1 Introduksjon og utgaver

DeepCerebra Coder er en agentic kodeassistent. I motsetning til en enkel autofullførings-copilot, planlegger, skriver, refaktorerer, kjører kommandoer, kaller verktøy og itererer over hele prosjektet ditt – med deg som gjennomgår og godkjenner endringene den foreslår.

Tre måter å bruke den på

Denne guiden fokuserer på web-appen på deepcerebra.ai; desktop-appen speiler de samme panelene og arbeidsflytene.

2 Komme i gang og konto

Støttede nettlesere

Bruk en aktuell versjon av Chrome, Edge eller Brave for den fulle opplevelsen – å åpne en lokal mappe er avhengig av Chromium File System Access API. Firefox og Safari fungerer for chat og for Git-baserte prosjekter, men kan ikke åpne en lokal mappe direkte.

Opprett en konto

1. Klikk Kom i gang på landingssiden.
2. Fyll inn ditt valgfrie visningsnavn, e-post, land og fødselsdato (du må være minst 18 år).
3. Velg ditt grensesnittspråk og et passord på minst 12 tegn.
4. Les avtalevarslet og bekreft. Ved å opprette en konto godtar du Tjenestevilkårene, Personvernerklæringen, Tjenestebeskrivelsen og Global DPA.
5. Klikk Opprett konto, bekreft deretter e-posten din hvis du blir bedt om det, og logg inn.

Tilbakestill passordet ditt

1. På innloggingssiden klikker du Glemt passord?
2. Skriv inn e-posten din og åpne tilbakestillingslenken som er sendt til innboksen din.
3. Angi et nytt passord (minimum 12 tegn).

3 Arbeidsområdet i et nøtteskall

Etter innlogging lander du i arbeidsbenken, som samler alle paneler på én skjerm:

• Utforsker (venstre) – filtreet for det åpne prosjektet, med en oppdaterings- og lukkeknapp.
• Redigeringsprogram (midten) – filinnhold med syntaksutheving og en minimap-oversikt; inline diffs vises her når agenten foreslår endringer.
• Terminal (under redigeringsprogrammet, slå på/av) – kjør kommandoer og les utdata.
• Chat (høyre) – agentsamtalen; dette er det primære, plassfyllende panelet.

Dra skillelinjen mellom redigeringsprogrammet og chatten for å ombalansere oppsettet, og dra den horisontale skillelinjen for å endre størrelsen på terminalen. Venstre sidefelt navigerer også til Arbeidsområde, Utvidelser, API-nøkler, Fakturering og Tilbakemelding.

4 Åpne et prosjekt

4.1 Åpne en lokal mappe

1. I Utforskeren klikker du Åpne prosjektmappe.
2. Velg en mappe og gi nettleseren tillatelse til å lese den.
3. Filer leses inn i nettleserens krypterte arbeidsområde i nettleseren – ingenting lastes opp. Du vil se et live-antall og en endelig oppsummering (filantall · størrelse, pluss eventuelle hoppede over eller avkortede filer).

4.2 Åpne fra Git (GitHub / GitLab)

1. Klikk Åpne fra Git i Utforskeren.
2. Velg GitHub- eller GitLab-fanen og lim inn et personlig tilgangstoken. For GitHub bruker du repo-omfanget (klassisk) eller et finkornet token med Contents + Pull requests; for GitLab bruker du api-omfanget. Tokenet ditt lagres på serveren – kun filinnhold trekkes inn i nettleseren.
3. Skriv inn repositoryet som owner/name (filtrer listen for å finne ditt), og velg deretter en gren.
4. Valgfritt: kryss av Opprett en ny arbeidsgren (f.eks. dcc/my-feature) for å holde arbeidet ditt isolert fra standardgrenen.
5. Valgfritt: aktiver push webhook slik at Utforskeren oppdateres umiddelbart når teammedlemmer pusher (krever en offentlig gateway-URL).
6. Klikk Åpne repository.

4.3 Oppdater, bytt og lukk

• Oppdater (↻ i Utforsker-overskriften) skanner mappen på nytt eller henter det siste fra Git.
• Åpne en annen mappe eller Åpne fra Git fra knappene under treet.
• Lukk prosjekt (søppelbøtteikon) tømmer arbeidsområdet i nettleseren.

4.4 Mappe-spesifikke chat-sesjoner

Chat-historikken er knyttet til det åpne prosjektet. Bytte av mapper starter automatisk en ny sesjon og laster inn den mappens tidligere sesjoner, og gjenåpner den nyeste slik at du kan fortsette der du slapp.

4.5 Operasjonelle mapper

Mapper DeepCerebra bruker internt – .deepcerebra, .sessions – vises i treet men er som standard skjult slik at de ikke roter til kildekoden din.

