) ທີ່ດີທີ່ສຸດຜ່ານ events. |
external.agent | ເອີ້ນ third-party agent ທີ່ລົງທະບຽນຜ່ານ HTTP (A2A) ຄືກັບວ່າມັນເປັນ native stage. |
eval | ໃຫ້ຄະແນນ upstream output ທຽບກັບ checks (contains / regex / length / LLM-judge); ຈະລົ້ມເຫຼວຖ້າຕໍ່າກວ່າ threshold. |
db.provision | ສ້າງ data layer ທີ່ເປັນເຈົ້າຂອງ: docker-compose ສໍາລັບ database,
SQL migrations ທີ່ມີເວີຊັນ, seed data, .env template, ແລະ Mermaid ERD; auth scaffold ທາງເລືອກ;
ສາມາດນໍາໃຊ້ migrations ກັບ SQLite ໄດ້ທັນທີ. |
ci.generate | ສ້າງ CI/CD pipeline ທີ່ພ້ອມ commit (GitHub Actions, GitLab CI, ຫຼື Azure Pipelines) ພ້ອມ lint → test → scan → build → deploy ແລະ environment promotion. |
deploy.package | ສ້າງ production deployment assets: multi-stage Dockerfile, docker-compose, Kubernetes manifests, ຫຼື Helm chart — ໄຟລ໌ທີ່ທ່ານເປັນເຈົ້າຂອງ ແລະ commit. |
test.generate | ສ້າງ unit / API / E2E suites ສໍາລັບແອັບທີ່ສ້າງຂຶ້ນ ບວກກັບ requirement-to-test traceability matrix. |
test.verify | ປະຕິບັດ test suite (pytest, vitest, jest, Playwright) ແລະ gate ການ ເຮັດວຽກຕາມ pass rate ຂອງມັນ. |
security.audit | ສະແກນການເພິ່ງພາອາໄສສຳລັບຊ່ອງໂຫວ່ທີ່ຮູ້ຈັກ ແລະຕົ້ນໄມ້ສຳລັບຄວາມລັບທີ່ຖືກຝັງໄວ້; ເຜີຍແຜ່ເຫດການແຈ້ງເຕືອນ ແລະຂຽນລາຍງານຜົນການຄົ້ນພົບ. |
preview | ເລີ່ມແອັບທີ່ສ້າງຂຶ້ນໃນເຄື່ອງ ແລະ ສະແດງ live URL ຂອງມັນໃນ run
panel (link + inline frame) ຜ່ານ event preview.ready. |
design.import | ປ່ຽນຮູບພາບ UI design (screenshot, mockup, Figma export) ໃຫ້ເປັນ structured implementation spec ສໍາລັບ downstream stages. |
ທຸກໆຂັ້ນຕອນ — ບໍ່ວ່າຈະເປັນປະເພດໃດກໍຕາມ — ສາມາດ ເຜີຍແຜ່ ແລະ ສະໝັກຮັບ ເຫດການທີ່ມີປະເພດ ຢູ່ໃນບັສເຫດການຂອງພື້ນທີ່ເຮັດວຽກ, ດັ່ງນັ້ນຕົວແທນຈຶ່ງປະສານງານຄືກັບບໍລິການຕ່າງໆໃນເຄືອຂ່າຍຂໍ້ຄວາມ ແທນທີ່ຈະຜ່ານ DAG ເທົ່ານັ້ນ:
lifecycle, agent,
business, data, system, schedule, chat,
external, ຫຼື alert — ສາມາດກັ່ນຕອງໄດ້ໃນ subscriptions ແລະ replay.trigger (stage ຈະເຮັດວຽກເມື່ອ event ທີ່ກົງກັນມາຮອດ; run
