1 နိဒါန်းနှင့် ထုတ်ဝေမှုများ

DeepCerebra Coder သည် agentic ကုဒ်ရေးသားခြင်း အကူအညီပေးသူဖြစ်သည်။ ရိုးရှင်းသော autocomplete copilot နှင့်မတူဘဲ၊ ၎င်းသည် သင်၏ ပရောဂျက်တစ်ခုလုံး အနှံ့အပြားတွင် စီမံကိန်းဆွဲခြင်း၊ ရေးသားခြင်း၊ ပြန်လည်ပြင်ဆင်ခြင်း၊ ကွန်မန်းများ လုပ်ဆောင်ခြင်း၊ ကိရိယာများ ခေါ်ဆိုခြင်းနှင့် ထပ်ခါတလဲလဲ လုပ်ဆောင်ခြင်းတို့ကို ပြုလုပ်နိုင်သည် — ၎င်းက အဆိုပြုထားသော ပြောင်းလဲမှုများကို သင်က ပြန်လည်သုံးသပ်ပြီး အတည်ပြုပေးရမည်ဖြစ်သည်။

အသုံးပြုနိုင်သည့် နည်းလမ်းသုံးမျိုး

ဤလမ်းညွှန်ချက်သည် deepcerebra.ai ရှိ ဝဘ်အက်ပ်ကို အဓိကထားသည်။ ဒက်စ်တော့အက်ပ်သည် တူညီသော panel များနှင့် လုပ်ငန်းအစီအစဉ်များကို ထင်ဟပ်စေသည်။

2 စတင်အသုံးပြုခြင်းနှင့် အကောင့်

ပံ့ပိုးထားသော ဘရောက်ဆာများ

အပြည့်အဝ အသုံးပြုနိုင်ရန် Chrome, Edge, သို့မဟုတ် Brave ၏ လက်ရှိဗားရှင်းကို အသုံးပြုပါ — ပြည်တွင်းဖိုင်တွဲ တစ်ခုကို ဖွင့်ခြင်းသည် Chromium File System Access API ပေါ်တွင် မူတည်သည်။ Firefox နှင့် Safari တို့သည် ချက်တင်နှင့် Git-backed ပရောဂျက်များအတွက် အလုပ်လုပ်သော်လည်း ပြည်တွင်းဖိုင်တွဲကို တိုက်ရိုက်ဖွင့်၍မရပါ။

အကောင့်တစ်ခု ဖန်တီးပါ

1. ဆိုက်၏ ပင်မစာမျက်နှာရှိ Get Started ကို နှိပ်ပါ။
2. သင်၏ ရွေးချယ်နိုင်သော ပြသအမည်၊ အီးမေးလ်၊ နိုင်ငံ နှင့် မွေးသက္ကရာဇ် (အနည်းဆုံး ၁၈ နှစ် ပြည့်ရမည်) တို့ကို ဖြည့်သွင်းပါ။
3. သင်၏ အင်တာဖေ့စ်ဘာသာစကား နှင့် အနည်းဆုံး စာလုံး ၁၂ လုံးပါသော စကားဝှက် ကို ရွေးချယ်ပါ။
4. သဘောတူညီချက် အသိပေးချက်ကို ဖတ်ရှုပြီး အတည်ပြုပါ။ အကောင့်တစ်ခု ဖန်တီးခြင်းသည် သင်သည် ဝန်ဆောင်မှုစည်းမျဉ်းများ၊ ကိုယ်ရေးကိုယ်တာထုတ်ပြန်ချက်၊ ဝန်ဆောင်မှုဖော်ပြချက် နှင့် ကမ္ဘာလုံးဆိုင်ရာ DPA တို့ကို သဘောတူကြောင်း ဆိုလိုသည်။
5. Create account ကို နှိပ်ပါ၊ ထို့နောက် တောင်းဆိုပါက သင်၏ အီးမေးလ်ကို အတည်ပြုပြီး ဝင်ရောက်ပါ။

သင်၏ စကားဝှက်ကို ပြန်လည်သတ်မှတ်ပါ

1. ဝင်ရောက်မှု စာမျက်နှာတွင် Forgot password? ကို နှိပ်ပါ။
2. သင်၏ အီးမေးလ်ကို ထည့်သွင်းပြီး သင်၏ inbox သို့ ပေးပို့ထားသော reset link ကို ဖွင့်ပါ။
3. စကားဝှက်အသစ်တစ်ခု သတ်မှတ်ပါ (အနည်းဆုံး စာလုံး ၁၂ လုံး)။

3 လုပ်ငန်းခွင်ကို အမြန်ကြည့်ရှုခြင်း

ဝင်ရောက်ပြီးနောက် သင်သည် workbench သို့ ရောက်ရှိမည်ဖြစ်ပြီး၊ ၎င်းသည် pane အားလုံးကို မျက်နှာပြင်တစ်ခုတည်းတွင် ထားရှိသည်-

• Explorer (ဘယ်ဘက်) — ဖွင့်ထားသော ပရောဂျက်အတွက် ဖိုင်သစ်ပင်၊ refresh နှင့် close ခလုတ်တို့ ပါဝင်သည်။
• Editor (အလယ်) — syntax highlighting နှင့် minimap overview ပါသော ဖိုင်အကြောင်းအရာများ၊ အေးဂျင့်က ပြောင်းလဲမှုများ အဆိုပြုသောအခါ inline diffs များ ဤနေရာတွင် ပေါ်လာသည်။
• Terminal (editor အောက်တွင်၊ ဖွင့်/ပိတ်) — ကွန်မန်းများ လုပ်ဆောင်ပြီး output ကို ဖတ်ပါ။
• Chat (ညာဘက်) — အေးဂျင့်နှင့် စကားပြောဆိုမှု၊ ၎င်းသည် အဓိက၊ နေရာယူထားသော pane ဖြစ်သည်။

layout ကို ပြန်လည်ချိန်ညှိရန် editor နှင့် chat ကြားရှိ splitter ကို ဆွဲပါ၊ terminal ကို အရွယ်အစားပြောင်းရန် horizontal splitter ကို ဆွဲပါ။ ဘယ်ဘက် sidebar သည် Workspace၊ Extensions၊ API Keys၊ Billing နှင့် Feedback သို့လည်း သွားလာနိုင်သည်။

4 ပရောဂျက်တစ်ခု ဖွင့်ခြင်း

4.1 ပြည်တွင်းဖိုင်တွဲတစ်ခု ဖွင့်ခြင်း

1. Explorer တွင် Open project folder ကို နှိပ်ပါ။
2. ဖိုင်တွဲတစ်ခုကို ရွေးချယ်ပြီး ၎င်းကို ဖတ်ရှုရန် ဘရောက်ဆာအား ခွင့်ပြုချက်ပေးပါ။
3. ဖိုင်များကို သင်၏ ဘရောက်ဆာ၏ encrypted in-browser workspace ထဲသို့ ဖတ်သွင်းသည် — မည်သည့်အရာမျှ upload လုပ်ခြင်းမရှိပါ။ သင်သည် live count နှင့် နောက်ဆုံးအကျဉ်းချုပ် (ဖိုင်အရေအတွက် · အရွယ်အစား၊ အပြင် ကျော်သွားသော သို့မဟုတ် ဖြတ်တောက်ထားသော ဖိုင်များ) ကို မြင်ရမည်။

4.2 Git မှ ဖွင့်ခြင်း (GitHub / GitLab)

1. Explorer တွင် Open from Git ကို နှိပ်ပါ။
2. GitHub သို့မဟုတ် GitLab tab ကို ရွေးချယ်ပြီး personal access token တစ်ခုကို ကူးထည့်ပါ။ GitHub အတွက် repo scope (classic) သို့မဟုတ် Contents + Pull requests ပါသော fine-grained token ကို အသုံးပြုပါ၊ GitLab အတွက် api scope ကို အသုံးပြုပါ။ သင်၏ token ကို server တွင် သိမ်းဆည်းထားသည် — ဖိုင်အကြောင်းအရာများကိုသာ ဘရောက်ဆာထဲသို့ ဆွဲယူသည်။
3. repository ကို owner/name အဖြစ် ရိုက်ထည့်ပါ (သင်၏ repository ကို ရှာရန် စာရင်းကို စစ်ထုတ်ပါ)၊ ထို့နောက် branch တစ်ခုကို ရွေးချယ်ပါ။
4. သင်၏ အလုပ်ကို default branch မှ သီးခြားထားရန် Create a new working branch (ဥပမာ dcc/my-feature) ကို ရွေးချယ်နိုင်သည်။
5. အဖွဲ့ဖော်များ push လုပ်သောအခါ Explorer ချက်ချင်း refresh ဖြစ်စေရန် push webhook ကို ရွေးချယ်ဖွင့်နိုင်သည်။ (public gateway URL လိုအပ်သည်)။
6. Open repository ကို နှိပ်ပါ။

4.3 Refresh လုပ်ခြင်း၊ ပြောင်းလဲခြင်းနှင့် ပိတ်ခြင်း

• လန်းဆန်းစေရန် (↻ Explorer ခေါင်းစီးတွင်) ဖိုင်တွဲကို ပြန်လည်စစ်ဆေးသည် သို့မဟုတ် Git မှ နောက်ဆုံးအချက်အလက်များကို ဆွဲယူသည်။
• သစ်ပင်အောက်ရှိ ခလုတ်များမှ Open another ဖိုင်တွဲ သို့မဟုတ် Open from Git ကို ဖွင့်ပါ။
• Close project (အမှိုက်ပုံး icon) သည် in-browser workspace ကို ဖျက်ပစ်သည်။

4.4 ဖိုင်တွဲအလိုက် ချက်တင် session များ

ချက်မှတ်တမ်းသည် ဖွင့်ထားသော ပရောဂျက်နှင့် ချိတ်ဆက်ထားသည်။ ဖိုင်တွဲများ ပြောင်းလဲခြင်းသည် အလိုအလျောက် စက်ရှင်အသစ်တစ်ခုကို စတင်ပြီး ထိုဖိုင်တွဲ၏ ယခင်စက်ရှင်များကို တင်ပေးကာ၊ နောက်ဆုံးအသုံးပြုခဲ့သည့် စက်ရှင်ကို ပြန်လည်ဖွင့်ပေးသောကြောင့် သင်ရပ်နားခဲ့သည့်နေရာမှ ပြန်လည်စတင်နိုင်ပါသည်။

