1 Wprowadzenie i edycje

DeepCerebra Coder to agentowy asystent kodowania. W przeciwieństwie do zwykłego kopilota z autouzupełnianiem, planuje, pisze, refaktoryzuje, wykonuje polecenia, wywołuje narzędzia i iteruje po całym projekcie — a Ty przeglądasz i zatwierdzasz proponowane przez niego zmiany.

Trzy sposoby użycia

Ten przewodnik koncentruje się na aplikacji webowej dostępnej pod adresem deepcerebra.ai; aplikacja desktopowa odzwierciedla te same panele i przepływy pracy.

2 Pierwsze kroki i konto

Obsługiwane przeglądarki

Użyj aktualnej wersji Chrome, Edge lub Brave, aby uzyskać pełne doświadczenie — otwieranie lokalnego folderu opiera się na API dostępu do systemu plików Chromium. Firefox i Safari działają dla czatu i projektów opartych na Git, ale nie mogą bezpośrednio otwierać lokalnego folderu.

Utwórz konto

1. Kliknij Rozpocznij na stronie głównej.
2. Wypełnij opcjonalne pola: nazwa wyświetlana, adres e-mail, kraj i data urodzenia (musisz mieć co najmniej 18 lat).
3. Wybierz język interfejsu i hasło składające się z co najmniej 12 znaków.
4. Przeczytaj i potwierdź warunki umowy. Utworzenie konta oznacza zgodę na Warunki świadczenia usług, Oświadczenie o ochronie prywatności, Opis usług oraz Globalną umowę o przetwarzaniu danych (DPA).
5. Kliknij Utwórz konto, a następnie zweryfikuj swój adres e-mail, jeśli zostaniesz o to poproszony, i zaloguj się.

Zresetuj hasło

1. Na stronie logowania kliknij Nie pamiętasz hasła?
2. Wprowadź swój adres e-mail i otwórz link do resetowania wysłany na Twoją skrzynkę odbiorczą.
3. Ustaw nowe hasło (minimum 12 znaków).

3 Obszar roboczy w skrócie

Po zalogowaniu znajdziesz się w środowisku roboczym, które umieszcza wszystkie panele na jednym ekranie:

• Eksplorator (po lewej) — drzewo plików dla otwartego projektu, z przyciskiem odświeżania i zamykania.
• Edytor (środek) — zawartość pliku z podświetlaniem składni i podglądem minimapy; tutaj pojawiają się różnice w tekście, gdy agent proponuje zmiany.
• Terminal (pod edytorem, włącz/wyłącz) — uruchamiaj polecenia i czytaj dane wyjściowe.
• Czat (po prawej) — rozmowa z agentem; jest to główny panel, wypełniający przestrzeń.

Przeciągnij rozdzielacz między edytorem a czatem, aby zrównoważyć układ, i przeciągnij poziomy rozdzielacz, aby zmienić rozmiar terminala. Lewy pasek boczny umożliwia również nawigację do sekcji Obszar roboczy, Rozszerzenia, Klucze API, Rozliczenia i Opinie.

4 Otwieranie projektu

4.1 Otwórz folder lokalny

1. W Eksploratorze kliknij Otwórz folder projektu.
2. Wybierz folder i przyznaj przeglądarce uprawnienia do jego odczytu.
3. Pliki są odczytywane do zaszyfrowanego obszaru roboczego w przeglądarce — nic nie jest przesyłane. Zobaczysz bieżącą liczbę i końcowe podsumowanie (liczba plików · rozmiar, plus wszelkie pominięte lub obcięte pliki).

4.2 Otwórz z Git (GitHub / GitLab)

1. Kliknij Otwórz z Git w Eksploratorze.
2. Wybierz zakładkę GitHub lub GitLab i wklej osobisty token dostępu. Dla GitHub użyj zakresu repo (klasyczny) lub szczegółowego tokenu z Contents + Pull requests; dla GitLab użyj zakresu api. Twój token jest przechowywany na serwerze — do przeglądarki pobierana jest tylko zawartość plików.
3. Wpisz repozytorium jako owner/name (filtruj listę, aby znaleźć swoje), a następnie wybierz gałąź.
4. Opcjonalnie zaznacz Utwórz nową gałąź roboczą (np. dcc/my-feature), aby Twoja praca była izolowana od gałęzi domyślnej.
5. Opcjonalnie włącz push webhook, aby Eksplorator odświeżał się natychmiast, gdy członkowie zespołu wykonują push (wymaga publicznego adresu URL bramy).
6. Kliknij Otwórz repozytorium.

4.3 Odśwież, przełącz i zamknij

• Odśwież (↻ w nagłówku Eksploratora) ponownie skanuje folder lub pobiera najnowsze dane z Git.
• Otwórz inny folder lub Otwórz z Git za pomocą przycisków pod drzewem.
• Zamknij projekt (ikona kosza) czyści obszar roboczy w przeglądarce.