ທີ່ມີ parked stages ຈະຍັງຄົງຢູ່ເປັນ listening), gate (machine gate ທີ່ຖືກອະນຸມັດໂດຍ
event ແທນທີ່ຈະເປັນການຄລິກຂອງມະນຸດ), ແລະ data (payload ຖືກລວມເຂົ້າໄປໃນ context ຂອງ stage).agent.<stage-id>.request.triggers: ຂອງ workflow ຈະຕັ້ງຄ່າມັນໃຫ້ເລີ່ມຕົ້ນໃນ inbound
webhooks, cron schedules, events, ຫຼື chat — ເຖິງແມ່ນວ່າ Studio
ຈະຖືກປິດຢູ່ກໍຕາມ.ເອເຈັນທີ່ຕອບສະໜອງຕໍ່ເຫດການສາມາດປະກາດ ຄິວທີ່ມີຊື່ແບບທົນທານ ເພື່ອໃຫ້ເຫດການທີ່ກົງກັນບໍ່ສູນຫາຍໃນຂະນະທີ່ເອເຈັນກຳລັງເຮັດວຽກ ຫຼື ກ່ອນທີ່ການດຳເນີນງານຈະເລີ່ມຟັງ. ໃນການສະໝັກສະມາຊິກທຣິກເກີ, ໃຫ້ຕັ້ງຄ່າ queue: <name> — ເຄື່ອງຈັກຈະຜູກຫົວຂໍ້ນັ້ນເຂົ້າກັບຄິວ FIFO ໃນບັສເຫດການຂອງພື້ນທີ່ເຮັດວຽກ (ເກັບຮັກສາໄວ້ພາຍໃຕ້ .deepcerebra/workflows/events/queues/). ທຸກໆເຫດການທີ່ກົງກັນທີ່ຖືກເຜີຍແຜ່ຕັ້ງແຕ່ນັ້ນມາຈະຖືກບັນທຶກເຂົ້າໄປໃນຄິວ; ເມື່ອຂັ້ນຕອນສາມາດດຳເນີນການໄດ້, ເຄື່ອງຈັກຈະດຶງເຫດການອອກມາຕາມລຳດັບ ເກົ່າສຸດກ່ອນ ແລະບໍລິໂພກເທື່ອລະອັນ.
count ຕໍ່ການສະໝັກສະມາຊິກ — ຮຽກຮ້ອງໃຫ້ມີ N ເຫດການທີ່ຖືກຈັດຄິວ (ຫຼື ຖືກສົ່ງ) ກ່ອນທີ່ການສະໝັກສະມາຊິກຈະສຳເລັດ (ມີປະໂຫຍດເມື່ອມີພະນັກງານຫຼາຍຄົນຕ້ອງລາຍງານ).GET /api/workflow/queues ສະແດງລາຍການຄວາມເລິກ ແລະ ການຜູກມັດ; GET /api/workflow/queues/{name} ເບິ່ງເຫດການທີ່ຍັງຄ້າງຢູ່; ເອເຈັນແຊັດສາມາດເອີ້ນໃຊ້ event_queue_status ແລະ 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_idຕົວເຊມາຟໍ ຈຳກັດຈຳນວນວຽກທີ່ສາມາດປະຕິບັດງານພ້ອມກັນໃນຊັບພະຍາກອນທີ່ໃຊ້ຮ່ວມກັນ (ຖືກປ້ອງກັນ):
ຖານຂໍ້ມູນທີ່ກຳລັງຖືກຂຽນ, ບ່ອນເກັບຕົວແປທົ່ວໂລກ, ໄຟລ໌, ຫຼື ຕົວແທນພາຍນອກທີ່ຖືກຈຳກັດອັດຕາ. ຕິດມັນໃສ່ຂັ້ນຕອນໃດກໍໄດ້ດ້ວຍ semaphore: — ກ່ອນທີ່ວຽກຂອງຂັ້ນຕອນຈະເລີ່ມຕົ້ນ, ເອັນຈິນຈະໄດ້ຮັບອະນຸຍາດໜຶ່ງອັນຂອງເຊມາຟໍພື້ນທີ່ເຮັດວຽກທີ່ລະບຸໄວ້; ສິດອະນຸຍາດຈະຖືກປ່ອຍຄືນສະເໝີພາຍຫຼັງ, ເຖິງແມ່ນວ່າຂັ້ນຕອນຈະລົ້ມເຫຼວກໍຕາມ.
permits: 1 ເຮັດໃຫ້ມັນເປັນ ມິວເທັກ: ມີພຽງວຽກດຽວເທົ່ານັ້ນໃນແຕ່ລະຄັ້ງ (ໃນທຸກໆການເຮັດວຽກແບບຂະໜານໃນພື້ນທີ່ເຮັດວຽກ) ທີ່ປະຕິບັດຂັ້ນຕອນທີ່ສຳຄັນ; ວຽກອື່ນໆທັງໝົດຈະລໍຖ້າຈົນກວ່າຜູ້ຖືຈະສຳເລັດ.
