DeepCerebra Coder हे एक एजंटिक कोडिंग सहाय्यक आहे. साध्या ऑटो-कम्प्लीट कोपायलटच्या विपरीत, ते नियोजन करते, लिहिते, रिफॅक्टर करते, कमांड्स चालवते, टूल्स वापरते, आणि तुमच्या संपूर्ण प्रोजेक्टवर — तुम्ही प्रस्तावित बदलांचे पुनरावलोकन करून त्यांना मान्यता देता.
| आवृत्ती | यासाठी सर्वोत्तम | फाइल ॲक्सेस |
|---|---|---|
| वेब ॲप | शून्य-इन्स्टॉल, कोणत्याही मशीनवरून काम करा | गोपनीय इन-ब्राउझर स्टोरेज (आणि Git रेपो) |
| डेस्कटॉप (Windows / Linux / macOS) | स्थानिक-प्रथम विकास, स्थानिक मॉडेल्स | थेट स्थानिक फाइल सिस्टम |
| CLI आणि API | स्क्रिप्टिंग, CI/CD, ऑटोमेशन | स्थानिक फाइल्स / प्रोग्रामॅटिक |
हे मार्गदर्शक deepcerebra.ai वरील वेब ॲपवर लक्ष केंद्रित करते; डेस्कटॉप ॲप तेच पॅनेल आणि कार्यप्रवाह दर्शवते.
पूर्ण अनुभवासाठी Chrome, Edge, किंवा Brave ची सध्याची आवृत्ती वापरा — स्थानिक फोल्डर उघडण्यासाठी Chromium File System Access API वर अवलंबून असते. Firefox आणि Safari चॅटसाठी आणि Git-समर्थित प्रकल्पांसाठी काम करतात, परंतु स्थानिक फोल्डर थेट उघडू शकत नाहीत.
/register?plan=basic (किंवा pro / ultimate) ला भेट देऊन योजना निवडू शकता, किंवा आता सुरुवात करून नंतर Billing मध्ये योजना निवडू शकता.साइन इन केल्यानंतर तुम्ही वर्कबेंचमध्ये येता, जे प्रत्येक फलक एका स्क्रीनवर ठेवते:
लेआउट पुन्हा संतुलित करण्यासाठी एडिटर आणि चॅटमधील स्प्लिटर ड्रॅग करा आणि टर्मिनलचा आकार बदलण्यासाठी क्षैतिज स्प्लिटर ड्रॅग करा. डावीकडील साइडबार Workspace, Extensions, API Keys, Billing, आणि Feedback वर देखील नेव्हिगेट करतो.
repo स्कोप (क्लासिक) किंवा कंटेंट्स + पुल रिक्वेस्टसह फाइन-ग्रेन्ड टोकन वापरा;
GitLab साठी api स्कोप वापरा. तुमचे टोकन सर्व्हरवर संग्रहित केले जाते — केवळ फाइल कंटेंट्स ब्राउझरमध्ये खेचले जातात.owner/name म्हणून टाइप करा (तुमची शोधण्यासाठी सूची फिल्टर करा), नंतर एक
शाखा निवडा.dcc/my-feature) ला टिक करा.चॅट इतिहास उघडलेल्या प्रकल्पाशी जोडलेला असतो. फोल्डर स्विच केल्याने आपोआप नवीन सत्र सुरू होते आणि त्या फोल्डरची मागील सत्रे लोड होतात, सर्वात अलीकडील सत्र पुन्हा उघडले जाते जेणेकरून तुम्ही जिथे सोडले होते तिथून पुढे सुरू ठेवू शकता.
DeepCerebra अंतर्गत वापरत असलेले फोल्डर्स — .deepcerebra, .sessions — ट्रीमध्ये दिसतात
परंतु तुमच्या स्त्रोताला गोंधळू नये म्हणून डीफॉल्टनुसार संकुचित असतात.
तुम्हाला काय हवे आहे ते सोप्या भाषेत सांगा — प्रश्न विचारा, वैशिष्ट्याची विनंती करा किंवा बग दाखवा. सर्वोत्तम परिणाम मिळवण्यासाठी फाइल्स, फ्रेमवर्क आणि मर्यादांबद्दल विशिष्ट रहा. संबंधित फाइल्स प्रॉम्प्टमध्ये ड्रॅग करून जोडा.