4.5 လုပ်ငန်းသုံး ဖိုင်တွဲများ

DeepCerebra မှ အတွင်းပိုင်းအသုံးပြုသော ဖိုင်တွဲများ — .deepcerebra, .sessions — သည် သစ်ပင်တွင် ပေါ်လာသော်လည်း သင်၏ source ကို ရှုပ်ထွေးမှုမရှိစေရန် မူလအတိုင်း ခေါက်ထားသည်။

5 ဖိုင်များနှင့် အလုပ်လုပ်ခြင်း

• Explorer ရှိ ဖိုင်တစ်ခုကို နှိပ်ပါ က editor တွင် ဖွင့်မည်၊ minimap သည် ဖိုင်ရှည်များကို သွားလာရာတွင် ကူညီပေးသည်။
• Explorer မှ ဖိုင်တစ်ခုကို ဆွဲယူပါ က ချက်တင် prompt ထဲသို့ ထည့်သွင်းပြီး သင်၏ နောက်မက်ဆေ့ချ်အတွက် ရှင်းလင်းသော context အဖြစ် ပူးတွဲနိုင်သည်။
• အေးဂျင့်က ပြင်ဆင်မှုများ အဆိုပြုသောအခါ၊ editor သည် ရွေးချယ်ထားသော ဖိုင်အတွက် inline diff ကို ပြသသည်။

6 အေးဂျင့်နှင့် စကားပြောခြင်း

တောင်းဆိုချက်တစ်ခု ရေးသားပါ

သင်လိုချင်သည်များကို ရိုးရှင်းသော ဘာသာစကားဖြင့် ဖော်ပြပါ — မေးခွန်းမေးပါ၊ လုပ်ဆောင်ချက်တစ်ခု တောင်းဆိုပါ သို့မဟုတ် ချို့ယွင်းချက်တစ်ခုကို ထောက်ပြပါ။ အကောင်းဆုံးရလဒ်ရရှိရန် ဖိုင်များ၊ ဖရမ်ဝပ်များနှင့် ကန့်သတ်ချက်များအကြောင်း အသေးစိတ်ဖော်ပြပါ။ သက်ဆိုင်ရာဖိုင်များကို prompt ထဲသို့ ဆွဲထည့်ခြင်းဖြင့် ပူးတွဲပါ။

တုံ့ပြန်မှုများကို ဖတ်ရှုခြင်း၊ Cursor-style

တုံ့ပြန်မှုများကို Cursor ကဲ့သို့ စီစဉ်ထားသည်- အေးဂျင့်၏ ဆင်ခြင်တုံတရားကို ပေးပို့နိုင်သောအရာ မှ ခွဲခြားထားသည်။ တုံ့ပြန်မှု block တစ်ခုစီတွင် ၎င်း၏ ညာဘက်အပေါ်ထောင့်တွင် copy icon တစ်ခု ပါရှိသောကြောင့် သင်သည် ပြီးစီးသော report၊ document သို့မဟုတ် သင်လုပ်ဆောင်ရန် ရည်ရွယ်ထားသော command တစ်ခုကို ကူးယူနိုင်သည်။

လုပ်ဆောင်မှုကို ထိန်းချုပ်ခြင်း သို့မဟုတ် ရပ်တန့်ခြင်း

• မှားယွင်းသော လမ်းကြောင်းသို့ ဦးတည်နေသော လုပ်ဆောင်မှုကို ရပ်တန့်ရန် Stop ကို အသုံးပြုပါ၊ ထို့နောက် သင်၏ prompt ကို ပြန်လည်ပြင်ဆင်ပါ။
• အေးဂျင့်ကို loop မှ ရုန်းထွက်နိုင်ရန် အကြံပြုချက်များ (ဥပမာ "lxml အစား html.parser ကို အသုံးပြုပါ") ပေးပါ။

7 ချက်မုဒ် လေးမျိုး

prompt ဘေးရှိ mode selector မှ mode တစ်ခုကို ရွေးချယ်ပါ။ တစ်ခုစီသည် အေးဂျင့်က မည်မျှ စီမံကိန်းဆွဲပြီး မည်မျှ လွတ်လပ်စွာ ပြင်ဆင်သည်ကို ချိန်ညှိပေးသည်-

8 ပြောင်းလဲမှုများကို ပြန်လည်သုံးသပ်ခြင်းနှင့် အသုံးပြုခြင်း

အေးဂျင့်က ဖိုင်ပြောင်းလဲမှုများ အဆိုပြုသောအခါ၊ ချက်တင် input အပေါ်တွင် Proposed Changes panel တစ်ခု ပေါ်လာပြီး ထိတွေ့ထားသော ဖိုင်တစ်ခုစီကို ထည့်သွင်းထားသော (+) နှင့် ဖယ်ရှားထားသော (−) လိုင်းအရေအတွက်များဖြင့် စာရင်းပြုစုသည်။

• editor တွင် ၎င်း၏ inline diff ကို ဖွင့်ရန် ဖိုင်အတန်းတစ်ခုကို နှိပ်ပါ။
• လျှောက်ထားပါ သို့မဟုတ် ပယ်ချပါ ဖိုင်တစ်ခုတည်းကို၊ သို့မဟုတ် အသုံးပြုပါ အားလုံးလျှောက်ထားပါ / အားလုံးပယ်ချပါ။
• အသုံးပြုထားသော ပြောင်းလဲမှုများကို applied ဟု မှတ်သားထားသည် (နှင့် ဖိုင်တွဲအစစ်အမှန်သို့ ရေးသားသောအခါ · disk)။
• ရေးသားနိုင်သော ဖိုင်တွဲမရှိပါက workspace only badge သည် ပြောင်းလဲမှုများသည် in-browser workspace နှင့် သက်ဆိုင်ကြောင်း ဖော်ပြသည်။

9 ပေါင်းစပ်ထားသော Terminal

build များ၊ test များ နှင့် script များကို လုပ်ဆောင်ရန် editor အောက်ရှိ terminal ကို ဖွင့်/ပိတ် လုပ်ပါ။ သင်၏ ခွင့်ပြုချက်ဖြင့် အေးဂျင့်သည် ကွန်မန်းများကို လုပ်ဆောင်နိုင်ပြီး ၎င်းတို့၏ output ကို ဖတ်ရှုကာ ၎င်း၏ အလုပ်ကို အတည်ပြုနိုင်သည်။ ကြာရှည်စွာ လုပ်ဆောင်ရသော ကွန်မန်းများသည် output ကို stream လုပ်ပေးသောကြောင့် သင်သည် တိုးတက်မှုကို ကြည့်ရှုနိုင်သည်။ မလိုအပ်သောအခါ terminal ကို ၎င်း၏ header မှ ပိတ်ပါ။

10 စီမံကိန်းမုဒ်နှင့် အကောင်အထည်ဖော်ခြင်း

ပိုမိုကြီးမားသော ရည်မှန်းချက်များအတွက် Plan မုဒ်ကို အသုံးပြုပါ (သို့မဟုတ် အေးဂျင့်အား ဦးစွာ စီမံကိန်းဆွဲရန် တောင်းဆိုပါ)။ planner သည် သင်၏ ပရောဂျက်ကို စစ်ဆေးသည်၊ ရည်မှန်းချက်ကို dependency-aware task များအဖြစ် ခွဲခြမ်းပြီး တစ်ခုစီကို သင့်လျော်သော ကျွမ်းကျင်သူ (architect, coder, tester, docs) ထံသို့ ခွဲဝေပေးသည်။

• စီမံကိန်းကို ပြန်လည်သုံးသပ်ပြီး ပြင်ဆင်ပါ — လုပ်ဆောင်ခြင်းမပြုမီ task များကို ထည့်သွင်းခြင်း၊ ဖယ်ရှားခြင်း သို့မဟုတ် ပြင်ဆင်ခြင်း ပြုလုပ်ပါ။
• အလွှာလိုက် လုပ်ဆောင်ပါ — သီးခြား task များသည် အတူတကွ လုပ်ဆောင်သည်၊ task တစ်ခု ပျက်ကွက်ပါက planner သည် ပြန်လည်စီမံကိန်းဆွဲနိုင်သည်။
• မည်သည့်အချိန်တွင်မဆို လုပ်ဆောင်မှုကို ခေတ္တရပ်နားခြင်း၊ ပြန်လည်စတင်ခြင်း သို့မဟုတ် ဖျက်သိမ်းခြင်း ပြုလုပ်နိုင်သည်။

11 မော်ဒယ်များ ရွေးချယ်ခြင်းနှင့် အလိုအလျောက်စနစ်

prompt ဘေးရှိ model picker ကို ဖွင့်ပါ။ ရွေးချယ်စရာများကို အောက်ပါအတိုင်း အုပ်စုဖွဲ့ထားသည်-

• Auto — DeepCerebra အား အကောင်းဆုံး ရရှိနိုင်သော မော်ဒယ်ကို ရွေးချယ်စေပါ (အကြံပြုသည်)။
• ပြည်တွင်း (သင်၏ GPU) — သင်၏ ကိုယ်ပိုင်စက်မှ ဝန်ဆောင်မှုပေးသော မော်ဒယ်များ (§13 ကို ကြည့်ပါ)။
• Platform gateways — hosted မော်ဒယ်များ၊ gateway အလိုက်၊ ထို့နောက် vendor အလိုက် (ဥပမာ Anthropic, OpenAI, Google) အုပ်စုဖွဲ့ထားသည်။