timeout_s ເພື່ອຂໍອະນຸຍາດ; ຖ້າຊັບພະຍາກອນຍັງຄົງເຕັມຄວາມສາມາດ, ຂັ້ນຕອນຈະລົ້ມເຫຼວຢ່າງເຫັນໄດ້ຊັດແທນທີ່ຈະຄ້າງຕະຫຼອດໄປ.ttl_s; ຖ້າຜູ້ຖືຂັດຂ້ອງໂດຍບໍ່ປ່ອຍ, ການອະນຸຍາດຈະໝົດອາຍຸໂດຍອັດຕະໂນມັດ ເພື່ອບໍ່ໃຫ້ຊັບພະຍາກອນຖືກລັອກຕາຍ.semaphore.<name>.waiting, .acquired, ແລະ .released; GET /api/workflow/semaphores ສະແດງຄວາມສາມາດ, ຜູ້ຖື, ແລະ ການອະນຸຍາດທີ່ມີຢູ່.acquire_semaphore, release_semaphore, ແລະ semaphore_status ປະສານງານພາກສ່ວນສຳຄັນສະເພາະກິດນອກເວີກໂຟລ.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 minutesRendezvous ລໍຖ້າຈົນກວ່າເງື່ອນໄຂຂອງເຫດການຫຼາຍໆຢ່າງຈະຖືກບັນລຸທັງໝົດ ກ່ອນທີ່ຂັ້ນຕອນຕໍ່ໄປຈະ
ດຳເນີນການ — ເຊິ່ງກົງກັນຂ້າມກັບ "ເຫດການທຳອິດຊະນະ." ຕັ້ງຄ່າ join: all ຢູ່ເທິງບລັອກ events:
ຂອງຂັ້ນຕອນ: ການສະໝັກໃຊ້ທຣິກເກີ (trigger subscription) ທຸກໆອັນຕ້ອງບັນລຸເງື່ອນໄຂກ່ອນທີ່ຂັ້ນຕອນຈະດຳເນີນການ. ສົມທົບກັບ
count: N ຕໍ່ການສະໝັກໃຊ້ ເມື່ອມີຫຼາຍໆເອເຈນ (agents) (ຫຼື ຫຼາຍໆລາຍງານຈາກເອເຈນດຽວ) ຕ້ອງລາຍງານຕົວ
ທັງໝົດ — ຕົວຢ່າງເຊັ່ນ, ການອະນຸມັດການອອກແບບ, ການທົດສອບສຳເລັດ, ແລະ ການອະນຸມັດດ້ານຄວາມປອດໄພ ກ່ອນທີ່ຂັ້ນຕອນການເຜີຍແຜ່ຈະດຳເນີນການ.
join: any (ຄ່າເລີ່ມຕົ້ນ) — ຂັ້ນຕອນຈະດຳເນີນການເມື່ອການສະໝັກສະມາຊິກທຣິກເກີທຳອິດຖືກບັນລຸ.join: all — rendezvous: ແຕ່ລະການສະໝັກສະມາຊິກທຣິກເກີ (ແຕ່ລະອັນມີຫົວຂໍ້, ຕົວກອງຄລາສ, ແລະ count ທາງເລືອກຂອງຕົນເອງ) ຕ້ອງຖືກບັນລຸ; ພຽງແຕ່ຫຼັງຈາກນັ້ນຂັ້ນຕອນຈຶ່ງຈະສາມາດດຳເນີນການໄດ້.trigger_events ແລະຖືກເປີດເຜີຍໃຫ້ກັບແມ່ແບບເປັນ inputs.events (ລາຍການຂອງວັດຖຸເຫດການທີ່ມີຂໍ້ມູນບັນຈຸ).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: 1Stages ເລືອກ tools ຈາກ registry ດຽວກັນທີ່ chat agent ໃຊ້:
create_database, apply_migrations, ແລະ dump_schema ສໍາລັບ owned data
layers.docker_build / docker_push, compose up/down, SSH ແລະ
cloud-CLI deploys (Fly, Render, Railway, Vercel), ຍັງ simulation-safe.Class.method) ໃນທົ່ວຄະນິດສາດ, signal processing, controls, statistics, ແລະ ອື່ນໆ./v1 API
ເປີດເຜີຍ runs, events, triggers, templates, ແລະ generation ສໍາລັບ CI ແລະ integrations.db.provision → implementation → generated tests → security audit → deploy packaging →
CI generation, ພ້ອມ human gate ກ່ອນ packaging — ເປັນເສັ້ນທາງທີ່ສົມບູນແບບຈາກ brief ຫາ production ທີ່ທ່ານສາມາດ
ປັບປ່ຽນໄດ້ໃນນາທີ.Predictive Tab completion ສະເໜີຄໍາແນະນໍາໂຄດແບບ inline, fill-in-the-middle ໃນຂະນະທີ່ທ່ານພິມໃນ editor — ຍອມຮັບຄໍາແນະນໍາດ້ວຍ Tab. ມັນເປັນ opt-in ທັງໃນ engine ແລະ web editor.