प्रतिसाद Cursor प्रमाणे आयोजित केले जातात: एजंटचे तर्क वितरित करण्यायोग्य पासून वेगळे केले जातात. प्रत्येक प्रतिसाद ब्लॉकमध्ये त्याच्या वरच्या-उजव्या कोपऱ्यात कॉपी आयकॉन असतो जेणेकरून तुम्ही पूर्ण झालेला अहवाल, दस्तऐवज किंवा तुम्हाला चालवायची असलेली कमांड कॉपी करू शकता.
html.parser ऐवजी lxml वापरा").@deepcerebra सह चॅटमध्ये एजंटला बोलावता आणि [deep] सारखे प्रीफिक्स सखोल तर्काची विनंती करतात.प्रॉम्प्टच्या शेजारील मोड सिलेक्टरमधून एक मोड निवडा. प्रत्येक मोड एजंट किती योजना करतो आणि किती मुक्तपणे संपादन करतो हे ट्यून करतो:
| मोड | ते काय करते | कधी वापरावे… |
|---|---|---|
| एजंट | तुमच्या प्रकल्पात स्वायत्तपणे योजना करतो आणि संपादन करतो | तुम्हाला असिस्टंटने बदल एंड-टू-एंड लागू करायचा असेल तेव्हा |
| विचारा | संपादनाशिवाय तुमच्या कोडबद्दल प्रश्नांची उत्तरे देतो | तुम्हाला कोडबेस समजून घ्यायचा असेल तेव्हा |
| योजना | कोणत्याही संपादनापूर्वी एक दृष्टिकोन तयार करतो | कार्य मोठे असेल किंवा प्रथम तडजोड करायची असेल तेव्हा |
| संपादित करा | सध्याच्या संदर्भात केंद्रित संपादने करतो | तुम्हाला एक लहान, लक्ष्यित बदल हवा असेल तेव्हा |
जेव्हा एजंट फाइल बदलांचा प्रस्ताव देतो, तेव्हा चॅट इनपुटच्या वर प्रस्तावित बदल पॅनेल दिसते, प्रत्येक स्पर्श केलेल्या फाइलची यादी करून, जोडलेल्या (+) आणि काढलेल्या (−) ओळींच्या संख्येसह.
applied म्हणून चिन्हांकित केले जातात (आणि वास्तविक फोल्डरमध्ये लिहिले असताना · disk).एडिटरखालील टर्मिनल टॉगल करा बिल्ड्स, चाचण्या आणि स्क्रिप्ट्स चालवण्यासाठी. तुमच्या अधिकृततेने, एजंट कमांड्स कार्यान्वित करू शकतो आणि त्याचे काम सत्यापित करण्यासाठी त्यांचे आउटपुट वाचू शकतो; दीर्घकाळ चालणाऱ्या कमांड्स आउटपुट प्रवाहित करतात जेणेकरून तुम्ही प्रगती पाहू शकता. जेव्हा तुम्हाला टर्मिनलची गरज नसेल, तेव्हा त्याच्या हेडरमधून ते बंद करा.
मोठ्या उद्दिष्टांसाठी, Plan मोड वापरा (किंवा एजंटला प्रथम योजना करण्यास सांगा). प्लॅनर तुमचा प्रकल्प स्कॅन करतो, उद्दिष्टाला अवलंबित्व-जागरूक कार्यांमध्ये विभाजित करतो आणि प्रत्येक कार्याला योग्य तज्ञाला (आर्किटेक्ट, कोडर, टेस्टर, डॉक्स) नियुक्त करतो.
प्रॉम्प्टच्या शेजारील मॉडेल पिकर उघडा. पर्याय असे गटबद्ध केले आहेत:
ऑटोवर, DeepCerebra टायर्ड, ॲडॉप्टिव्ह राउटिंग वापरते: साधी कार्ये जलद, किफायतशीर मॉडेलकडे जातात, तर जटिल किंवा योजना-जड काम (उदाहरणार्थ, Plan मोड) अधिक मजबूत मॉडेलकडे राउट केले जाते. हे खर्च आणि गुणवत्ता आपोआप संतुलित करते, त्यामुळे तुम्हाला क्वचितच मॅन्युअली निवडण्याची आवश्यकता होते.
तुम्ही मीटर केलेल्या प्लॅटफॉर्म वापराऐवजी तुमच्या स्वतःच्या प्रदात्याच्या खात्याद्वारे विनंत्या राउट करू शकता.
ANTHROPIC_API_KEY,
GOOGLE_API_KEY, OPENAI_API_KEY).प्लॅटफॉर्म (DeepCerebra) मॉडेल्सना कीची आवश्यकता नाही. Remove सह कधीही की काढा.
DCC Bridge तुमच्या स्वतःच्या संगणकाला वेब ॲपशी एका लहान
dcc-bridge कनेक्टरद्वारे जोडते, एकाच वेळी दोन क्षमता अनलॉक करते:
कनेक्टर प्रमाणित WebSocket वरून बाहेर डायल करतो — कोणत्याही इनबाउंड पोर्टची आवश्यकता नाही, आणि ते NAT आणि फायरवॉलच्या मागे काम करते. ते Windows, macOS आणि Linux (Python 3.10+) वर चालते.
dcc_brg_…)
आणि पेस्ट करण्यासाठी तयार कनेक्टर कमांड कॉपी करा — टोकन फक्त एकदाच दर्शविले जाते.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 or wss://deepcerebra.io) — पेअरिंग कार्ड योग्य ते आपोआप भरते. या दोन्ही साइट्स स्वतंत्र डिप्लॉयमेंट्स आहेत ज्यात स्वतंत्र खाती आणि टोकन्स आहेत.1234) मॉडेल लोड करून सक्षम करा.डीफॉल्टनुसार, कमांड्स एका समर्पित वर्कस्पेस फोल्डरमध्ये (~/DeepCerebra) मर्यादित असतात.