Auto ရွေးချယ်မှု မည်သို့ အလုပ်လုပ်ပုံ

Auto တွင် DeepCerebra သည် tiered, adaptive routing ကို အသုံးပြုသည်- ရိုးရှင်းသော task များသည် မြန်ဆန်ပြီး စီးပွားရေးအရ တွက်ခြေကိုက်သော မော်ဒယ်သို့ သွားသည်၊ ရှုပ်ထွေးသော သို့မဟုတ် စီမံကိန်းဆွဲခြင်း အလေးပေးသော အလုပ်များ (ဥပမာ Plan mode) ကို ပိုမိုအားကောင်းသော မော်ဒယ်သို့ လမ်းကြောင်းပြောင်းသည်။ ၎င်းသည် ကုန်ကျစရိတ်နှင့် အရည်အသွေးကို အလိုအလျောက် ချိန်ညှိပေးသောကြောင့် သင်သည် လက်ဖြင့် ရွေးချယ်ရန် ခဲယဉ်းသည်။

12 ကိုယ်ပိုင်သော့ ယူဆောင်လာခြင်း (BYOK)

သင်သည် တိုင်းတာထားသော ပလက်ဖောင်း အသုံးပြုမှုအစား သင်၏ ကိုယ်ပိုင် ပံ့ပိုးသူ အကောင့်မှတစ်ဆင့် တောင်းဆိုမှုများကို လမ်းကြောင်းပြောင်းနိုင်သည်။

1. sidebar မှ API Keys ကို ဖွင့်ပါ။
2. Bring Your Own Key အောက်တွင် provider တစ်ခုကို ရွေးချယ်ပါ (ဥပမာ ANTHROPIC_API_KEY, GOOGLE_API_KEY, OPENAI_API_KEY)။
3. key value ကို ကူးထည့်ပြီး Save ကို နှိပ်ပါ။ Key များကို သိမ်းဆည်းထားစဉ် encrypt လုပ်ထားပြီး ဘရောက်ဆာသို့ ပြန်လည်ပေးပို့ခြင်းမရှိပါ — masked preview ကိုသာ ပြသသည်။

ပလက်ဖောင်း (DeepCerebra) မော်ဒယ်များသည် သော့မလိုအပ်ပါ။ သော့ကို အချိန်မရွေး ဖယ်ရှားနိုင်ပါသည်။ ဖယ်ရှားရန်.

13 ပြည်တွင်းစက်- GPU မော်ဒယ်များနှင့် Console (DCC Bridge)

DCC Bridge သည် သင်၏ ကိုယ်ပိုင်ကွန်ပျူတာ ကို သေးငယ်သော dcc-bridge connector မှတစ်ဆင့် ဝဘ်အက်ပ်နှင့် ချိတ်ဆက်ပြီး စွမ်းဆောင်ရည်နှစ်ခုကို တစ်ပြိုင်နက်တည်း ဖွင့်ပေးသည်-

• ပြည်တွင်း GPU မော်ဒယ်များ — သင်၏စက်ပေါ်ရှိ Ollama သို့မဟုတ် LM Studio မှ ဝန်ဆောင်မှုပေးသော မော်ဒယ်များသည် model picker တွင် ပြည်တွင်း (သင်၏ GPU) အောက်တွင် ပေါ်လာသည်။
• သင်၏စက်ပေါ်ရှိ Console / terminal — ဝဘ် terminal နှင့် အေးဂျင့်သည် သင်၏ကွန်ပျူတာပေါ်တွင် အမှန်တကယ် ကွန်မန်းများကို လုပ်ဆောင်နိုင်သည်၊ ၎င်းတွင် သင် configure လုပ်ထားပြီးသော CLI tools များ (Railway, AWS CLI, OVH CLI, gh, docker, kubectl, WSL, …) ကို ၎င်းတို့၏ လက်ရှိ credentials များဖြင့် လုပ်ဆောင်နိုင်သည်။

ကွန်နက်တာသည် အပြင်ဘက်သို့ အတည်ပြုထားသော WebSocket မှတစ်ဆင့် ခေါ်ဆိုသည် — ဝင်လာသော ပို့တ်များ မလိုအပ်ဘဲ၊ ၎င်းသည် NAT နှင့် firewalls များနောက်ကွယ်တွင် အလုပ်လုပ်သည်။ ၎င်းသည် Windows, macOS, နှင့် Linux (Python 3.10+) တွင် အလုပ်လုပ်သည်။

13.1 သင်၏ ကွန်ပျူတာကို တွဲချိတ်ပါ

1. ဘယ်ဘက် activity rail ရှိ laptop icon ကို နှိပ်ပါ — Local Machine (GPU + Console)။ (တူညီသော panel သည် model picker footer မှ Manage local GPU… မှတစ်ဆင့် ဖွင့်သည်)။
2. Local execution toggle ကို ဖွင့်ထားကြောင်း သေချာပါစေ၊ device ကို အမည်ပေးပြီး Add this computer ကို နှိပ်ပါ။ တစ်ကြိမ်သုံး pairing token (dcc_brg_…) နှင့် ကူးထည့်ရန် အသင့်ဖြစ်နေသော connector command ကို ကူးယူပါ — token ကို တစ်ကြိမ်သာ ပြသသည်။

13.2 connector ကို ထည့်သွင်းပြီး လုပ်ဆောင်ပါ

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

• gateway အဖြစ် ဘရောက်ဆာတွင် သင်အသုံးပြုသော domain တူညီသည် ကို အသုံးပြုပါ (wss://deepcerebra.ai သို့မဟုတ် wss://deepcerebra.io) — pairing card သည် မှန်ကန်သော domain ကို ကြိုတင်ဖြည့်ပေးသည်။ ဆိုက်နှစ်ခုသည် သီးခြားအကောင့်များနှင့် token များဖြင့် သီးခြား deployment များဖြစ်သည်။
• GPU မော်ဒယ်များအတွက် Ollama ကို ဆက်လက်လုပ်ဆောင်ထားပါ၊ သို့မဟုတ် LM Studio ၏ local server (default port 1234) ကို မော်ဒယ်တစ်ခု တင်ထားပြီး ဖွင့်ပါ။
• တွဲချိတ်ထားသော device များသည် online/offline အခြေအနေ၊ မော်ဒယ်အရေအတွက်နှင့် exec scope ကို ပြသသည်၊ သင်သည် မည်သည့်အချိန်တွင်မဆို device တစ်ခုကို Revoke လုပ်နိုင်သည်။

13.3 သင်၏ console ကို ဝဘ်အက်ပ်မှ အသုံးပြုပါ

မူလအတိုင်း ကွန်မန်းများကို သီးသန့် workspace folder (~/DeepCerebra) တွင် ကန့်သတ်ထားသည်။ သင်၏ pre-configured CLI များဖြင့် သင်၏ အမှန်တကယ် project folder များတွင် အလုပ်လုပ်ရန်၊ connector ကို စတင်သောအခါ ၎င်းတို့ကို ရှင်းလင်းစွာ ခွင့်ပြုပါ-

# 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

ထို့နောက် Terminal panel ကို ဖွင့်ပါ၊ Execution target popover (laptop icon) ကို နှိပ်ပါ၊ My computer ကို ရွေးချယ်ပြီး working directory တစ်ခုကို ရွေးပါ။ သင်ရိုက်ထည့်သော ကွန်မန်းများနှင့် အေးဂျင့်၏ build/test ကွန်မန်းများ နှစ်ခုစလုံးကို သင်၏စက်ပေါ်တွင် လုပ်ဆောင်မည်ဖြစ်သည်။

14 Git ပူးပေါင်းဆောင်ရွက်မှု လုပ်ငန်းအစီအစဉ်

Git-backed ပရောဂျက်တစ်ခု ဖွင့်ထားသောအခါ Explorer တွင် သင်၏ လက်ရှိ branch နှင့် လုပ်ဆောင်ချက်နှစ်ခုကို ပြသသည့် branch bar တစ်ခု ပေါ်လာသည်-

• Check in (commit) — ပြောင်းလဲထားသော ဖိုင်အရေအတွက်ကို ပြန်လည်သုံးသပ်ပါ၊ commit message တစ်ခု ရေးသားပြီး သင်၏ working branch သို့ commit လုပ်ပါ။
• ပေါင်းစပ်ပါ — သင်၏ လုပ်ငန်းခွဲမှ မူရင်းခွဲ (ဥပမာ- main) ထဲသို့ ပူးပေါင်းတောင်းဆိုမှု တစ်ခုကို ဖွင့်ပါ။ သင်သည် မူရင်းခွဲတွင် မဟုတ်ဘဲ လုပ်ငန်းခွဲတွင် ရှိနေရပါမည်။

push webhook ကို ဖွင့်ထားပါက အဖွဲ့ဖော်များ push လုပ်သောအခါ Explorer သည် အလိုအလျောက် refresh ဖြစ်ပြီး လူတိုင်းကို sync ဖြစ်စေသည် — ၎င်းသည် DeepCerebra မှတစ်ဆင့် ပူးပေါင်းဆောင်ရွက်သော အဖွဲ့ဖွံ့ဖြိုးတိုးတက်မှုအတွက် အခြေခံဖြစ်သည်။

15 MCP Servers

Model Context Protocol မှတစ်ဆင့် အေးဂျင့်ကို ပြင်ပကိရိယာများနှင့် ဒေတာများဖြင့် ချဲ့ထွင်ပါ။ ဥပမာအားဖြင့် .deepcerebra/mcp.json ဖိုင်တွင် server များကို configure လုပ်ပါ-

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

ဖွင့်ထားသော MCP tools များသည် သင်၏ တောင်းဆိုချက်နှင့် သက်ဆိုင်သောအခါ အေးဂျင့်အတွက် အလိုအလျောက် ရရှိနိုင်သည်။ Local (stdio) နှင့် remote (http/sse) server များ နှစ်ခုစလုံးကို ပံ့ပိုးသည်။

တည်ဆောက်ထားသော ဘေးကင်းလုံခြုံမှု

• Deny-by-default — server တစ်ခုက allowlist ကို စာရင်းပြုစုသောအခါ၊ ထို tools များကိုသာ လုပ်ဆောင်နိုင်သည်။
• အန္တရာယ်များသော tools များအတွက် အတည်ပြုချက် — mutating tools (write/delete/deploy/…) များသည် သင် autoApprove တွင် ကြိုတင်အတည်ပြုထားခြင်းမရှိပါက အတည်ပြုချက် လိုအပ်သည်။
• Rate limiting, argument နှင့် output sanitation နှင့် audit log တို့သည် ခေါ်ဆိုမှုတိုင်းနှင့် သက်ဆိုင်သည်။