DCC_TAB_COMPLETE=1. editor ເອີ້ນ
endpoint POST /api/complete ຂອງ engine, ເຊິ່ງສົ່ງຄືນສະເພາະຂໍ້ຄວາມທີ່ຈະໃສ່ຢູ່ cursor.VITE_TAB_COMPLETE=1, ຫຼື ໃນເວລາ
runtime ດ້ວຍ localStorage.setItem('dcc.tabComplete', '1') (ຈາກນັ້ນ reload).ເປີດ Billing ຈາກ sidebar ເພື່ອຈັດການແຜນ ແລະ ການນໍາໃຊ້ຂອງທ່ານ. ການນໍາໃຊ້ AI ຖືກຄິດຄ່າເປັນເຄຣດິດເງິນໂດລາສະຫະລັດ ໂດຍອີງໃສ່ tokens ທີ່ຖືກບໍລິໂພກໂດຍ models ພື້ນຖານ.
| ແຜນ | ລາຄາລາຍເດືອນ | ການນໍາໃຊ້ AI ລາຍເດືອນທີ່ລວມ |
|---|---|---|
| Basic | $20 | $10 |
| Pro | $75 | $30 |
| Ultimate | $200 | $150 |
gateway API key (personal access token) ຊ່ວຍໃຫ້ທ່ານສາມາດໃຊ້ DeepCerebra public API ແລະ CLI ແບບໂປຣແກຣມໄດ້.
read, chat, code, agent
— ແລະ expiry ທາງເລືອກເປັນມື້ (ຫວ່າງເປົ່າ = ບໍ່ມີວັນໝົດອາຍຸ).ໃຊ້ມັນກັບ CLI ຫຼື API ທີ່ 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/...ທ່ານສາມາດ rename ຫຼື delete (revoke) key ໄດ້ທຸກເວລາ; ແຕ່ລະ key ສະແດງ prefix, scopes, created/expiry, ແລະ last-used date ຂອງມັນ.
ປ່ຽນໄປໃຊ້ Chrome, Edge, ຫຼື Brave, ຫຼືໃຊ້ Open from Git ແທນ.
ຄລິກ Stop, ຈາກນັ້ນປັບປຸງຄໍາເວົ້າດ້ວຍຄໍາແນະນໍາ ຫຼື ຂໍ້ຈໍາກັດທີ່ຊັດເຈນ.
dcc-bridge ກໍາລັງເຮັດວຽກ ແລະ ອຸປະກອນສະແດງ online.1234) ພ້ອມ model ທີ່ຖືກໂຫຼດ.--gateway
(wss://deepcerebra.ai ຫຼື wss://deepcerebra.io) — ສອງເວັບໄຊທ໌ນີ້ແມ່ນການ deploy
ແຍກຕ່າງຫາກ, ແລະ token ຈາກອັນໜຶ່ງບໍ່ເຄີຍເຮັດວຽກໃນອີກອັນໜຶ່ງ.ເປີດ ຫຼື ສ້າງ working branch ກ່ອນທີ່ຈະໃຊ້ Integrate ເພື່ອເປີດ pull request.
ຍັງຕິດຢູ່ບໍ? ຕິດຕໍ່ support@deepcerebra.ai.
Discovery ແມ່ນແຊັດບອດສຳລັບການສືບສວນສອບສວນ ຖານຂໍ້ມູນ ແລະ ເອກະສານຂອງທ່ານ.
ແທນທີ່ຈະຕອບດ້ວຍການສອບຖາມຄັ້ງດຽວ, ມັນເຮັດວຽກຄືກັບນັກວິເຄາະ: ມັນສ້າງ ສົມມຸດຕິຖານ,
ດໍາເນີນການສືບສວນທີ່ຖືກປ້ອງກັນຫຼາຍຄັ້ງ (SQL, graph, ການຄົ້ນຫາເອກະສານ, ການກວດສອບ schema, ການຢັ້ງຢືນເວັບ), ຕັດຄໍາອະທິບາຍທີ່ຫຼັກຖານປະຕິເສດ, ແລະສັງເຄາະ ຄໍາຕອບທີ່ມີພື້ນຖານ — ພ້ອມດ້ວຍຕາຕະລາງ ແລະ
ໃບຮັບເງິນຄ່າໃຊ້ຈ່າຍທີ່ໂປ່ງໃສ. ເປີດມັນຈາກ ໄອຄອນເຂັມທິດ ໃນແຖບກິດຈະກໍາ
(/app/discovery).