5 Arbeide med filer

• Klikk på en fil i Utforskeren for å åpne den i redigeringsprogrammet; minimap hjelper deg med å navigere i lange filer.
• Dra en fil fra Utforskeren inn i chat-prompten for å legge den ved som eksplisitt kontekst for din neste melding.
• Når agenten foreslår redigeringer, viser redigeringsprogrammet en inline diff for den valgte filen.

6 Chatte med agenten

Skriv en forespørsel

Beskriv hva du ønsker i vanlig språk – still et spørsmål, be om en funksjon, eller pek på en feil. Vær spesifikk om filer, rammeverk og begrensninger for å få best mulig resultat. Legg ved relevante filer ved å dra dem inn i prompten.

Les svar, Cursor-stil

Svar er organisert som Cursor: agentens resonnement er skilt fra leveransen. Hver svarsblokk har et kopieringsikon i øvre høyre hjørne slik at du kan kopiere en ferdig rapport, dokument, eller en kommando du skal kjøre.

Styr eller stopp en kjøring

• Bruk Stopp for å stoppe en kjøring som går feil vei, og avgrens deretter prompten din.
• Gi hint (f.eks. "bruk lxml i stedet for html.parser") for å bryte agenten ut av en løkke.

7 De fire chat-modusene

Velg en modus fra modusvelgeren ved siden av prompten. Hver justerer hvor mye agenten planlegger og hvor fritt den redigerer:

8 Gjennomgå og anvende endringer

Når agenten foreslår filendringer, vises et panel for Foreslåtte endringer over chat-inputfeltet, som lister opp hver berørte fil med antall lagt til (+) og fjernet (−) linjer.

• Klikk på en filrad for å åpne dens inline diff i redigeringsprogrammet.
• Anvend eller Avvis en enkelt fil, eller bruk Anvend alle / Avvis alle.
• Anvendte endringer er merket applied (og · disk når de skrives til en ekte mappe).
• Hvis det ikke er en skrivbar mappe, indikerer et kun arbeidsområde-merke at endringene gjelder for arbeidsområdet i nettleseren.

9 Integrert terminal

Slå på terminalen under redigeringsprogrammet for å kjøre bygg, tester og skript. Med din autorisasjon kan agenten utføre kommandoer og lese utdataene for å verifisere arbeidet sitt; langvarige kommandoer strømmer utdata slik at du kan følge med på fremdriften. Lukk terminalen fra overskriften når du ikke trenger den.

10 Plan-modus og utførelse

For større mål, bruk Plan-modus (eller be agenten om å planlegge først). Planleggeren skanner prosjektet ditt, dekomponerer målet i avhengighetsbevisste oppgaver, og tildeler hver til riktig spesialist (arkitekt, koder, tester, dokumentasjon).

• Gjennomgå og rediger planen – legg til, fjern eller endre oppgaver før utførelse.
• Utfør lag for lag – uavhengige oppgaver kjører sammen; planleggeren kan omplanlegge hvis en oppgave mislykkes.
• Pause, gjenoppta eller avbryt utførelsen når som helst.

11 Velge modeller og Auto

Åpne modellvelgeren ved siden av prompten. Alternativene er gruppert som:

• Auto – la DeepCerebra velge den best tilgjengelige modellen (anbefales).
• Lokal (din GPU) – modeller servert fra din egen maskin (se §13).
• Plattform-gateways – hostede modeller, gruppert etter gateway og deretter etter leverandør (f.eks. Anthropic, OpenAI, Google).

Hvordan Auto-valg fungerer

På Auto bruker DeepCerebra lagdelt, adaptiv ruting: enkle oppgaver går til en rask, økonomisk modell, mens komplekst eller planleggingstungt arbeid (for eksempel Plan-modus) rutes til en sterkere modell. Dette balanserer kostnad og kvalitet automatisk, slik at du sjelden trenger å velge manuelt.

12 Ta med din egen nøkkel (BYOK)

Du kan rute forespørsler gjennom din egen leverandørkonto i stedet for målt plattformbruk.

1. Åpne API-nøkler fra sidefeltet.
2. Under Ta med egen nøkkel, velg en leverandør (f.eks. ANTHROPIC_API_KEY, GOOGLE_API_KEY, OPENAI_API_KEY).
3. Lim inn nøkkelverdien og klikk Lagre. Nøkler krypteres i ro og returneres aldri til nettleseren – kun en maskert forhåndsvisning vises.

Plattformmodeller (DeepCerebra) trenger ingen nøkkel. Fjern en nøkkel når som helst med Fjern.