အရင်းအမြစ်များနှင့် prompts များ

server တစ်ခုက MCP resources သို့မဟုတ် prompt templates များကို ထုတ်ဖော်ပြသပါက အေးဂျင့်သည် ၎င်းတို့ကို အသုံးပြုရန် tools များ (mcp_list_resources, mcp_read_resource, mcp_list_prompts, mcp_get_prompt) ကို အလိုအလျောက် ရရှိသည်။

remote server များအတွက် Authentication

remote server တစ်ခုသို့ auth block တစ်ခု ထည့်ပါ။ Secrets များသည် ${ENV_VAR} interpolation ကို ပံ့ပိုးသည်-

// 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 အေးဂျင့်ကို စိတ်ကြိုက်ပြင်ဆင်ခြင်း- စည်းမျဉ်းများ၊ ကျွမ်းကျင်မှုများ၊ ဟွတ်များ၊ အေးဂျင့်ခွဲများ & ပလပ်အင်များ

အေးဂျင့်၏ တွေးခေါ်ပုံနှင့် လုပ်ဆောင်ပုံကို ဖိုင်အခြေခံ စည်းမျဉ်းတစ်ခု — .deepcerebra/ directory — ဖြင့် ပုံဖော်နိုင်သည်၊ ၎င်းသည် desktop app၊ web app နှင့် API တို့တွင် တူညီစွာ အလုပ်လုပ်သည်။ ဝဘ်အက်ပ်တွင် ၎င်းတို့အားလုံးကို Agent view အောက်တွင် စီမံခန့်ခွဲပါ၊ ဒက်စ်တော့နှင့် API မှတစ်ဆင့် ၎င်းတို့သည် သင်၏ ပရောဂျက်နှင့်အတူ commit လုပ်သော ရိုးရှင်းသော ဖိုင်များဖြစ်သည်။

နယ်ပယ်များ & ဦးစားပေးမှု

Configuration ကို scope အများအပြားမှ ရှာဖွေတွေ့ရှိသည်၊ တူညီသော item သည် တစ်ခုထက်ပိုသော scope တွင် ရှိနေသောအခါ ပိုမိုမြင့်မားသော ဦးစားပေးမှုရှိသော item က အနိုင်ရသည်-

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

• Workspace — <repo>/.deepcerebra/…၊ ပရောဂျက်နှင့်အတူ commit လုပ်ထားသည်။
• Global — ~/.deepcerebra/…၊ ပရောဂျက်များတစ်လျှောက် သင်၏ ကိုယ်ပိုင် defaults များ။
• အဖွဲ့ / အဖွဲ့အစည်း — မျှဝေထားသော အခြေခံ (ဦးစားပေးအနိမ့်ဆုံး) ဖြစ်သောကြောင့် အသုံးပြုသူ သို့မဟုတ် ပရောဂျက်တစ်ခုက ၎င်းကို အမြဲတမ်း ပြင်ဆင်နိုင်သည်။ ဝဘ်အက်ပ်တွင်၊ စည်းမျဉ်းတစ်ခု၏ နယ်ပယ် ကို အဖွဲ့ သို့ သတ်မှတ်ပါ။

စည်းမျဉ်းများ (steering)

စည်းမျဉ်းများသည် အမြဲတမ်းညွှန်ကြားချက်များ — ကုဒ်ရေးသားခြင်းစံနှုန်းများ၊ ဗိသုကာဆိုင်ရာသဘောတူညီချက်များ၊ ဒိုမိန်းအခြေအနေ — အေးဂျင့်၏ စနစ်ပရွမ်ထဲသို့ ထည့်သွင်းထားသည်။ ၎င်းတို့သည် .deepcerebra/steering/ အောက်ရှိ Markdown ဖိုင်များအဖြစ် တည်ရှိပြီး အမြဲတမ်းဖွင့်ထားသော AGENTS.md စံနှုန်းနှင့်အတူ ပါဝင်သည်။ Frontmatter က စည်းမျဉ်းတစ်ခု မည်သည့်အချိန်တွင် တင်မည်ကို ထိန်းချုပ်သည်:

---
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 — အလှည့်တိုင်း (မူလအတိုင်း)။
• fileMatch — in-context ဖိုင်တစ်ခုသည် globs နှင့် ကိုက်ညီသောအခါမှသာ။
• auto — သင်၏ တောင်းဆိုချက်သည် rule ၏ name/description နှင့် ကိုက်ညီသောအခါ။
• manual — သင်က ၎င်းကို #name သို့မဟုတ် /name အဖြစ် ရည်ညွှန်းသောအခါမှသာ။

အမြစ် AGENTS.md သည် repo တစ်ခုလုံးနှင့် သက်ဆိုင်သည်; အဆင့်ဆင့်ရှိ AGENTS.md (ဥပမာအားဖြင့် services/api/AGENTS.md) သည် ထိုဖိုဒါအောက်ရှိ ဖိုင်များနှင့်သာ သက်ဆိုင်သည်။ ဝဘ်အက်ပ်တွင်၊ Agent → Steering မြင်ကွင်းသည် စည်းမျဉ်းတစ်ခုစီကို Scope ရွေးချယ်စရာ (Global / Project / Team) ပေးသည်။

ကျွမ်းကျင်မှုများ

ကျွမ်းကျင်မှုများသည် အေးဂျင့်က လိုအပ်သလို တင်ပေးသော ပြန်လည်အသုံးပြုနိုင်သည့် playbooks များဖြစ်သည်။ ကျွမ်းကျင်မှုတစ်ခုစီသည် .deepcerebra/skills/ အောက်တွင် SKILL.md ပါသော ဖိုင်တွဲတစ်ခုဖြစ်သည်။

---
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.

အေးဂျင့်သည် lightweight catalog (name + description) ကို မြင်ပြီး သက်ဆိုင်သောအခါ load_skill tool ဖြင့် အပြည့်အစုံ body ကို ဆွဲယူသည်။ သင်သည် /skill <name> ဖြင့်လည်း ရှင်းလင်းစွာ ခေါ်ဆိုနိုင်သည်။ skill ကို manual-only ဖြစ်စေရန် disable-model-invocation: true ကို သတ်မှတ်ပါ။

Hooks များ

Hooks များသည် lifecycle event များပေါ်တွင် automation ကို လုပ်ဆောင်သည်။ ၎င်းတို့ကို .deepcerebra/hooks/*.hook.json အဖြစ် သတ်မှတ်ပါ-

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

Events များတွင် promptSubmit, preToolUse, postToolUse, fileCreate, fileSave, fileDelete, preTask, postTask, sessionStart, preCompact နှင့် agentStop တို့ ပါဝင်သည် (Cursor/Claude စာလုံးပေါင်းများကိုလည်း လက်ခံသည်)။ action တစ်ခုသည် shell (ကွန်မန်းတစ်ခု လုပ်ဆောင်ခြင်း) သို့မဟုတ် agentPrompt (အေးဂျင့်ကို မေးခြင်း) ဖြစ်သည်။ preToolUse hook တစ်ခုသည် ၎င်းကြားဖြတ်သော tool call အတွက် allow, deny သို့မဟုတ် ask လုပ်နိုင်သည်။

Subagents များ

Subagent များသည် သင်သတ်မှတ်ပြီး တာဝန်ပေးအပ်သည့် အထူးပြုအေးဂျင့်များဖြစ်သည်။ တစ်ခုစီသည် .deepcerebra/agents/ အောက်တွင် frontmatter နှင့် ကိုယ်ထည် (၎င်း၏ system prompt) ပါဝင်သည့် Markdown ဖိုင်တစ်ခုဖြစ်သည်။

---
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…

အဓိကအေးဂျင့်သည် task (blocking), task_async + task_status / task_result (background) သို့မဟုတ် task_parallel (fan-out) ဖြင့် လွှဲအပ်သည်။

Plugins များ

plugin တစ်ခုသည် rules, skills, hooks, subagents နှင့် MCP servers များကို .deepcerebra/plugins/<name>/ အောက်ရှိ ထည့်သွင်းနိုင်သော package တစ်ခုအဖြစ် စုစည်းထားပြီး plugin.json manifest ဖြင့် ဖော်ပြထားသည်-

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

Plugin အကြောင်းအရာများကို အနိမ့်ဆုံး ဦးစားပေးမှုဖြင့် ပေါင်းစည်းထားသောကြောင့် သင်၏ ကိုယ်ပိုင် rules နှင့် skills များသည် plugin တစ်ခု၏ rules နှင့် skills များကို အမြဲတမ်း override လုပ်သည်။ "enabled": false သို့မဟုတ် .disabled marker file ဖြင့် plugin တစ်ခုကို ပိတ်ပါ။

17 Agentic Workflow Studio နှင့် Event-Driven Agents

Workflow Studio သည် multi-agent automation အတွက် visual designer တစ်ခုဖြစ်သည်။ သင်သည် stages များကို — တစ်ခုစီသည် agent တစ်ခု၊ ကျွမ်းကျင်အဆင့်တစ်ခု သို့မဟုတ် control primitive တစ်ခု — graph တစ်ခုအဖြစ် ပေါင်းစပ်ပြီး ၎င်းတို့ကို dependencies များဖြင့် ချိတ်ဆက်ကာ၊ live per-stage progress, budgets နှင့် human-approval gates များဖြင့် engine ပေါ်တွင် orchestration တစ်ခုလုံးကို လုပ်ဆောင်သည်။ Workflows များကို သင် export, import, Git တွင် version လုပ်နိုင်ပြီး API သို့မဟုတ် CLI မှ လုပ်ဆောင်နိုင်သော portable YAML/JSON definition အဖြစ် သိမ်းဆည်းထားသည်။