तुमच्या पूर्व-कॉन्फिगर केलेल्या CLIs सह तुमच्या वास्तविक प्रकल्प फोल्डरमध्ये काम करण्यासाठी, कनेक्टर सुरू करताना त्यांना स्पष्टपणे परवानगी द्या:
# 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-dirनंतर Terminal पॅनेल उघडा, Execution target पॉपओव्हर (लॅपटॉप आयकॉन) वर क्लिक करा, My computer निवडा आणि एक कार्यशील निर्देशिका निवडा. त्यानंतर तुमच्या टाइप केलेल्या कमांड्स आणि एजंटच्या बिल्ड/टेस्ट कमांड्स तुमच्या मशीनवर कार्यान्वित केल्या जातात.
--no-exec डिव्हाइसला केवळ अनुमान-आधारित बनवते (GPU मॉडेल्स, कमांड्स नाहीत).Git-समर्थित प्रकल्प उघडल्यावर, Explorer मध्ये एक शाखा बार दिसतो जो तुमची सध्याची शाखा आणि दोन क्रिया दर्शवतो:
main) एक पुल रिक्वेस्ट उघडा. तुम्ही कार्यशील शाखेवर असणे आवश्यक आहे, डीफॉल्ट शाखेवर नाही.जर पुश वेबहुक सक्षम असेल, तर टीममेट्स पुश करतात तेव्हा Explorer आपोआप रिफ्रेश होतो, ज्यामुळे सर्वजण सिंकमध्ये राहतात — DeepCerebra द्वारे सहयोगी टीम विकासाचा पाया.
Model Context Protocol द्वारे एजंटला बाह्य टूल्स आणि डेटासह विस्तारित करा.
.deepcerebra/mcp.json फाइलमध्ये सर्व्हर कॉन्फिगर करा, उदाहरणार्थ:
{
"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 टूल्स तुमच्या विनंतीशी संबंधित असताना एजंटला आपोआप उपलब्ध होतात. स्थानिक
(stdio) आणि रिमोट (http/sse) सर्व्हर दोन्ही समर्थित आहेत.
allowlist सूचीबद्ध करतो, तेव्हा फक्त ती साधने चालू शकतात.autoApprove मध्ये पूर्व-मंजूर करत नाही.जर एखादा सर्व्हर MCP संसाधने किंवा प्रॉम्प्ट टेम्पलेट्स उघड करतो, तर एजंटला त्यांचा वापर करण्यासाठी आपोआप साधने मिळतात (mcp_list_resources, mcp_read_resource, mcp_list_prompts, mcp_get_prompt).
रिमोट सर्व्हरमध्ये auth ब्लॉक जोडा. सिक्रेट्स ${ENV_VAR} इंटरपोलेशनला समर्थन देतात:
// Static bearer token (literal or from env)
"auth": { "type": "bearer", "token": "${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"
}तुम्ही एजंट कसा विचार करतो आणि कार्य करतो हे एकाच, फाइल-आधारित कन्व्हेन्शनने आकार देऊ शकता —
.deepcerebra/ निर्देशिका — जी डेस्कटॉप ॲप, वेब ॲप, आणि
API मध्ये समानपणे कार्य करते. वेब ॲपमध्ये, हे सर्व Agent दृश्याखाली व्यवस्थापित करा;
डेस्कटॉपवर आणि API द्वारे त्या साध्या फाइल्स आहेत ज्या तुम्ही तुमच्या प्रकल्पासह कमिट करता.