13 Lokal maskin: GPU-modeller og konsoll (DCC Bridge)

DCC Bridge kobler din egen datamaskin til web-appen via en liten dcc-bridge-kobling, og låser opp to funksjoner samtidig:

• Lokale GPU-modeller – modeller servert av Ollama eller LM Studio på maskinen din vises i modellvelgeren under Lokal (din GPU).
• Konsoll / terminal på maskinen din – webterminalen og agenten kan kjøre ekte kommandoer på datamaskinen din, inkludert CLI-verktøy du allerede har konfigurert (Railway, AWS CLI, OVH CLI, gh, docker, kubectl, WSL, …) med deres eksisterende legitimasjon.

Koblingen ringer ut over en autentisert WebSocket – ingen innkommende porter er nødvendig, og den fungerer bak NAT og brannmurer. Den kjører på Windows, macOS og Linux (Python 3.10+).

13.1 Par datamaskinen din

1. Klikk på laptop-ikonet i venstre aktivitetsfelt – Lokal maskin (GPU + Konsoll). (Det samme panelet åpnes fra modellvelgerens bunntekst via Administrer lokal GPU….)
2. Sørg for at Lokal utførelse-bryteren er aktivert, navngi enheten, og klikk Legg til denne datamaskinen. Kopier engangs-parringstokenet (dcc_brg_…) og den klar-til-å-lime-inn koblingskommandoen – tokenet vises nøyaktig én gang.

13.2 Installer og kjør koblingen

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

• Bruk det samme domenet du bruker i nettleseren som gateway (wss://deepcerebra.ai eller wss://deepcerebra.io) – parringskortet forhåndsutfyller den riktige. De to nettstedene er separate distribusjoner med separate kontoer og tokens.
• For GPU-modeller, hold Ollama kjørende, eller aktiver LM Studios lokale server (standardport 1234) med en modell lastet.
• Parede enheter viser online/offline-status, modellantall og exec-omfang; du kan Tilbakekalle en enhet når som helst.

13.3 Bruk konsollen din fra web-appen

Som standard er kommandoer begrenset til en dedikert arbeidsområdemappe (~/DeepCerebra). For å arbeide i dine virkelige prosjektmapper med dine forhåndskonfigurerte CLIs, gi dem eksplisitt når du starter koblingen:

# 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

Åpne deretter Terminal-panelet, klikk på Utførelsesmål-popoveren (laptop-ikonet), velg Min datamaskin, og velg en arbeidsmappe. Både dine innskrevne kommandoer og agentens bygg-/testkommandoer utføres deretter på maskinen din.

14 Git-samarbeidsflyt

Med et Git-basert prosjekt åpent, vises en grenlinje i Utforskeren som viser din nåværende gren og to handlinger:

• Sjekk inn (commit) – gjennomgå antall endrede filer, skriv en commit-melding, og commit til din arbeidsgren.
• Integrer – åpne en pull request fra din arbeidsgren til standardgrenen (f.eks. main). Du må være på en arbeidsgren, ikke standardgrenen.

Hvis push webhook er aktivert, oppdateres Utforskeren automatisk når teammedlemmer pusher, og holder alle synkronisert – grunnlaget for samarbeidende teamutvikling gjennom DeepCerebra.

15 MCP-servere

Utvid agenten med eksterne verktøy og data via Model Context Protocol. Konfigurer servere i en .deepcerebra/mcp.json-fil, for eksempel:

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

Aktiverte MCP-verktøy blir automatisk tilgjengelige for agenten når de er relevante for forespørselen din. Lokale (stdio) og eksterne (http/sse) servere støttes begge.

Innebygd sikkerhet

• Nekt-som-standard – når en server lister en allowlist, kan bare disse verktøyene kjøre.
• Godkjenning for høyrisikoverktøy – muterende verktøy (skrive/slette/distribuere/…) krever godkjenning med mindre du forhåndsgodkjenner dem i autoApprove.
• Hastighetsbegrensning, argument- og utdata-sanering, og en revisjonslogg gjelder for hvert kall.

Ressurser og prompter

Hvis en server eksponerer MCP-ressurser eller prompt-maler, får agenten automatisk verktøy for å bruke dem (mcp_list_resources, mcp_read_resource, mcp_list_prompts, mcp_get_prompt).

Autentisering for eksterne servere

Legg til en auth-blokk til en ekstern server. Hemmeligheter støtter ${ENV_VAR}-interpolering:

// 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 Tilpasse agenten: Regler, ferdigheter, hooks, subagenter og plugins

Du kan forme hvordan agenten tenker og handler med en enkelt, filbasert konvensjon – .deepcerebra/-katalogen – som fungerer identisk i desktop-appen, web-appen og API-et. I web-appen administrerer du alle disse under Agent-visningen; på desktop og via API-et er de vanlige filer du committer med prosjektet ditt.