ພື້ນທີ່ (Space) ໜຶ່ງຈະລວມທຸກສິ່ງທີ່ການສອບຖາມຕ້ອງການ: ການເຊື່ອມຕໍ່ຖານຂໍ້ມູນ, ການເກັບກໍາເອກະສານ, ຄໍາແນະນໍາສໍາລັບນັກວິເຄາະ, ແລະງົບປະມານ. ສ້າງພື້ນທີ່ໃໝ່ດ້ວຍ + New space, ຈາກນັ້ນໃຊ້ແຜງຕັ້ງຄ່າຢູ່ເບື້ອງຂວາເພື່ອ:
ພິມຄໍາຖາມໃນແບບທີ່ທ່ານຈະຖາມເພື່ອນຮ່ວມງານ — ຕົວຢ່າງ "ເປັນຫຍັງປະລິມານການສະແກນ MRI ຈຶ່ງຫຼຸດລົງໃນເດືອນມີນາ?". ກະດານສືບສວນ ຈະສະແດງຂະບວນການທັງໝົດແບບສົດໆ:
ຄໍາຖາມຕິດຕາມຈະສືບຕໍ່ຫົວຂໍ້ດຽວກັນ, ດັ່ງນັ້ນນັກວິເຄາະຈຶ່ງຮັກສາສະພາບແວດລ້ອມຂອງມັນໄວ້.
ຕາຕະລາງຈະສະແດງຜົນໃນກະດານສືບສວນ. ໃຊ້ Export ເພື່ອດາວໂຫຼດຄໍາຖາມທັງໝົດ — ຄໍາຕອບ, ສົມມຸດຕິຖານ, ຫຼັກຖານ, ແລະຕາຕະລາງ — ເປັນ HTML report ທີ່ສົມບູນໃນຕົວເອງ ຫຼື PDF ຄຸນນະພາບການພິມ, ທີ່ຖືກອອກແບບດ້ວຍລະບົບການອອກແບບ neon.
ແຕ່ລະພື້ນທີ່ບັນຈຸງົບປະມານຕໍ່ຄໍາຖາມ: ຈໍານວນສູງສຸດຂອງການສືບສວນ, ຮອບການສືບສວນ, ວິນາທີ, ແລະ USD. ເຄື່ອງຈັກຈະຢຸດຢ່າງສະອາດເມື່ອຮອດຂີດຈໍາກັດ ແລະ ລາຍງານສິ່ງທີ່ມັນພົບເຫັນມາຮອດປະຈຸບັນ. ຄ່າໃຊ້ຈ່າຍຂອງການສືບສວນແຕ່ລະຄັ້ງຈະຖືກລະບຸໄວ້ໃນໃບຮັບເງິນ, ດັ່ງນັ້ນທ່ານຈຶ່ງຮູ້ສະເໝີວ່າເງິນໄດ້ຖືກໃຊ້ໄປໃສ.
/v1/discovery/* ດ້ວຍ PAT ທີ່ມີຂອບເຂດ discovery (ສ້າງມັນພາຍໃຕ້ Account → API Tokens).
ການສອບຖາມແບບ streaming ໃຊ້ SSE. ຜູ້ປະຕິບັດງານພາຍນອກສາມາດຢືມແຜນການສືບສວນຜ່ານ Thinking API
(/v1/think/*, ຂອບເຂດ think).pip install deepcerebra-discovery, ຈາກນັ້ນ
DiscoveryClient(base_url, token).ask(space_id, question).discovery.ask) ເຂົ້າໄປໃນ workflow ໃດກໍໄດ້ ເພື່ອດໍາເນີນການສືບສວນເປັນຂັ້ນຕອນ pipeline; ຄໍາຕອບ,
ຕາຕະລາງ, ແລະໃບຮັບເງິນຈະໄຫຼໄປຫາຂັ້ນຕອນຕໍ່ໄປ.discovery_ask ແລະ
discovery_list_spaces ເປັນເຄື່ອງມື MCP, ດັ່ງນັ້ນລູກຄ້າ MCP ພາຍນອກກໍສາມາດດໍາເນີນການສືບສວນໄດ້ເຊັ່ນກັນ.