17.1 workflow တစ်ခု တည်ဆောက်ခြင်း

• Palette (ဘယ်ဘက်) — stage အမျိုးအစားများ၊ အသင့်လုပ်ထားသော agent types (research, code generation, QA, document writer, medical device, patent counsel, နှင့် သင်၏ ကိုယ်ပိုင် custom types များ)၊ Skill Library မှ skills များနှင့် tools များကို canvas ပေါ်သို့ ဆွဲယူပါ။
• ကင်းဗတ်စ် (အလယ်ဗဟို) — အဆင့်များကို စီစဉ်ပြီး အစွန်းများကို ဆွဲပါ။ အစွန်းတစ်ခုဆိုသည်မှာ "ဤအဆင့်သည် ထိုအဆင့်ပေါ်တွင် မူတည်သည်" ဟု အဓိပ္ပာယ်ရပြီး အထက်စီးကြောင်းမှ ထွက်ရှိလာသော အရာများကို အောက်စီးကြောင်းမှ prompt ထဲသို့ အလိုအလျောက် ထည့်သွင်းပေးပါသည်။
• Inspector (ညာဘက်၊ အရွယ်အစားပြောင်းနိုင်) — ရွေးချယ်ထားသော stage ကို configure လုပ်ပါ- ၎င်း၏ prompt, skills, tools, per-stage model override, output artifact, gate, events နှင့် kind-specific parameters များ။
• Templates — built-in blueprint (Ship-It Pipeline, SaaS Starter, Data Pipeline with Evals, Customer Comms Hub, Design → Verified App) မှ စတင်ပြီး စိတ်ကြိုက်ပြင်ဆင်ပါ။
• Generate — အက်ပ် သို့မဟုတ် လုပ်ငန်းစဉ်ကို ရိုးရှင်းသော ဘာသာစကားဖြင့် ဖော်ပြပါ၊ Agent Builder သည် သင် ပြန်လည်သုံးသပ်၊ ချိန်ညှိပြီး လုပ်ဆောင်နိုင်သော ပြည့်စုံပြီး အတည်ပြုထားသော workflow graph ကို ထုတ်ပေးသည်။

17.2 stage library

17.3 Event-driven agents (agent mesh)

အမျိုးအစားမခွဲခြားဘဲ stage တိုင်းသည် workspace event bus ပေါ်ရှိ typed event များကို publish နှင့် subscribe လုပ်နိုင်သည်၊ ထို့ကြောင့် agents များသည် DAG မှတစ်ဆင့်သာမက message fabric ပေါ်ရှိ services များကဲ့သို့ ပေါင်းစပ်ညှိနှိုင်းသည်။

• Event classes — event တိုင်းတွင် class တစ်ခု ပါရှိသည်- lifecycle, agent, business, data, system, schedule, chat, external, သို့မဟုတ် alert — subscriptions နှင့် replay တွင် စစ်ထုတ်နိုင်သည်။
• Subscribe modes — trigger (ကိုက်ညီသော event ရောက်ရှိသောအခါ stage လုပ်ဆောင်သည်၊ parked stages များပါသော run သည် listening အဖြစ် ဆက်လက်တည်ရှိသည်), gate (လူသား၏ click အစား event တစ်ခုဖြင့် အတည်ပြုသော machine gate), နှင့် data (payload ကို stage ၏ context ထဲသို့ ပေါင်းစည်းသည်)။
• Event ဖြင့် စတင်ခြင်း — မည်သည့် agent ကိုမဆို orchestrator သို့မဟုတ် အခြား agent တစ်ခုက ၎င်း၏ address agent.<stage-id>.request သို့ publish လုပ်ခြင်းဖြင့် စတင်နိုင်သည်။
• Run triggers — workflow တစ်ခု၏ triggers: block သည် ၎င်းကို inbound webhooks, cron schedules, events သို့မဟုတ် chat ပေါ်တွင် စတင်ရန် ပြင်ဆင်ပေးသည် — Studio ပိတ်ထားစဉ်ပင်။
• Live runs — run panel သည် SSE မှတစ်ဆင့် lifecycle events များကို stream လုပ်သည်- stage စတင်ခြင်း/ပြီးဆုံးခြင်း၊ gates, alerts နှင့် previews များ ချက်ချင်း ပေါ်လာသည်။
• Durable log & replay — events များသည် workspace တစ်ခုစီအတွက် တည်မြဲပြီး audit နှင့် debugging အတွက် topic pattern နှင့် class အလိုက် ပြန်လည်လုပ်ဆောင်နိုင်သည်။

17.3.1 အေးဂျင့်များအတွက် အီဗန့်များ တန်းစီခြင်း

အဖြစ်အပျက်များကို တုံ့ပြန်သည့် အေးဂျင့်များသည် ခိုင်ခံ့သော အမည်ရှိ ကွင်းဆက် တစ်ခုကို ကြေညာနိုင်ပြီး၊ ထို့ကြောင့် အေးဂျင့် အလုပ်များနေစဉ် သို့မဟုတ် လုပ်ဆောင်ချက်တစ်ခု နားမထောင်မီ ကိုက်ညီသည့် အဖြစ်အပျက်များ ဘယ်တော့မှ မပျောက်ဆုံးစေရန် ဖြစ်သည်။ အစပျိုးမှု စာရင်းသွင်းမှုတွင်၊ queue: <name> ဟု သတ်မှတ်ပါ — အင်ဂျင်သည် ထိုအကြောင်းအရာကို လုပ်ငန်းခွင် အဖြစ်အပျက် ဘတ်စ်ပေါ်ရှိ FIFO ကွင်းဆက်တစ်ခုသို့ ချိတ်ဆက်သည် (.deepcerebra/workflows/events/queues/ အောက်တွင် သိမ်းဆည်းထားသည်)။ ထိုအချိန်မှစ၍ ထုတ်ပြန်သည့် ကိုက်ညီသော အဖြစ်အပျက်တိုင်းကို ကွင်းဆက်ထဲသို့ ဖမ်းယူထားသည်; အဆင့်သည် လုပ်ဆောင်နိုင်သည့် အခြေအနေသို့ ရောက်ရှိသောအခါ၊ အင်ဂျင်သည် အဖြစ်အပျက်များကို အဟောင်းဆုံးမှစ၍ အစီအစဉ်အတိုင်း ထုတ်ယူပြီး ၎င်းတို့ကို တစ်ကြိမ်လျှင် တစ်ခုစီ သုံးစွဲသည်။

• ဘာမှ မပျောက်ဆုံးပါ — workflow ပိတ်ထားစဉ်၊ အခြား stage တစ်ခု လည်ပတ်နေစဉ်၊ သို့မဟုတ် run သည် dependencies များကို စောင့်ဆိုင်းနေစဉ် ထုတ်ပြန်သော အီဗန့်များကို ပစ်ချမည့်အစား queue ထဲသို့ ထည့်ထားသည်။
• Subscription တစ်ခုစီအတွက် count — subscription ကျေနပ်မှု မရရှိမီ N ခုသော queued (သို့မဟုတ် ပေးပို့ပြီးသော) အီဗန့်များ လိုအပ်သည် (အလုပ်သမားများစွာ အစီရင်ခံရန် လိုအပ်သည့်အခါ အသုံးဝင်သည်)။
• Studio — Inspector ၏ Events panel တွင်၊ trigger subscription ပေါ်ရှိ queue field ကို သတ်မှတ်ပါ။ binding ကို အလိုအလျောက် ဖန်တီးရန် triggers များကို arm လုပ်ပါ သို့မဟုတ် run တစ်ခုကို စတင်ပါ။
• API နှင့် ကိရိယာများ — GET /api/workflow/queues သည် depth နှင့် bindings များကို စာရင်းပြုစုသည်။ GET /api/workflow/queues/{name} သည် pending events များကို ကြည့်ရှုသည်။ chat agents များသည် event_queue_status နှင့် pop_queued_event ကို ခေါ်ဆိုနိုင်သည်။

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 Semaphore စီမံခန့်ခွဲမှု (မျှဝေထားသော အရင်းအမြစ် ကာကွယ်ခြင်း)

semaphore သည် မျှဝေထားသော (ကာကွယ်ထားသော) အရင်းအမြစ်တစ်ခုပေါ်တွင် တစ်ပြိုင်နက်တည်း လုပ်ဆောင်နိုင်သည့် tasks အရေအတွက်ကို ကန့်သတ်သည်- ဥပမာ- ရေးသားနေသော ဒေတာဘေ့စ်တစ်ခု၊ global variable store တစ်ခု၊ ဖိုင်တစ်ခု၊ သို့မဟုတ် rate-limited external agent တစ်ခု။ semaphore: ဖြင့် မည်သည့် stage ကိုမဆို ချိတ်ဆက်ပါ။ — stage ၏ အလုပ် မစတင်မီ၊ အင်ဂျင်သည် အမည်ရှိ workspace semaphore ၏ permit တစ်ခုကို ရယူသည်။ stage ကျရှုံးခဲ့လျှင်ပင် permit ကို နောက်ပိုင်းတွင် အမြဲတမ်း ပြန်လွှတ်ပေးသည်။ permits: 1 သည် ၎င်းကို mutex ဖြစ်စေသည်- တစ်ကြိမ်လျှင် task တစ်ခုသာ (workspace ရှိ parallel runs အားလုံးတွင်) critical step ကို လုပ်ဆောင်သည်။ အခြား task တိုင်းသည် holder ပြီးဆုံးသည်အထိ စောင့်ဆိုင်းသည်။

• Run များအကြား အစီအစဉ်တကျ လုပ်ဆောင်ခြင်း — semaphores များသည် workspace-scoped ဖြစ်ပြီး သိမ်းဆည်းထားသောကြောင့်၊ တစ်ပြိုင်နက်တည်း လုပ်ဆောင်နေသော workflow runs နှစ်ခုသည် တူညီသော ကာကွယ်ထားသည့် အရင်းအမြစ်ကို ပျက်စီးစေနိုင်မည် မဟုတ်ပါ။
• စောင့်ဆိုင်းခြင်း၊ ရပ်တန့်မနေခြင်း — tasks များသည် permit တစ်ခုအတွက် timeout_s အထိ ပိတ်ဆို့နေနိုင်သည်။ အရင်းအမြစ်သည် capacity ပြည့်နေပါက၊ stage သည် ထာဝရ ရပ်တန့်နေမည့်အစား သိသာစွာ ကျရှုံးသွားမည်ဖြစ်သည်။
• ပျက်စီးမှုမှ ကာကွယ်ခြင်း — permit တစ်ခုစီတွင် ttl_s ပါရှိသည်။ holder တစ်ခုသည် ပြန်မလွှတ်ဘဲ ပျက်စီးသွားပါက၊ permit သည် အလိုအလျောက် သက်တမ်းကုန်ဆုံးသွားမည်ဖြစ်ပြီး အရင်းအမြစ်သည် dead-locked ဘယ်တော့မှ ဖြစ်မည်မဟုတ်ပါ။
• စောင့်ကြည့်နိုင်မှု — bus သည် semaphore.<name>.waiting၊ .acquired နှင့် .released system events များကို ထုတ်လွှတ်သည်။ GET /api/workflow/semaphores သည် capacity၊ holders နှင့် ရရှိနိုင်သော permits များကို ပြသသည်။
• Chat အေးဂျင့်များ — acquire_semaphore၊ release_semaphore နှင့် semaphore_status ကိရိယာများသည် workflow အပြင်ဘက်ရှိ ad-hoc critical sections များကို ညှိနှိုင်းဆောင်ရွက်ပေးသည်။