Omfang og presedens

Konfigurasjon oppdages fra flere omfang; når det samme elementet finnes i mer enn ett, vinner det med høyere presedens:

team/org  <  global (~/.deepcerebra)  <  workspace (<repo>/.deepcerebra)
(lavest)                                              (høyest)

• Arbeidsområde – <repo>/.deepcerebra/…, committet med prosjektet.
• Global – ~/.deepcerebra/…, dine personlige standardinnstillinger på tvers av prosjekter.
• Team / org – en delt grunnlinje (lavest presedens) slik at en bruker eller et prosjekt alltid kan overstyre den. I web-appen setter du en regels Omfang til Team.

Regler (styring)

Regler er vedvarende instruksjoner – kodestandarder, arkitekturkonvensjoner, domenekontekst – injisert i agentens systemprompt. De lever som Markdown-filer under .deepcerebra/steering/, pluss den alltid-på AGENTS.md-standarden. Frontmatter kontrollerer når en regel lastes:

---
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 – hver tur (standard).
• fileMatch – bare når en fil i kontekst samsvarer med globs.
• auto – når forespørselen din samsvarer med regelenes name/description.
• manual – bare når du refererer til den som #name eller /name.

En rot-AGENTS.md gjelder for hele repoet; en nestet AGENTS.md (f.eks. services/api/AGENTS.md) gjelder bare for filer under den mappen. I web-appen gir Agent → Styring-visningen hver regel en Omfang-velger (Global / Prosjekt / Team).

Ferdigheter

Ferdigheter er gjenbrukbare "playbooks" som agenten laster ved behov. Hver ferdighet er en mappe med en SKILL.md under .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.

Agenten ser en lettvektskatalog (navn + beskrivelse) og trekker inn hele kroppen med load_skill-verktøyet når det er relevant. Du kan også påkalle en eksplisitt med /skill <name>. Sett disable-model-invocation: true for å gjøre en ferdighet kun manuell.

Hooks

Hooks kjører automatisering på livssyklushendelser. Definer dem som .deepcerebra/hooks/*.hook.json:

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

Hendelser inkluderer promptSubmit, preToolUse, postToolUse, fileCreate, fileSave, fileDelete, preTask, postTask, sessionStart, preCompact og agentStop (Cursor/Claude-stavemåter aksepteres også). En handling er enten shell (kjør en kommando) eller agentPrompt (spør agenten). En preToolUse-hook kan allow, deny eller ask for verktøykall den avskjærer.

Subagenter

Subagenter er spesialistagenter du definerer og delegerer til. Hver er en Markdown-fil under .deepcerebra/agents/ med frontmatter pluss en kropp (dens systemprompt):

---
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…

Hovedagenten delegerer med task (blokkerende), task_async + task_status / task_result (bakgrunn), eller task_parallel (fan-out).

Plugins

En plugin samler regler, ferdigheter, hooks, subagenter og MCP-servere i én installerbar pakke under .deepcerebra/plugins/<name>/, beskrevet av et plugin.json-manifest:

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

Plugin-innhold slås sammen med lavest presedens, slik at dine egne regler og ferdigheter alltid overstyrer en plugins. Deaktiver en plugin med "enabled": false eller en .disabled-markeringsfil.

17 Agentic Workflow Studio og hendelsesdrevne agenter

Workflow Studio er en visuell designer for multi-agent automatisering. Du komponerer stadier – hver en agent, et spesialisttrinn eller en kontrollprimitiv – til en graf, kobler dem med avhengigheter, og kjører hele orkestreringen på motoren med live fremdrift per stadium, budsjetter og menneskelig godkjenningsporter. Arbeidsflyter lagres som en bærbar YAML/JSON-definisjon du kan eksportere, importere, versjonere i Git, og kjøre fra API-et eller CLI-en.

17.1 Bygge en arbeidsflyt

• Palett (venstre) – dra stadietyper, ferdige agenttyper (forskning, kodegenerering, QA, dokumentforfatter, medisinsk utstyr, patentrådgiver, og dine egne tilpassede typer), ferdigheter fra Ferdighetsbiblioteket, og verktøy til lerretet.
• Lerret (midten) – arranger stadier og tegn kanter; en kant betyr "dette stadiet avhenger av det andre" og mater automatisk oppstrømsutdata inn i nedstrøms prompt.
• Inspektør (høyre, justerbar størrelse) – konfigurer det valgte stadiet: dets prompt, ferdigheter, verktøy, modelloverstyring per stadium, utdata-artefakt, gate, hendelser og kind-spesifikke parametere.
• Maler – start fra en innebygd blåkopi (Ship-It Pipeline, SaaS Starter, Data Pipeline with Evals, Customer Comms Hub, Design → Verified App) og tilpass den.
• Generer – beskriv appen eller prosessen i vanlig språk, og Agent Builder genererer en komplett, validert arbeidsflytgraf du kan gjennomgå, justere og kjøre.