कॉन्फिगरेशन अनेक स्कोपीसमधून शोधले जाते; जेव्हा समान आयटम एकापेक्षा जास्त ठिकाणी अस्तित्वात असतो, तेव्हा उच्च-प्राधान्य असलेला आयटम जिंकतो:
team/org < global (~/.deepcerebra) < workspace (<repo>/.deepcerebra)
(lowest) (highest)<repo>/.deepcerebra/…, प्रकल्पासह कमिट केले जाते.~/.deepcerebra/…, प्रकल्पांमध्ये तुमचे वैयक्तिक डीफॉल्ट.नियम हे सततच्या सूचना आहेत — कोडिंग मानके, आर्किटेक्चर कन्व्हेन्शन्स, डोमेन संदर्भ — एजंटच्या सिस्टम प्रॉम्प्टमध्ये
इंजेक्ट केले जातात. ते .deepcerebra/steering/ अंतर्गत Markdown फाइल्स म्हणून राहतात, तसेच
नेहमी-चालू AGENTS.md मानक. फ्रंटमॅटर नियम कधी लोड होतो हे नियंत्रित करते:
---
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 — प्रत्येक वळणावर (डीफॉल्ट).fileMatch — केवळ जेव्हा इन-कंटेक्स्ट फाइल globs शी जुळते.auto — जेव्हा तुमची विनंती नियमाच्या name/description शी जुळते.manual — केवळ जेव्हा तुम्ही त्याला #name किंवा /name म्हणून संदर्भित करता.एक रूट AGENTS.md रेपो-व्यापी लागू होतो; एक नेस्टेड AGENTS.md (उदा.
services/api/AGENTS.md) केवळ त्या फोल्डरखालील फाइल्सना लागू होतो. वेब ॲपमध्ये,
Agent → Steering दृश्य प्रत्येक नियमाला Scope पिकर देते
(Global / Project / Team).
कौशल्ये ही एजंट मागणीनुसार लोड करणारी पुन्हा वापरता येण्याजोगी प्लेबुक्स आहेत. प्रत्येक कौशल्य हे
.deepcerebra/skills/ अंतर्गत SKILL.md असलेली एक फोल्डर आहे:
---
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.एजंट एक हलके कॅटलॉग (नाव + वर्णन) पाहतो आणि संबंधित असताना load_skill टूलसह पूर्ण बॉडी खेचतो.
तुम्ही /skill <name> सह स्पष्टपणे एक कौशल्य बोलावू शकता. कौशल्य केवळ मॅन्युअल-ओन्ली करण्यासाठी
disable-model-invocation: true सेट करा.
हुक्स लाइफसायकल इव्हेंट्सवर ऑटोमेशन चालवतात. त्यांना .deepcerebra/hooks/*.hook.json म्हणून परिभाषित करा:
{
"title": "Format on save",
"event": "fileSave",
"filePattern": ["**/*.ts"],
"action": { "type": "shell", "command": "npm run lint:fix -- $FILE" },
"enabled": true
}इव्हेंट्समध्ये promptSubmit, preToolUse, postToolUse,
fileCreate, fileSave, fileDelete, preTask,
postTask, sessionStart, preCompact, आणि agentStop
यांचा समावेश आहे (Cursor/Claude स्पेलिंग्ज देखील स्वीकारली जातात). एक ॲक्शन एकतर shell (कमांड चालवा) किंवा
agentPrompt (एजंटला विचारा) असते. एक preToolUse हुक तो इंटरसेप्ट करत असलेल्या टूल कॉलसाठी
allow, deny, किंवा ask करू शकतो.
उप-एजंट हे विशेष एजंट आहेत जे तुम्ही परिभाषित करता आणि त्यांना कार्ये सोपवता. प्रत्येक एक मार्कडाउन फाइल आहे अंतर्गत
.deepcerebra/agents/ फ्रंटमॅटरसह अधिक एक मुख्य भाग (त्याचा सिस्टम प्रॉम्प्ट):
---
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 एजंट task (ब्लॉकिंग), task_async +
task_status / task_result (पार्श्वभूमी), किंवा task_parallel (फॅन-आउट) सह
प्रतिनिधित्व करतो.
एक प्लगइन नियम, कौशल्ये, हुक्स, सबएजंट्स आणि MCP सर्व्हर एका स्थापित करण्यायोग्य पॅकेजमध्ये बंडल करते अंतर्गत
.deepcerebra/plugins/<name>/, द्वारे वर्णन केलेले एक plugin.json मॅनिफेस्ट:
{
"name": "Acme Standards",
"version": "1.2.0",
"description": "Acme rules + skills + review agents.",
"enabled": true
}प्लगइनची सामग्री सर्वात कमी प्राधान्याने विलीन केली जाते, त्यामुळे तुमचे स्वतःचे नियम आणि कौशल्ये नेहमी प्लगइनच्या नियमांवर आणि कौशल्यांवर वरचढ ठरतात.
"enabled": false किंवा .disabled मार्कर फाइल वापरून प्लगइन अक्षम करा.