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 Rendezvous စီမံခန့်ခွဲမှု (အခြေအနေအားလုံး ပြည့်မီသည်အထိ စောင့်ဆိုင်းခြင်း)

ဆုံမှတ် သည် အများအပြားသော အဖြစ်အပျက် အခြေအနေများ အားလုံး ပြည့်မီသည်အထိ စောင့်ဆိုင်းပြီးမှ နောက်တစ်ဆင့် ဆက်လက်လုပ်ဆောင်သည် — ၎င်းသည် "ပထမဆုံး အဖြစ်အပျက် အနိုင်ရသည်" ၏ ဆန့်ကျင်ဘက်ဖြစ်သည်။ စတိတ်၏ events: ဘလောက်တွင် join: all ကို သတ်မှတ်ပါ- အစပျိုးမှု စာရင်းသွင်းမှုတိုင်းသည် စတိတ် မလည်ပတ်မီ ပြည့်မီရမည်။ အေးဂျင့်များစွာ (သို့မဟုတ် အေးဂျင့်တစ်ဦးထံမှ အစီရင်ခံစာများစွာ) အားလုံး စစ်ဆေးအတည်ပြုရမည့်အခါ စာရင်းသွင်းမှုတစ်ခုချင်းစီအတွက် count: N နှင့် ပေါင်းစပ်ပါ။ ဥပမာအားဖြင့်၊ ထုတ်ပြန်မှုအဆင့် မလည်ပတ်မီ ဒီဇိုင်းအတည်ပြုချက်၊ စမ်းသပ်မှု ပြီးစီးမှုနှင့် လုံခြုံရေး ခွင့်ပြုချက်တို့ ဖြစ်သည်။

• join: any (မူလသတ်မှတ်ချက်) — ပထမဆုံး trigger subscription ကျေနပ်မှု ရရှိသောအခါ stage သည် လည်ပတ်သည်။
• join: all — စုစည်းမှု- အစပျိုးမှု စာရင်းသွင်းမှု တစ်ခုစီ (၎င်း၏ ကိုယ်ပိုင် ခေါင်းစဉ်၊ အမျိုးအစား စစ်ထုတ်မှု၊ နှင့် ရွေးချယ်နိုင်သော count) ပြည့်မီရမည်; ထိုအခါမှသာ အဆင့်သည် လုပ်ဆောင်နိုင်မည်ဖြစ်သည်။
• Payloads များ — သုံးစွဲပြီးသော အီဗန့်များအားလုံးကို stage ပေါ်တွင် trigger_events အဖြစ် မှတ်တမ်းတင်ထားပြီး templates များသို့ inputs.events (payloads ပါသော event objects စာရင်း) အဖြစ် ထုတ်ဖော်ပြသသည်။
• Studio — stage တစ်ခုတွင် trigger subscriptions နှစ်ခု သို့မဟုတ် ထို့ထက်ပို၍ ရှိသောအခါ၊ Inspector သည် Join selector တစ်ခုကို ပြသသည်- any — ပထမဆုံး အီဗန့် အနိုင်ရသည် သို့မဟုတ် all — rendezvous (အားလုံးကို စောင့်ဆိုင်းသည်)။ canvas သည် rendezvous stages များပေါ်တွင် merge badge တစ်ခုကို ပြသသည်။

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 agent tools library

Stages များသည် chat agent အသုံးပြုသော registry တူညီသည်မှ tools များကို ရွေးချယ်သည်-

• Core — files, git, shell, code execution, code search, browser automation, web search, vision/media, image generation.
• ဒေတာဘေ့စ်များ — SQLite, PostgreSQL, MySQL, MongoDB နှင့် Redis queries များအပြင် create_database, apply_migrations, နှင့် dump_schema ပိုင်ဆိုင်သော ဒေတာအလွှာများအတွက်။
• Communications — ဖုန်းခေါ်ဆိုမှုများနှင့် SMS (Twilio) နှင့် အီးမေးလ် (SendGrid)၊ credentials မရှိသောအခါ outbox သို့ မှတ်တမ်းတင်သော simulation mode ပါဝင်သည် — demos များသည် မတော်တဆ အမှန်တကယ် မက်ဆေ့ချ်များ ပေးပို့ခြင်းမရှိပါ။
• DevOps — docker_build / docker_push, compose up/down, SSH နှင့် cloud-CLI deploys (Fly, Render, Railway, Vercel)၊ simulation-safe လည်းဖြစ်သည်။
• Verification — stack detection, parsed pass rates ပါသော test-suite execution, dependency audits နှင့် secret scanning။
• SciCompute Engines — သင်္ချာ၊ signal processing, controls, statistics နှင့် အခြားအရာများတစ်လျှောက် သိပ္ပံနှင့် အင်ဂျင်နီယာနည်းလမ်း ရာပေါင်းများစွာ (Class.method ဟု အမည်ပေးထားသည်)။
• Expert Agency & MCP — grounded domain research အပြင် သင်ချိတ်ဆက်ထားသော ပြင်ပ MCP servers များ။

17.5 လုပ်ဆောင်ခြင်း၊ gates နှင့် outputs များ

• Validate သည် သင်လုပ်ဆောင်ခြင်းမပြုမီ graph (unique ids, acyclic dependencies, kind parameters) ကို စစ်ဆေးသည်။
• Human gates များသည် stage က ၎င်း၏ draft ကို ထုတ်လုပ်ပြီး နောက်ပိုင်း တွင် run ကို ခေတ္တရပ်နားသည်၊ ထို့ကြောင့် သင်သည် အမှန်တကယ် အလုပ်ကို အတည်ပြုသည်၊ event gates များသည် အခြား system တစ်ခုကို အလိုအလျောက် အတည်ပြုစေသည်။
• Budgets များသည် run တစ်ခုစီနှင့် stage တစ်ခုစီအတွက် သုံးစွဲမှုကို ကန့်သတ်သည်။
• Save outputs to project သည် run တစ်ခုမှ ထုတ်လုပ်ထားသော artifact တိုင်းကို သင်၏ ဖွင့်ထားသော project ထဲသို့ ကူးယူသည်။
• Export App သည် workflow ကို standalone FastAPI service တစ်ခုအဖြစ် ပြောင်းလဲသည်၊ public /v1 API သည် CI နှင့် integrations များအတွက် runs, events, triggers, templates နှင့် generation များကို ထုတ်ဖော်ပြသသည်။

18 ခန့်မှန်းနိုင်သော Tab ဖြည့်စွက်မှု

Predictive Tab completion သည် editor တွင် သင်ရိုက်ထည့်နေစဉ် inline, fill-in-the-middle ကုဒ်အကြံပြုချက်များကို ပေးသည် — Tab ဖြင့် အကြံပြုချက်ကို လက်ခံပါ။ ၎င်းသည် engine နှင့် web editor နှစ်ခုစလုံးတွင် opt-in ဖြစ်သည်။

၎င်းကို ဖွင့်ပါ

• Engine — environment flag DCC_TAB_COMPLETE=1 ကို သတ်မှတ်ပါ။ editor သည် engine ၏ POST /api/complete endpoint ကို ခေါ်ဆိုပြီး cursor တွင် ထည့်သွင်းရန် စာသားကိုသာ ပြန်ပေးသည်။
• Web editor — build time တွင် VITE_TAB_COMPLETE=1 ဖြင့် ဖွင့်ပါ၊ သို့မဟုတ် runtime တွင် localStorage.setItem('dcc.tabComplete', '1') ဖြင့် ဖွင့်ပါ (ထို့နောက် reload လုပ်ပါ)။

၎င်း၏ လုပ်ဆောင်ပုံ

• အကြံပြုချက်များသည် ghost text အဖြစ် ပေါ်လာသည်၊ လက်ခံရန် Tab ကို နှိပ်ပါ၊ သို့မဟုတ် ပယ်ဖျက်ရန် ဆက်ရိုက်ပါ။
• တောင်းဆိုမှုများကို debounced နှင့် cancellable လုပ်ထားသောကြောင့် ရိုက်ထည့်ခြင်းကို ဘယ်သောအခါမျှ ပိတ်ဆို့ခြင်းမရှိပါ။
• flag ပိတ်ထားသောအခါ feature ကို အပြည့်အဝ ပိတ်ထားပြီး completion request များ ပြုလုပ်ခြင်းမရှိပါ။

19 အသုံးပြုမှု၊ ခရက်ဒစ်များ & ငွေတောင်းခံခြင်း

သင်၏ plan နှင့် အသုံးပြုမှုကို စီမံခန့်ခွဲရန် sidebar မှ Billing ကို ဖွင့်ပါ။ AI အသုံးပြုမှုကို အခြေခံမော်ဒယ်များမှ သုံးစွဲသော token များအပေါ် အခြေခံ၍ U.S.-dollar credits ဖြင့် တိုင်းတာသည်။