17.2 Stadiets bibliotek

17.3 Hendelsesdrevne agenter (agent-nettet)

Hvert stadium – uavhengig av type – kan publisere og abonnere på typede hendelser på arbeidsområdets hendelsesbuss, slik at agenter koordinerer som tjenester på et meldingsstoff i stedet for bare gjennom DAG-en:

• Hendelsesklasser – hver hendelse bærer en klasse: lifecycle, agent, business, data, system, schedule, chat, external, eller alert – filtrerbar i abonnementer og avspilling.
• Abonnementsmoduser – trigger (stadiet kjører når en matchende hendelse ankommer; en kjøring med parkerte stadier forblir resident som listening), gate (en maskin-gate godkjent av en hendelse i stedet for et menneskelig klikk), og data (nyttelasten slås sammen i stadiets kontekst).
• Kickoff etter hendelse – enhver agent kan startes av en orkestrator eller en annen agent ved å publisere til dens adresse agent.<stage-id>.request.
• Kjøretriggere – en arbeidsflyts triggers:-blokk armerer den til å starte på innkommende webhooks, cron schedules, events, eller chat – selv mens Studio er lukket.
• Live-kjøringer – kjørepanelet strømmer livssyklushendelser over SSE: stadiumstarter/-fullføringer, gates, varsler og forhåndsvisninger vises umiddelbart.
• Varig logg og avspilling – hendelser vedvarer per arbeidsområde og kan spilles av etter emnemønster og klasse for revisjon og feilsøking.

17.3.1 Hendelseskø for agenter

Agenter som reagerer på hendelser kan erklære en varig navngitt kø slik at matchende hendelser aldri går tapt mens agenten er opptatt eller før en kjøring lytter. På et trigger-abonnement, sett queue: <name> – motoren binder det emnet til en FIFO-kø på arbeidsområdets hendelsesbuss (vedvarende under .deepcerebra/workflows/events/queues/). Hver matchende hendelse som publiseres fra det punktet og fremover, fanges opp i køen; når stadiet blir kjørbart, henter motoren hendelser i eldste-først-rekkefølge og forbruker dem én om gangen.

• Ingenting tapt – hendelser publisert mens arbeidsflyten er lukket, mens et annet stadium kjører, eller mens kjøringen fortsatt venter på avhengigheter, settes i kø i stedet for å bli droppet.
• Per-abonnement count – krever N køede (eller leverte) hendelser før abonnementet er tilfredsstilt (nyttig når flere arbeidere må rapportere inn).
• Studio – i Inspektørens Hendelser-panel, sett queue-feltet på et trigger-abonnement; aktiver triggere eller start en kjøring for å opprette bindingen automatisk.
• API & verktøy – GET /api/workflow/queues lister dybde og bindinger; GET /api/workflow/queues/{name} titter på ventende hendelser; chat-agenter kan kalle event_queue_status og 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 Semaphor-orkestrering (beskyttelse av delte ressurser)

En semaphor begrenser hvor mange oppgaver som samtidig kan operere på en delt (beskyttet) ressurs: en database som skrives til, en global variabel-lagring, en fil, eller en hastighetsbegrenset ekstern agent. Fest en til ethvert stadium med semaphore: – før stadiets arbeid kjører, anskaffer motoren én tillatelse fra den navngitte arbeidsområdesemaforen; tillatelsen frigjøres alltid etterpå, selv om stadiet mislykkes. permits: 1 gjør det til en mutex: bare én oppgave om gangen (på tvers av alle parallelle kjøringer i arbeidsområdet) utfører det kritiske trinnet; alle andre oppgaver venter til holderen er ferdig.

• Kryss-kjørings serialisering – semaforer er arbeidsområde-omfanget og vedvarende, slik at to samtidige arbeidsflytkjøringer ikke kan korrumpere den samme beskyttede ressursen.
• Venter, ikke henger – oppgaver blokkerer opp til timeout_s for en tillatelse; hvis ressursen forblir på kapasitet, mislykkes stadiet synlig i stedet for å henge for alltid.
• Krasjsikkerhet – hver tillatelse bærer en ttl_s; hvis en holder krasjer uten å frigjøre, utløper tillatelsen automatisk slik at ressursen aldri blir dødlåst.
• Observerbarhet – bussen sender ut semaphore.<name>.waiting, .acquired og .released systemhendelser; GET /api/workflow/semaphores viser kapasitet, holdere og tilgjengelige tillatelser.
• Chat-agenter – acquire_semaphore, release_semaphore og semaphore_status-verktøy koordinerer ad-hoc kritiske seksjoner utenfor en arbeidsflyt.