DCC_ORG_CONFIG_DIR ला सामायिक .deepcerebra निर्देशिकेकडे निर्देशित करून, किंवा वेब ॲपमध्ये नियमांना Team स्कोपवर सेट करून सामायिक डीफॉल्ट प्रकाशित करू शकते.Workflow Studio हे मल्टी-एजंट ऑटोमेशनसाठी एक व्हिज्युअल डिझायनर आहे. तुम्ही स्टेजेस — प्रत्येक एक एजंट, एक विशेषज्ञ स्टेप, किंवा एक कंट्रोल प्रिमिटिव्ह — एका ग्राफमध्ये संयोजित करता, त्यांना अवलंबित्व (dependencies) सह जोडता आणि संपूर्ण ऑर्केस्ट्रेशन इंजिनवर लाइव्ह प्रति-स्टेज प्रगती, बजेट्स आणि मानवी-मंजुरी गेट्ससह चालवता. वर्कफ्लो पोर्टेबल YAML/JSON डेफिनेशन म्हणून सेव्ह केले जातात जे तुम्ही निर्यात, आयात, Git मध्ये आवृत्ती करू शकता आणि API किंवा CLI मधून चालवू शकता.
| स्टेज प्रकार | ते काय करते |
|---|---|
agent | तुम्ही संलग्न केलेल्या कौशल्ये आणि टूल्ससह एक एजंट टर्न. |
spec.requirements / spec.design / spec.execute |
स्पेक-फर्स्ट डिलिव्हरी: आवश्यकता, डिझाइनचा मसुदा तयार करा, नंतर कार्यांमध्ये विभाजित करा आणि कार्यान्वित करा — प्रत्येक गेटेबल. |
documents.generate | मागील स्टेज आउटपुटमधून एक पॉलिश केलेला दस्तऐवज तयार करा. |
fan_out | अनेक उपविषयांवर संश्लेषण सह समांतर विस्तृत-संशोधन. |
map / loop / switch |
कंट्रोल प्रिमिटिव्ह्ज: प्रति आयटम एक बॉडी चालवा, एका अटीपर्यंत पुनरावृत्ती करा, किंवा केसेसमध्ये शाखा करा. |
verify / browser_verify |
सँडबॉक्समध्ये चाचण्या किंवा कमांड्स चालवा; ब्राउझर ऑटोमेशनसह चालू UI सत्यापित करा. |
orchestrate | डायनॅमिक राउटिंग: एक ऑर्केस्ट्रेटर एजंट विनंती वाचतो आणि इव्हेंट्सद्वारे ती सर्वोत्तम डाउनस्ट्रीम एजंट(्स) कडे पाठवतो. |
external.agent | नोंदणीकृत तृतीय-पक्ष एजंटला HTTP (A2A) द्वारे कॉल करा जणू तो एक मूळ स्टेज आहे. |
eval | चेक (समाविष्ट / रेगुलर एक्सप्रेशन / लांबी / LLM-जज) विरुद्ध अपस्ट्रीम आउटपुटला स्कोअर करा; थ्रेशोल्डच्या खाली अयशस्वी करा. |
db.provision | एक मालकीचा डेटा लेयर तयार करा: डेटाबेससाठी डॉकर-कंपोज, आवृत्तीबद्ध SQL मायग्रेशन्स, सीड डेटा, .env टेम्पलेट, आणि एक मरमेड ERD; पर्यायी प्रमाणीकरण स्केफोल्ड; SQLite वर मायग्रेशन्स त्वरित लागू करू शकते. |
ci.generate | लिंट → टेस्ट → स्कॅन → बिल्ड → डिप्लॉय आणि एन्व्हायर्नमेंट प्रमोशनसह एक तयार-ते-कमिट CI/CD पाइपलाइन (GitHub Actions, GitLab CI, किंवा Azure Pipelines) जनरेट करा. |
deploy.package | उत्पादन डिप्लॉयमेंट ॲसेट्स जनरेट करा: मल्टी-स्टेज Dockerfile, docker-compose, Kubernetes मॅनिफेस्ट्स, किंवा एक Helm चार्ट — फाइल्स ज्या तुमच्या मालकीच्या आहेत आणि तुम्ही कमिट करता. |
test.generate | बिल्ट ॲपसाठी युनिट / API / E2E सुइट्स तसेच एक आवश्यकता-ते-चाचणी ट्रेसेबिलिटी मॅट्रिक्स जनरेट करा. |
test.verify | एक टेस्ट सुइट (pytest, vitest, jest, Playwright) कार्यान्वित करा आणि त्याच्या पास रेटवर रनला गेट करा. |
security.audit | ज्ञात भेद्यतांसाठी अवलंबित्व स्कॅन करा आणि हार्ड-कोडेड सिक्रेट्ससाठी ट्री स्कॅन करा; अलर्ट इव्हेंट्स प्रकाशित करते आणि निष्कर्ष अहवाल लिहिते. |