• Cycle spend နှင့် prepaid credit — ဤ cycle အတွက် အသုံးပြုမှုနှင့် ကြိုတင်ပေးချေထားသော လက်ကျန်ငွေကို ခြေရာခံပါ။
• Overage credit ထည့်ပါ — ပါဝင်သော allowance ကုန်ဆုံးပြီးနောက် AI ကို ဆက်လက်အသုံးပြုရန် အပိုပမာဏ (USD) ကို ခွင့်ပြုပါ၊ သင်၏ budget ကုန်ဆုံးပါက credit ထည့်ရန် သင့်အား တောင်းဆိုသည့် banner တစ်ခုကို မြင်ရမည်။
• Upgrade / plan ပြောင်းလဲပါ — မည်သည့်အချိန်တွင်မဆို tiers များ ပြောင်းလဲပါ။
• ငွေပေးချေမှုနည်းလမ်း — မှတ်တမ်းရှိ ကတ်ကို ထည့်သွင်းခြင်း သို့မဟုတ် အပ်ဒိတ်လုပ်ခြင်း (Stripe မှ လုပ်ဆောင်သည်)။
• ဖျက်သိမ်းပါ — ကာလကုန်ဆုံးချိန်တွင် ဖျက်သိမ်းမည် (ကာလကုန်ဆုံးသည်အထိ ဝင်ရောက်ခွင့် ဆက်လက်ထားရှိမည်) သို့မဟုတ် ယခုဖျက်သိမ်းမည် (ပြန်အမ်းနိုင်သော လက်ကျန်ငွေကို ပြန်အမ်းမည်) ကို ရွေးချယ်ပါ။ ဖျက်သိမ်းခြင်းနှင့် ပြန်အမ်းငွေမူဝါဒ ကို ကြည့်ပါ။

20 သင်၏ Gateway API Key ရယူခြင်း

gateway API key (personal access token) တစ်ခုသည် DeepCerebra public API နှင့် CLI ကို ပရိုဂရမ်မာနည်းဖြင့် အသုံးပြုနိုင်စေသည်။

1. ဝင်ရောက်ပြီး sidebar မှ API Keys ကို ဖွင့်ပါ။
2. DeepCerebra API Keys သို့ scroll လုပ်ပါ။
3. label တစ်ခုကို ထည့်သွင်းပါ (ဥပမာ "CI pipeline" သို့မဟုတ် "laptop CLI")။
4. scopes — read, chat, code, agent — နှင့် ရွေးချယ်နိုင်သော expiry ကို ရက်များဖြင့် ရွေးချယ်ပါ (လွတ်ထားပါက = ဘယ်သောအခါမျှ မကုန်ဆုံး)။
5. Generate ကို နှိပ်ပါ။ key အပြည့်အစုံကို တစ်ကြိမ်သာ ပြသသည် — Copy ကို နှိပ်ပြီး လုံခြုံစွာ သိမ်းဆည်းပါ။

၎င်းကို CLI သို့မဟုတ် deepcerebra.ai ရှိ API ဖြင့် အသုံးပြုပါ-

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/...

သင်သည် သော့တစ်ခုကို အချိန်မရွေး အမည်ပြောင်းလဲခြင်း သို့မဟုတ် ဖျက်ပစ်ခြင်း (ပယ်ဖျက်ခြင်း) ပြုလုပ်နိုင်သည်; သော့တစ်ခုစီသည် ၎င်း၏ prefix၊ scopes၊ ဖန်တီးသည့်/သက်တမ်းကုန်ဆုံးသည့်ရက်စွဲနှင့် နောက်ဆုံးအသုံးပြုသည့်ရက်စွဲတို့ကို ပြသသည်။

21 လုံခြုံရေးနှင့် ကိုယ်ရေးကိုယ်တာ

• လျှို့ဝှက်သော ဘရောက်ဆာအတွင်း သိုလှောင်မှု — သင်၏ project ဖိုင်များသည် ဘရောက်ဆာ၏ encrypted workspace တွင် ရှိနေသည်၊ request တစ်ခုစီအတွက် လိုအပ်သော အနည်းဆုံး context ကိုသာ server သို့ ပေးပို့သည်။
• Zero Data Retention (ZDR) — မော်ဒယ်များသို့ လမ်းကြောင်းပြောင်းထားသော prompts နှင့် code များကို request ပြီးနောက် ထိန်းသိမ်းထားခြင်းမရှိဘဲ foundation model များကို လေ့ကျင့်ရန် ဘယ်သောအခါမျှ အသုံးပြုခြင်းမရှိပါ။
• Keys များ server-side တွင် ရှိနေသည် — BYOK နှင့် SCM token များကို သိမ်းဆည်းထားစဉ် encrypt လုပ်ထားသည်၊ masked previews များကိုသာ ပြသသည်။
• Encryption — TLS in transit၊ အကောင့်ဒေတာများကို သိမ်းဆည်းထားစဉ် encrypt လုပ်ထားသည်၊ စကားဝှက်များကို ပြန်လည်ပြင်ဆင်၍မရအောင် hash လုပ်ထားသည်။
• သင်၏ ကုဒ်သည် သင်၏ပိုင်ဆိုင်မှုဖြစ်သည် — သင်၏ အကြောင်းအရာနှင့် ထုတ်လုပ်ထားသော output ကို သင်ပိုင်ဆိုင်သည်။ ကိုယ်ရေးကိုယ်တာထုတ်ပြန်ချက် ကို ကြည့်ပါ။

22 ပြဿနာဖြေရှင်းခြင်း

"ဖိုင်တွဲတင်ခြင်းအတွက် Chromium ဘရောက်ဆာ လိုအပ်သည်"

Chrome, Edge သို့မဟုတ် Brave သို့ ပြောင်းပါ၊ သို့မဟုတ် Open from Git ကို အစားအသုံးပြုပါ။

အေးဂျင့်သည် တူညီသောအမှားပေါ်တွင် loop ဖြစ်နေသည်

Stop ကို နှိပ်ပါ၊ ထို့နောက် တိကျသော အကြံပြုချက် သို့မဟုတ် ကန့်သတ်ချက်ဖြင့် ပြန်လည်ဖော်ပြပါ။

မော်ဒယ် သို့မဟုတ် request အမှားများ / "budget ကုန်ဆုံးသည်"

• သင်၏ ချိတ်ဆက်မှုကို စစ်ဆေးပြီး မည်သည့် BYOK key မဆို မှန်ကန်ကြောင်း သေချာပါစေ။
• အလိုအလျောက်သို့ ပြောင်းပါ၊ DeepCerebra သည် ရရှိနိုင်သော မော်ဒယ်တစ်ခုသို့ လမ်းကြောင်းပြောင်းပေးနိုင်ရန်။
• သင်၏ အသုံးပြုမှု budget ကုန်ဆုံးပါက Billing ကို ဖွင့်ပြီး add overage credit လုပ်ပါ သို့မဟုတ် သင်၏ plan ကို upgrade လုပ်ပါ။

Local မော်ဒယ်များ မပေါ်လာပါ

• dcc-bridge connector လုပ်ဆောင်နေပြီး device သည် online ဖြစ်နေကြောင်း အတည်ပြုပါ။
• Ollama လုပ်ဆောင်နေကြောင်း သေချာပါစေ၊ သို့မဟုတ် LM Studio ၏ local server ကို မော်ဒယ်တစ်ခု တင်ထားပြီး ဖွင့်ထားကြောင်း သေချာပါစေ (default port 1234)။

Connector: "server rejected WebSocket connection: HTTP 401"

• --gateway အဖြစ် ဘရောက်ဆာတွင် သင်အသုံးပြုသော domain တူညီသည် ကို အသုံးပြုပါ (wss://deepcerebra.ai သို့မဟုတ် wss://deepcerebra.io) — ဆိုက်နှစ်ခုသည် သီးခြား deployment များဖြစ်ပြီး တစ်ခုမှ token သည် အခြားတစ်ခုတွင် ဘယ်သောအခါမျှ အလုပ်မလုပ်ပါ။
• Local Machine စာမျက်နှာရှိ pairing card မှ တိကျသော command ကို ကူးယူပါ။

ကျွန်ုပ်၏ ပြောင်းလဲမှုများ အကျိုးသက်ရောက်မှု မရှိပါ

• အဆိုပြုထားသော ပြောင်းလဲမှုများ တွင် လျှောက်ထားရန် ကို (diff ကို ကြည့်ရှုရုံသာမက) နှိပ်ခဲ့ကြောင်း သေချာပါစေ။
• ဖိုင်တွဲကို ပြန်လည်စစ်ဆေးရန် Explorer refresh ကို အသုံးပြုပါ။

Git: "သင်သည် default branch တွင် ရှိနေသည်"

လုပ်ငန်းခွင် ဘရန်ချ် တစ်ခုကို ဖွင့်ပါ သို့မဟုတ် ဖန်တီးပါ pull request တစ်ခု ဖွင့်ရန် Integrate ကို အသုံးမပြုမီ။

ဆက်လက်အခက်အခဲရှိပါက support@deepcerebra.ai သို့ ဆက်သွယ်ပါ။

23 DeepCerebra Discovery — သင့်ဒေတာနှင့် စာရွက်စာတမ်းများကို မေးမြန်းပါ

Discovery သည် သင့် ဒေတာဘေ့စ်များနှင့် စာရွက်စာတမ်းများ အတွက် စုံစမ်းစစ်ဆေးရေး ချတ်ဘော့တစ်ခုဖြစ်ပါသည်။ တစ်ခုတည်းသော မေးမြန်းမှုဖြင့် အဖြေပေးမည့်အစား၊ ၎င်းသည် ခွဲခြမ်းစိတ်ဖြာသူတစ်ဦးကဲ့သို့ လုပ်ဆောင်သည်- ၎င်းသည် ယူဆချက်များ ကို ချမှတ်သည်၊ ကာကွယ်ထားသော စုံစမ်းစစ်ဆေးမှုများ (SQL, graph, document search, schema checks, web corroboration) ကို ဆက်တိုက်လုပ်ဆောင်သည်၊ အထောက်အထားများက ပယ်ချသော ရှင်းလင်းချက်များကို ဖယ်ရှားပြီး ဇယားများနှင့် ပွင့်လင်းမြင်သာသော ကုန်ကျစရိတ်ပြေစာတို့နှင့်အတူ ခိုင်မာသောအဖြေ တစ်ခုကို ပေါင်းစပ်ဖော်ပြသည်။ ၎င်းကို activity rail ရှိ သံလိုက်အိမ်မြှောင်အိုင်ကွန် (/app/discovery) မှ ဖွင့်ပါ။