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-orkestrering (vent på alle betingelser)

Rendezvous venter til flere hendelsesbetingelser alle er oppfylt før neste trinn fortsetter – det motsatte av "første hendelse vinner." Sett join: all på stadiets events:-blokk: hvert trigger-abonnement må være tilfredsstilt før stadiet kjører. Kombiner med count: N per abonnement når flere agenter (eller flere rapporter fra én agent) alle må sjekke inn – for eksempel designgodkjenning, testfullføring og sikkerhetsgodkjenning før et utgivelsesstadium utføres.

• join: any (standard) – stadiet kjører når det første trigger-abonnementet er tilfredsstilt.
• join: all – rendezvous: hvert trigger-abonnement (hver med sitt eget emne, klassefilter og valgfri count) må være tilfredsstilt; først da blir stadiet kjørbart.
• Nyttelaster – alle forbrukte hendelser registreres på stadiet som trigger_events og eksponeres for maler som inputs.events (en liste over hendelsesobjekter med nyttelaster).
• Studio – når et stadium har to eller flere trigger-abonnementer, viser Inspektøren en Join-velger: any — first event wins eller all — rendezvous (wait for all); lerretet viser et flette-merke på rendezvous-stadier.

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 Agentverktøybiblioteket

Stadier velger verktøy fra det samme registeret som chat-agenten bruker:

• Kjerne – filer, git, shell, kodeutførelse, kodesøk, nettleserautomatisering, websøk, visjon/media, bildegenerering.
• Databaser – SQLite, PostgreSQL, MySQL, MongoDB og Redis-spørringer pluss create_database, apply_migrations og dump_schema for eide datalag.
• Kommunikasjon – telefonsamtaler og SMS (Twilio) og e-post (SendGrid), med en simuleringsmodus som registrerer til en utboks når legitimasjon mangler – demoer sender aldri ekte meldinger ved et uhell.
• DevOps – docker_build / docker_push, compose up/down, SSH og sky-CLI-distribusjoner (Fly, Render, Railway, Vercel), også simulering-sikker.
• Verifisering – stakkdeteksjon, testsuite-utførelse med parsede bestått-rater, avhengighetsrevisjoner og hemmelighetsskanning.
• SciCompute Engines – hundrevis av vitenskapelige og ingeniørmetoder (navngitt Class.method) på tvers av matematikk, signalbehandling, kontroller, statistikk og mer.
• Ekspertbyrå og MCP – jordet domenforskning pluss eventuelle eksterne MCP-servere du kobler til.

17.5 Kjøring, gates og utdata

• Valider sjekker grafen (unike ID-er, asykliske avhengigheter, kind-parametere) før du kjører.
• Menneskelige gates pauser kjøringen etter at stadiet produserer sitt utkast, slik at du godkjenner ekte arbeid; hendelsesgates lar et annet system godkjenne automatisk.
• Budsjetter begrenser forbruket per kjøring og per stadium.
• Lagre utdata til prosjekt kopierer alle artefakter en kjøring genererte til ditt åpne prosjekt.
• Eksporter app gjør arbeidsflyten om til en frittstående FastAPI-tjeneste; den offentlige /v1 API-en eksponerer kjøringer, hendelser, triggere, maler og generering for CI og integrasjoner.
💡 Tips: Start med Ship-It Pipeline-malen: den kjeder design → db.provision → implementering → genererte tester → sikkerhetsrevisjon → distribusjonspakking → CI-generering, med en menneskelig gate før pakking – en komplett brief-til-produksjon-bane du kan tilpasse på minutter.

18 Prediktiv tab-fullføring

Prediktiv tab-fullføring tilbyr inline, fyll-inn-midten kodeforslag mens du skriver i redigeringsprogrammet – godta et forslag med Tab. Det er opt-in på både motoren og web-redigeringsprogrammet.

Aktiver det

• Motor – sett miljøflagget DCC_TAB_COMPLETE=1. Redigeringsprogrammet kaller motorens POST /api/complete-endepunkt, som kun returnerer teksten som skal settes inn ved markøren.
• Web-redigeringsprogram – aktiver ved bygging med VITE_TAB_COMPLETE=1, eller ved kjøretid med localStorage.setItem('dcc.tabComplete', '1') (last deretter inn på nytt).