preview | व्युत्पन्न ॲप स्थानिकरित्या सुरू करा आणि रन पॅनलमध्ये (लिंक + इनलाइन फ्रेम) त्याचा थेट URL preview.ready इव्हेंटद्वारे दर्शवा. |
design.import | UI डिझाइन इमेज (स्क्रीनशॉट, मॉकअप, Figma निर्यात) ला डाउनस्ट्रीम स्टेजेससाठी संरचित अंमलबजावणी स्पेकमध्ये रूपांतरित करा. |
प्रत्येक टप्पा — प्रकार कोणताही असो — वर्कस्पेस इव्हेंट बसवर टाइप केलेल्या इव्हेंटना प्रकाशित आणि सदस्यता घेऊ शकतो, त्यामुळे एजंट केवळ DAG द्वारे नव्हे तर मेसेज फॅब्रिकवरील सेवांप्रमाणे समन्वय साधतात:
lifecycle, agent,
business, data, system, schedule, chat,
external, किंवा alert — सदस्यत्वांमध्ये आणि रिप्लेमध्ये फिल्टर करण्यायोग्य.trigger (जेव्हा जुळणारा इव्हेंट येतो तेव्हा स्टेज चालतो;
पार्क केलेल्या स्टेजेससह एक रन ऐकत म्हणून निवासी राहतो), gate (मानवी क्लिकऐवजी
इव्हेंटद्वारे मंजूर केलेला मशीन गेट), आणि data (पेलोड स्टेजच्या संदर्भात विलीन केला जातो).agent.<stage-id>.request प्रकाशित करून सुरू केला जाऊ शकतो.triggers: ब्लॉक इनबाउंड वेबहुक्स,
क्रॉन शेड्यूल्स, इव्हेंट्स, किंवा चॅटवर सुरू होण्यासाठी त्याला सशस्त्र करतो —
स्टुडिओ बंद असतानाही.इव्हेंट्सना प्रतिसाद देणारे एजंट टिकाऊ नावाच्या रांगेची घोषणा करू शकतात जेणेकरून एजंट व्यस्त असताना
किंवा रन ऐकत नसताना जुळणारे इव्हेंट्स कधीही गमावले जात नाहीत. ट्रिगर सदस्यत्वावर, queue: <name>
सेट करा — इंजिन तो विषय वर्कस्पेस इव्हेंट बसवरील FIFO रांगेला बांधते
(.deepcerebra/workflows/events/queues/ अंतर्गत टिकून राहते). त्या क्षणापासून प्रकाशित केलेला प्रत्येक
जुळणारा इव्हेंट रांगेत कॅप्चर केला जातो; जेव्हा स्टेज चालण्यायोग्य होतो, तेव्हा इंजिन सर्वात जुन्या-प्रथम
क्रमाने इव्हेंट्स पॉप करते आणि त्यांना एका वेळी वापरते.
count — सदस्यत्व पूर्ण होण्यापूर्वी N रांगेत
(किंवा वितरित) इव्हेंट्सची आवश्यकता असते (जेव्हा अनेक कामगारांनी अहवाल देणे आवश्यक असते तेव्हा उपयुक्त).GET /api/workflow/queues खोली आणि बंधने सूचीबद्ध करते;
GET /api/workflow/queues/{name} प्रलंबित इव्हेंट्स पाहते; चॅट एजंट्स
event_queue_status आणि pop_queued_event कॉल करू शकतात.events:
subscribe:
- topic: ticket.created
mode: trigger
queue: triage-inbox # durable FIFO — events wait here for this agent
map:
payload.ticket_id: ticket_idएक सेमाफोर किती कार्ये एकाच वेळी सामायिक (संरक्षित) संसाधनावर कार्य करू शकतात यावर मर्यादा घालते:
लिहिलेला डेटाबेस, एक जागतिक व्हेरिएबल स्टोअर, एक फाइल, किंवा दर-मर्यादित बाह्य एजंट. semaphore: सह
कोणत्याही स्टेजला एक संलग्न करा — स्टेजचे काम चालण्यापूर्वी, इंजिन नावाच्या वर्कस्पेस सेमाफोरची एक परवानगी प्राप्त करते;
स्टेज अयशस्वी झाल्यासही परवानगी नेहमी सोडली जाते. permits: 1 ते एक
म्युटेक्स बनवते: एका वेळी फक्त एक कार्य (वर्कस्पेसमधील सर्व समांतर रनमध्ये) गंभीर स्टेप कार्यान्वित करते;
इतर प्रत्येक कार्य धारक पूर्ण होईपर्यंत प्रतीक्षा करते.