23.1 နေရာများ — သင်စီမံထားသော နယ်ပယ်

Space တစ်ခုသည် မေးခွန်းတစ်ခုအတွက် လိုအပ်သော အရာအားလုံးကို စုစည်းပေးသည်- ဒေတာဘေ့စ်ချိတ်ဆက်မှုများ၊ စာရွက်စာတမ်းစုဆောင်းမှုများ၊ ခွဲခြမ်းစိတ်ဖြာသူအတွက် ညွှန်ကြားချက်များနှင့် ဘတ်ဂျက်များ။ + နေရာအသစ် ဖြင့် တစ်ခုဖန်တီးပြီးနောက် ညာဘက်ရှိ စနစ်ထည့်သွင်းမှု panel ကို အသုံးပြု၍ အောက်ပါတို့ကို လုပ်ဆောင်နိုင်သည်-

• ဒေတာဘေ့စ်များ ချိတ်ဆက်ပါ — SQLite, PostgreSQL, MySQL, SQL Server သို့မဟုတ် Snowflake။ အမည်နှင့် DSN ကို ထည့်သွင်းပြီး စမ်းသပ်ပါ ကို နှိပ်၍ ချိတ်ဆက်မှု ရှိမရှိ စစ်ဆေးပါ (latency နှင့် server version ကို ပြသပါမည်)၊ သို့မဟုတ် ရှိပြီးသား ချိတ်ဆက်မှု configuration ကို JSON အဖြစ် ထည့်သွင်းပါ။ ချိတ်ဆက်မှုများသည် မူရင်းအတိုင်း ဖတ်ရန်သာ ဖြစ်သည်။
• စာရွက်စာတမ်းများ ထည့်သွင်းပါ — ဖိုင်များ (PDF, DOCX, PPTX, Markdown, text) ကို ချတ်ထဲသို့ တိုက်ရိုက်ဆွဲထည့်ပါ၊ URL တစ်ခုကို ကူးထည့်ပါ၊ သို့မဟုတ် engine host ပေါ်ရှိ ဖိုင်တွဲလမ်းကြောင်းတစ်ခုကို ညွှန်ပြပါ။ စာရွက်စာတမ်းများကို hybrid vector + knowledge-graph ရှာဖွေမှုအတွက် အပိုင်းပိုင်းခွဲ၊ ထည့်သွင်းပြီး အညွှန်းပြုလုပ်ထားသည်။
• ဇယားများ ထည့်သွင်းပါ — မည်သည့်ဒေတာဘေ့စ်မှမပါဘဲ ချက်ချင်းမေးမြန်းရန် CSV/JSON ကို ကူးထည့်ပါ သို့မဟုတ် တင်ပါ။
• ခွဲခြမ်းစိတ်ဖြာသူကို သင်ကြားပေးပါ — မက်ထရစ်အဓိပ္ပာယ်ဖွင့်ဆိုချက်များ၊ လုပ်ငန်းစည်းမျဉ်းများနှင့် သတိပေးချက်များ၊ curator မှ အတည်ပြုထားသော ယုံကြည်ရသည့် မေးမြန်းမှုများနှင့် ဥပမာမေးခွန်း→မေးမြန်းမှုအတွဲများကို ထည့်သွင်းခြင်းဖြင့် အဖြေများသည် သင့် အဓိပ္ပာယ်ဖွင့်ဆိုချက်များကို အသုံးပြုစေရန်။

23.2 မေးခွန်းမေးခြင်း

လုပ်ဖော်ကိုင်ဖက်တစ်ဦးကို မေးသကဲ့သို့ မေးခွန်းတစ်ခုကို ရိုက်ထည့်ပါ — ဥပမာ "Why did MRI scan volume dip in March?"။ စုံစမ်းစစ်ဆေးရေးဘုတ်အဖွဲ့ သည် လုပ်ငန်းစဉ်တစ်ခုလုံးကို တိုက်ရိုက်ထုတ်လွှင့်သည်-

• ယူဆချက်များ — စုံစမ်းစစ်ဆေးနေသော ဖြစ်နိုင်ခြေရှိသည့် ရှင်းလင်းချက်များ၊ အထောက်အထားများ ရောက်ရှိလာသည်နှင့်အမျှ တစ်ခုစီကို ထောက်ခံသည်၊ ပယ်ချသည်၊ သို့မဟုတ် မပြတ်သားသေး ဟု မှတ်သားထားသည်။
• စုံစမ်းစစ်ဆေးမှုများ — ခွဲခြမ်းစိတ်ဖြာသူ လုပ်ဆောင်သည့် မေးမြန်းမှုတိုင်း၊ ၎င်း၏ အခြေအနေနှင့်အတူ၊ ထုတ်လုပ်ထားသော SQL/Cypher ကို အပြည့်အဝ ပွင့်လင်းမြင်သာမှုအတွက် ပြသထားပြီး၊ ထုတ်ပြန်ချက်တိုင်းသည် လုပ်ဆောင်ခြင်းမပြုမီ ဖတ်ရန်သာ ကာကွယ်ရေးစည်းမျဉ်းများကို ကျော်ဖြတ်သည်။
• အထောက်အထားများ — ရလဒ်ဇယားများနှင့် စာရွက်စာတမ်းကောက်နုတ်ချက်များ၊ နောက်ဆုံးအဖြေတွင် နံပါတ်ဖြင့် ကိုးကားထားသည်။
• အဖြေ + ဇယားများ — ပယ်ချခံရသော ရှင်းလင်းချက်များကိုလည်း ဖော်ပြထားသည့် ခိုင်မာသော ကောက်ချက်တစ်ခု၊ ထို့အပြင် အထောက်အထားများမှ ပေါင်းစပ်ထားသော ခေတ်မီ neon-themed ဇယားများ။
• ပြေစာ — tokens၊ စုံစမ်းစစ်ဆေးမှုတစ်ခုချင်းစီ၏ ကုန်ကျစရိတ်နှင့် အကြိမ်အရေအတွက်၊ အခြား agent run များကဲ့သို့ပင် သင်၏ AI Credits မှ ကောက်ခံသည်။

နောက်ဆက်တွဲမေးခွန်းများသည် တူညီသော အကြောင်းအရာကို ဆက်လက်လုပ်ဆောင်သောကြောင့် ခွဲခြမ်းစိတ်ဖြာသူသည် ၎င်း၏ context ကို ထိန်းသိမ်းထားသည်။

23.3 ဇယားများ၊ အစီရင်ခံစာများနှင့် ထုတ်ယူမှုများ

ဇယားများသည် စုံစမ်းစစ်ဆေးရေးဘုတ်အဖွဲ့တွင် တိုက်ရိုက်ပေါ်လာသည်။ ထုတ်ယူပါ ကို အသုံးပြု၍ အဖြေ၊ ယူဆချက်များ၊ အထောက်အထားများနှင့် ဇယားများ အပါအဝင် မေးမြန်းမှုအပြည့်အစုံကို ကိုယ်တိုင်ပါဝင်သော HTML အစီရင်ခံစာ သို့မဟုတ် ပုံနှိပ်အရည်အသွေးမြင့် PDF၊ neon design system ဖြင့် ပုံစံထုတ်ထားသည်ကို ဒေါင်းလုဒ်လုပ်ပါ။

23.4 ဘတ်ဂျက်များနှင့် ကုန်ကျစရိတ်ထိန်းချုပ်မှု

Space တစ်ခုစီတွင် မေးမြန်းမှုတစ်ခုချင်းစီအတွက် ဘတ်ဂျက်များ ပါရှိသည်- အများဆုံး စုံစမ်းစစ်ဆေးမှုအရေအတွက်၊ စုံစမ်းစစ်ဆေးမှုအကြိမ်အရေအတွက်၊ စက္ကန့်နှင့် USD။ engine သည် ကန့်သတ်ချက်သို့ ရောက်သည်နှင့် သပ်ရပ်စွာ ရပ်တန့်ပြီး ယခုအထိ တွေ့ရှိခဲ့သည်များကို အစီရင်ခံသည်။ စုံစမ်းစစ်ဆေးမှုတိုင်း၏ ကုန်ကျစရိတ်ကို ပြေစာတွင် အသေးစိတ်ဖော်ပြထားသောကြောင့် သင်သည် ကုန်ကျစရိတ် မည်သည့်နေရာသို့ ရောက်သွားသည်ကို အမြဲသိရှိနိုင်သည်။

23.5 အလိုအလျောက်စနစ်- API, SDK, Workflow Studio & MCP

• REST API — UI လုပ်ဆောင်သမျှ အရာအားလုံးကို /v1/discovery/* အောက်တွင် ရရှိနိုင်ပြီး discovery scope ပါရှိသော PAT ဖြင့် (၎င်းကို အကောင့် → API Tokens အောက်တွင် ဖန်တီးပါ)။ Streaming asks များသည် SSE ကို အသုံးပြုသည်။ ပြင်ပ executors များသည် Thinking API (/v1/think/*, scope think) မှတစ်ဆင့် စုံစမ်းစစ်ဆေးရေး စီမံကိန်းကိုသာ ငှားရမ်းနိုင်သည်။
• Python SDK — pip install deepcerebra-discovery၊ ထို့နောက် DiscoveryClient(base_url, token).ask(space_id, question)။
• Workflow Studio — Discovery Ask အဆင့် (discovery.ask) ကို မည်သည့် workflow ထဲသို့မဆို ထည့်သွင်းခြင်းဖြင့် စုံစမ်းစစ်ဆေးမှုကို pipeline step အဖြစ် လုပ်ဆောင်နိုင်သည်၊ အဖြေ၊ ဇယားများနှင့် ပြေစာတို့သည် downstream stages သို့ စီးဆင်းသွားမည်။
• MCP — engine သည် discovery_ask နှင့် discovery_list_spaces တို့ကို MCP tools များအဖြစ် ဖော်ပြထားသောကြောင့် ပြင်ပ MCP clients များသည်လည်း စုံစစ်ဆေးမှုများကို လုပ်ဆောင်နိုင်သည်။