Hvordan det oppfører seg

• Forslag vises som spøkelsestekst; trykk Tab for å godta, eller fortsett å skrive for å avvise.
• Forespørsler debounses og kan avbrytes, slik at skriving aldri blokkeres.
• Når flagget er av, er funksjonen fullstendig deaktivert og ingen fullføringsforespørsler sendes.

19 Bruk, kreditter og fakturering

Åpne Fakturering fra sidefeltet for å administrere planen og bruken din. AI-bruk måles i amerikanske dollar-kreditter basert på tokens som forbrukes av de underliggende modellene.

• Syklusforbruk og forhåndsbetalt kreditt – spor bruken denne syklusen og eventuell forhåndsbetalt saldo.
• Legg til overforbrukskreditt – autoriser et tilleggsbeløp (USD) for å fortsette å bruke AI etter at den inkluderte kvoten er brukt opp; hvis budsjettet ditt er oppbrukt, vil du se et banner som ber deg om å legge til kreditt.
• Oppgrader / endre plan – bytt nivå når som helst.
• Betalingsmetode – legg til eller oppdater kortet som er registrert (behandles av Stripe).
• Avbryt – velg avbryt ved periodeslutt (behold tilgang til perioden slutter) eller avbryt nå (refunder det refunderbare restbeløpet). Se Avbestillings- og refusjonspolicyen.

20 Skaffe din Gateway API-nøkkel

En gateway API-nøkkel (et personlig tilgangstoken) lar deg bruke DeepCerebra offentlige API og CLI programmatisk.

1. Logg inn og åpne API-nøkler fra sidefeltet.
2. Rull til DeepCerebra API-nøkler.
3. Skriv inn en etikett (f.eks. "CI pipeline" eller "laptop CLI").
4. Velg scopes – read, chat, code, agent – og en valgfri utløpsdato i dager (tom = aldri).
5. Klikk Generer. Hele nøkkelen vises kun én gang – klikk Kopier og lagre den sikkert.

Bruk den med CLI eller API-et på 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/...

Du kan endre navn på eller slette (tilbakekalle) en nøkkel når som helst; hver nøkkel viser dens prefiks, scopes, opprettet/utløpsdato og sist brukt dato.

21 Sikkerhet og personvern

• Konfidensiell lagring i nettleseren – prosjektfilene dine forblir i nettleserens krypterte arbeidsområde; kun den minimale konteksten som trengs per forespørsel sendes til serveren.
• Zero Data Retention (ZDR) – prompter og kode som rutes til modeller beholdes ikke utover forespørselen og brukes aldri til å trene grunnmodeller.
• Nøkler forblir på serversiden – BYOK og SCM-tokens krypteres i ro; kun maskerte forhåndsvisninger vises.
• Kryptering – TLS under overføring; kontodata krypteres i ro; passord hashes irreversibelt.
• Koden din er din – du eier innholdet ditt og de genererte utdataene. Se Personvernerklæringen.

22 Feilsøking

"Mappeinnlasting krever en Chromium-nettleser"

Bytt til Chrome, Edge eller Brave, eller bruk Åpne fra Git i stedet.

Agenten looper på samme feil

Klikk Stopp, og omformuler deretter med et konkret hint eller en begrensning.

Modell- eller forespørselsfeil / "budsjett oppbrukt"

• Sjekk tilkoblingen din og at eventuell BYOK-nøkkel er gyldig.
• Bytt til Auto slik at DeepCerebra ruter til en tilgjengelig modell.
• Hvis bruksbudsjettet ditt er oppbrukt, åpne Fakturering og legg til overforbrukskreditt eller oppgrader planen din.

Lokale modeller vises ikke

• Bekreft at dcc-bridge-koblingen kjører og at enheten viser online.
• Sørg for at Ollama kjører, eller at LM Studios lokale server er aktivert (standardport 1234) med en modell lastet.

Kobling: "server avviste WebSocket-tilkobling: HTTP 401"

• Bruk det samme domenet du bruker i nettleseren som --gateway (wss://deepcerebra.ai eller wss://deepcerebra.io) – de to nettstedene er separate distribusjoner, og et token fra den ene fungerer aldri på den andre.
• Kopier den nøyaktige kommandoen fra parringskortet på Lokal maskin-siden.

Mine endringer trådte ikke i kraft

• Sørg for at du klikket Anvend (ikke bare forhåndsviste diffen) i Foreslåtte endringer.
• Bruk Utforskerens oppdatering for å skanne mappen på nytt.

Git: "Du er på standardgrenen"

Åpne eller opprett en arbeidsgren før du bruker Integrer for å åpne en pull request.