timeout_s पर्यंत ब्लॉक होतात;
जर संसाधन क्षमतेवर राहिले, तर स्टेज कायमचे अडकण्याऐवजी स्पष्टपणे अयशस्वी होते.ttl_s असतो; जर धारक सोडल्याशिवाय क्रॅश झाला, तर परवाना आपोआप कालबाह्य होतो जेणेकरून संसाधन कधीही डेड-लॉक होणार नाही.semaphore.<name>.waiting,
.acquired, आणि .released सिस्टम इव्हेंट्स उत्सर्जित करते;
GET /api/workflow/semaphores क्षमता, धारक आणि उपलब्ध परवानग्या दर्शवते.acquire_semaphore, release_semaphore, आणि
semaphore_status टूल्स वर्कफ्लोच्या बाहेर ॲड-हॉक गंभीर विभागांचे समन्वय साधतात.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 पुढील स्टेप पुढे जाण्यापूर्वी अनेक इव्हेंट अटी पूर्ण होईपर्यंत प्रतीक्षा करते —
"पहिला इव्हेंट जिंकतो" याच्या विरुद्ध. स्टेजच्या events: ब्लॉकवर join: all सेट करा:
स्टेज चालण्यापूर्वी प्रत्येक ट्रिगर सदस्यत्व पूर्ण झाले पाहिजे. अनेक एजंट्स (किंवा एका एजंटकडून
अनेक अहवाल) सर्व चेक इन करणे आवश्यक असताना प्रति-सदस्यत्व count: N सह एकत्र करा — उदाहरणार्थ,
रिलीज स्टेज कार्यान्वित होण्यापूर्वी डिझाइन साइन-ऑफ, चाचणी पूर्णता आणि सुरक्षा मान्यता.
join: any (डीफॉल्ट) — जेव्हा पहिले ट्रिगर सदस्यत्व पूर्ण होते तेव्हा स्टेज चालतो.join: all — भेट: प्रत्येक ट्रिगर सदस्यता (प्रत्येक त्याच्या स्वतःच्या topic, class filter आणि पर्यायी count सह) पूर्ण होणे आवश्यक आहे; तेव्हाच टप्पा कार्यान्वित होतो.trigger_events म्हणून रेकॉर्ड केले जातात
आणि टेम्पलेट्सना inputs.events (पेलोड्ससह इव्हेंट ऑब्जेक्ट्सची सूची) म्हणून उघड केले जातात.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: 1स्टेजेस चॅट एजंट वापरत असलेल्या त्याच रजिस्ट्रीमधून टूल्स निवडतात:
create_database, apply_migrations, आणि dump_schema.docker_build / docker_push, कंपोज अप/डाउन, SSH आणि
क्लाउड-CLI डिप्लॉय (Fly, Render, Railway, Vercel), तसेच सिम्युलेशन-सुरक्षित.Class.method असे नाव दिलेले)./v1 API CI आणि इंटिग्रेशन्ससाठी रन, इव्हेंट्स, ट्रिगर्स, टेम्पलेट्स आणि जनरेशन उघड करते.db.provision → अंमलबजावणी → जनरेटेड चाचण्या → सुरक्षा ऑडिट → डिप्लॉय पॅकेजिंग → CI जनरेशन, पॅकेजिंगपूर्वी मानवी गेटसह — एक संपूर्ण ब्रीफ-टू-प्रॉडक्शन मार्ग जो तुम्ही काही मिनिटांत अनुकूल करू शकता.प्रेडिक्टिव्ह टॅब कंप्लीशन तुम्ही एडिटरमध्ये टाइप करताच इनलाइन, फिल-इन-द-मिडल कोड सूचना देते — सूचना स्वीकारण्यासाठी Tab. हे पर्यायी इंजिन आणि वेब एडिटर दोन्हीवर.
DCC_TAB_COMPLETE=1 सेट करा. एडिटर इंजिनच्या
POST /api/complete एंडपॉइंटला कॉल करतो, जो केवळ कर्सरवर समाविष्ट करण्यासाठी मजकूर परत करतो.VITE_TAB_COMPLETE=1, किंवा रनटाइम वेळेस यासह localStorage.setItem('dcc.tabComplete', '1') (नंतर रीलोड करा).तुमची योजना आणि वापर व्यवस्थापित करण्यासाठी साइडबारमधून Billing उघडा. AI वापर मूळ मॉडेल्सद्वारे वापरलेल्या टोकन्सवर आधारित U.S.-डॉलर क्रेडिट्समध्ये मोजला जातो.
| योजना | मासिक किंमत | समाविष्ट मासिक एआय वापर |
|---|---|---|
| Basic | $20 | $10 |
| Pro | $75 | $30 |
| Ultimate | $200 | $150 |
एक गेटवे API की (एक वैयक्तिक ॲक्सेस टोकन) तुम्हाला DeepCerebra सार्वजनिक API आणि CLI प्रोग्रामॅटिकरित्या वापरण्याची परवानगी देते.
read, chat, code, agent
— आणि दिवसांमध्ये एक पर्यायी एक्सपायरी (रिकामे = कधीही नाही).ते CLI किंवा deepcerebra.ai वरील API सह वापरा:
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/...तुम्ही कोणत्याही वेळी की rename किंवा delete (revoke) करू शकता; प्रत्येक की तिचा प्रीफिक्स, स्कोपीस, तयार/एक्सपायरी आणि शेवटची वापरलेली तारीख दर्शवते.