Fortsatt fast? Kontakt support@deepcerebra.ai.

23 DeepCerebra Discovery — Spør dine data og dokumenter

Discovery er en undersøkende chatbot for dine databaser og dokumenter. I stedet for å svare med en enkelt spørring, fungerer den som en analytiker: den danner hypoteser, kjører en serie med beskyttede sonder (SQL, graf, dokumentsøk, skjema-sjekker, web-bekreftelse), fjerner forklaringene som bevisene tilbakeviser, og syntetiserer et fundert svar — med diagrammer og en transparent kostnadskvittering. Åpne den fra kompassikonet i aktivitetsfeltet (/app/discovery).

23.1 Områder — ditt kuraterte omfang

Et Område samler alt en spørsmålsrekke trenger: databaseforbindelser, dokumentsamlinger, instruksjoner for analytikeren og budsjetter. Opprett et med + Nytt område, og bruk deretter oppsettspanelet til høyre for å:

• Koble til databaser — SQLite, PostgreSQL, MySQL, SQL Server eller Snowflake. Skriv inn et navn og DSN, klikk Test for å verifisere tilkobling (ventetid og serverversjon vises), eller importer en eksisterende tilkoblingskonfigurasjon som JSON. Tilkoblinger er skrivebeskyttet som standard.
• Legg til dokumenter — dra og slipp filer (PDF, DOCX, PPTX, Markdown, tekst) direkte inn i chatten, lim inn en URL, eller pek til en mappesti på motoren. Dokumenter blir delt opp, innebygd og indeksert for hybrid vektor + kunnskapsgraf-søk.
• Importer tabeller — lim inn eller last opp CSV/JSON for å spørre umiddelbart uten database.
• Lær opp analytikeren — legg til metrikkdefinisjoner, forretningsregler og forbehold, kuratorgodkjente pålitelige spørringer, og eksempelspørsmål→spørring-par slik at svar bruker dine definisjoner.

23.2 Stille et spørsmål

Skriv et spørsmål slik du ville spurt en kollega — for eksempel "Hvorfor sank volumet av MR-skanninger i mars?". Den undersøkelsesoversikten strømmer hele prosessen direkte:

• Hypoteser — kandidatforklaringene under etterforskning, hver merket støttet, motbevist, eller ikke-konklusiv etter hvert som bevis kommer inn.
• Sonder — hver spørring analytikeren kjører, med dens status; generert SQL/Cypher vises for full transparens, og hver uttalelse passerer skrivebeskyttede vaktregler før utførelse.
• Bevis — resultattabeller og dokumentutdrag, sitert med nummer i det endelige svaret.
• Svar + diagrammer — en fundert konklusjon som også navngir forklaringene som ble utelukket, pluss moderne neon-tema diagrammer satt sammen fra bevisene.
• Kvittering — tokens, kostnad per sonde, og runder, belastet dine AI Credits som enhver annen agentkjøring.

Oppfølgingsspørsmål fortsetter den samme tråden, slik at analytikeren beholder sin kontekst.

23.3 Diagrammer, rapporter og eksport

Diagrammer gjengis direkte i undersøkelsesoversikten. Bruk Eksporter for å laste ned hele spørringen — svaret, hypotesene, bevisene og diagrammene — som en selvstendig HTML-rapport eller en utskriftskvalitets PDF, utformet med neon-designsystemet.

23.4 Budsjetter og kostnadskontroll

Hvert område har budsjetter per spørring: et maksimalt antall sonder, undersøkelsesrunder, sekunder og USD. Motoren stopper rent ved grensen og rapporterer hva den har funnet så langt. Hver sondes kostnad er spesifisert på kvitteringen, slik at du alltid vet hvor utgiftene gikk.

23.5 Automatisering: API, SDK, Workflow Studio og MCP

• REST API — alt brukergrensesnittet gjør er tilgjengelig under /v1/discovery/* med en PAT som bærer discovery omfang (opprett det under Konto → API-tokens). Strømmende spørringer bruker SSE. Eksterne utførere kan låne bare den undersøkende planleggingen via Thinking API (/v1/think/*, omfang think).
• Python SDK — pip install deepcerebra-discovery, deretter DiscoveryClient(base_url, token).ask(space_id, question).
• Workflow Studio — slipp Discovery Ask trinn (discovery.ask) inn i en hvilken som helst arbeidsflyt for å kjøre en undersøkelse som et pipelinesteg; svaret, diagrammene og kvitteringen flyter til nedstrøms trinn.
• MCP — motoren eksponerer discovery_ask og discovery_list_spaces som MCP-verktøy, slik at eksterne MCP-klienter også kan kjøre undersøkelser.