Chrome, Edge, किंवा Brave वर स्विच करा, किंवा त्याऐवजी Open from Git वापरा.
Stop वर क्लिक करा, नंतर ठोस सूचना किंवा मर्यादेसह पुन्हा वाक्यांशबद्ध करा.
dcc-bridge कनेक्टर चालू असल्याची आणि डिव्हाइस ऑनलाइन दर्शवत असल्याची पुष्टी करा.1234)
मॉडेल लोड करून खात्री करा.--gateway
(wss://deepcerebra.ai or wss://deepcerebra.io) — या दोन्ही साइट्स स्वतंत्र डिप्लॉयमेंट्स आहेत,
आणि एका साइटवरील टोकन दुसऱ्या साइटवर कधीही काम करत नाही.पुल रिक्वेस्ट उघडण्यासाठी Integrate वापरण्यापूर्वी एक कार्यशील शाखा उघडा किंवा तयार करा.
अजूनही अडकले आहात? support@deepcerebra.ai शी संपर्क साधा.
Discovery हे तुमच्या डेटाबेस आणि दस्तऐवजांसाठी एक तपासणी करणारे चॅटबॉट आहे.
एकाच क्वेरीने उत्तर देण्याऐवजी, ते एका विश्लेषकाप्रमाणे कार्य करते: ते गृहितके (hypotheses) तयार करते,
संरक्षित तपासण्यांची (SQL, ग्राफ, दस्तऐवज शोध, स्कीमा तपासणी, वेब पडताळणी) मालिका चालवते, पुराव्यांनी
नाकारलेली स्पष्टीकरणे वगळते आणि आलेख व पारदर्शक खर्चाच्या पावतीसह एक ठोस उत्तर (grounded answer) संश्लेषित करते.
ॲक्टिव्हिटी रेलमधील (/app/discovery) कंपास आयकॉनमधून ते उघडा.
एका स्पेसमध्ये एका प्रश्नासाठी आवश्यक असलेल्या सर्व गोष्टींचा समावेश असतो: डेटाबेस कनेक्शन, दस्तऐवज संग्रह, विश्लेषकासाठी सूचना आणि बजेट. + नवीन स्पेस वापरून एक तयार करा, त्यानंतर उजवीकडील सेटअप पॅनेलचा वापर करून हे करा:
तुम्ही एखाद्या सहकाऱ्याला प्रश्न विचाराल त्याप्रमाणे प्रश्न टाइप करा — उदाहरणार्थ "मार्चमध्ये MRI स्कॅनचे प्रमाण का कमी झाले?". तपासणी बोर्ड संपूर्ण प्रक्रिया थेट प्रवाहित करतो:
पुढील प्रश्न त्याच धाग्यावर सुरू राहतात, त्यामुळे विश्लेषक त्याचा संदर्भ कायम ठेवतो.
आलेख तपासणी बोर्डवर इनलाइन (inline) प्रस्तुत केले जातात. संपूर्ण प्रश्न — उत्तर, गृहितके, पुरावा आणि आलेख — स्वयंपूर्ण HTML अहवाल किंवा निऑन डिझाइन प्रणालीसह शैलीबद्ध केलेला प्रिंट-गुणवत्तेचा PDF म्हणून डाउनलोड करण्यासाठी निर्यात (Export) वापरा.
प्रत्येक स्पेसमध्ये प्रति-प्रश्न बजेट असते: तपासण्यांची कमाल संख्या, तपासणी फेऱ्या, सेकंद आणि USD. इंजिन मर्यादेवर व्यवस्थित थांबते आणि त्याला आतापर्यंत काय सापडले ते अहवाल देते. प्रत्येक तपासणीचा खर्च पावतीवर तपशीलवार असतो, त्यामुळे खर्च कुठे झाला हे तुम्हाला नेहमी कळते.
/v1/discovery/* अंतर्गत discovery
स्कोप असलेल्या PAT सह उपलब्ध आहे (ते खाते → API टोकन्स अंतर्गत तयार करा).
स्ट्रीमिंग प्रश्न SSE वापरतात. बाह्य एक्झिक्युटर्स Thinking API (/v1/think/*, स्कोप think)
द्वारे केवळ तपासणी नियोजन घेऊ शकतात.pip install deepcerebra-discovery, त्यानंतर
DiscoveryClient(base_url, token).ask(space_id, question).discovery.ask) टाकून तपासणीला पाइपलाइन स्टेप म्हणून चालवा; उत्तर, आलेख आणि पावती
डाउनस्ट्रीम स्टेजमध्ये प्रवाहित होतात.discovery_ask आणि discovery_list_spaces ला MCP टूल्स
म्हणून उघड करते, जेणेकरून बाह्य MCP क्लायंट देखील तपासणी चालवू शकतील.