4.4 Sesje czatu ograniczone do folderu

Historia czatu jest powiązana z otwartym projektem. Przełączanie folderów automatycznie rozpoczyna nową sesję i ładuje poprzednie sesje tego folderu, ponownie otwierając najnowszą, abyś mógł kontynuować pracę od miejsca, w którym ją przerwałeś.

4.5 Foldery operacyjne

Foldery używane wewnętrznie przez DeepCerebra — .deepcerebra, .sessions — pojawiają się w drzewie, ale są domyślnie zwinięte, aby nie zaśmiecać Twojego kodu źródłowego.

5 Praca z plikami

• Kliknij plik w Eksploratorze, aby otworzyć go w edytorze; minimapa pomaga nawigować po długich plikach.
• Przeciągnij plik z Eksploratora do pola czatu, aby dołączyć go jako jawny kontekst dla następnej wiadomości.
• Gdy agent proponuje edycje, edytor pokazuje różnice w tekście dla wybranego pliku.

6 Rozmowa z agentem

Napisz zapytanie

Opisz, czego chcesz, prostym językiem — zadaj pytanie, poproś o funkcję lub wskaż błąd. Bądź precyzyjny co do plików, frameworków i ograniczeń, aby uzyskać najlepszy wynik. Dołącz odpowiednie pliki, przeciągając je do pola zapytania.

Czytaj odpowiedzi, w stylu Cursor

Odpowiedzi są zorganizowane jak w Cursor: rozumowanie agenta jest oddzielone od rezultatu. Każdy blok odpowiedzi ma ikonę kopiowania w prawym górnym rogu, dzięki czemu możesz skopiować gotowy raport, dokument lub polecenie, które masz uruchomić.

Steruj lub zatrzymaj uruchomienie

• Użyj Stop, aby zatrzymać uruchomienie, które zmierza w złym kierunku, a następnie doprecyzuj swoje zapytanie.
• Podawaj wskazówki (np. "użyj lxml zamiast html.parser"), aby wyprowadzić agenta z pętli.

7 Cztery tryby czatu

Wybierz tryb z selektora trybów obok pola zapytania. Każdy z nich dostosowuje, ile agent planuje i jak swobodnie edytuje:

8 Przeglądanie i stosowanie zmian

Gdy agent proponuje zmiany w plikach, nad polem wprowadzania czatu pojawia się panel Proponowane zmiany, wyświetlający każdy zmieniony plik z liczbą dodanych (+) i usuniętych (−) linii.

• Kliknij wiersz pliku, aby otworzyć jego różnice w tekście w edytorze.
• Zastosuj lub Odrzuć pojedynczy plik, albo użyj Zastosuj wszystkie / Odrzuć wszystkie.
• Zastosowane zmiany są oznaczone jako applied (i · disk, gdy zapisane do rzeczywistego folderu).
• Jeśli nie ma folderu do zapisu, plakietka workspace only wskazuje, że zmiany dotyczą obszaru roboczego w przeglądarce.

9 Zintegrowany terminal

Przełącz terminal pod edytorem, aby uruchamiać kompilacje, testy i skrypty. Za Twoją zgodą agent może wykonywać polecenia i odczytywać ich dane wyjściowe, aby zweryfikować swoją pracę; długo działające polecenia przesyłają strumieniowo dane wyjściowe, dzięki czemu możesz śledzić postęp. Zamknij terminal z jego nagłówka, gdy go nie potrzebujesz.

10 Tryb planowania i wykonanie

Dla większych celów użyj trybu Plan (lub poproś agenta o wcześniejsze zaplanowanie). Planer skanuje Twój projekt, rozkłada cel na zadania uwzględniające zależności i przypisuje każde z nich odpowiedniemu specjaliście (architekt, programista, tester, dokumentacja).

• Przejrzyj i edytuj plan — dodaj, usuń lub zmodyfikuj zadania przed wykonaniem.
• Wykonuj warstwa po warstwie — niezależne zadania działają razem; planer może ponownie zaplanować, jeśli zadanie się nie powiedzie.
• W dowolnym momencie wstrzymaj, wznów lub przerwij wykonanie.

11 Wybór modeli i tryb Auto

Otwórz selektor modeli obok pola zapytania. Opcje są pogrupowane jako:

• Auto — pozwól DeepCerebra wybrać najlepszy dostępny model (zalecane).
• Lokalne (Twoje GPU) — modele obsługiwane z Twojej własnej maszyny (patrz §13).
• Bramy platformowe — hostowane modele, pogrupowane według bramy, a następnie według dostawcy (np. Anthropic, OpenAI, Google).

Jak działa automatyczny wybór

W trybie Auto, DeepCerebra używa warstwowego, adaptacyjnego routingu: proste zadania trafiają do szybkiego, ekonomicznego modelu, podczas gdy złożone lub wymagające intensywnego planowania prace (na przykład tryb Plan) są kierowane do silniejszego modelu. To automatycznie równoważy koszt i jakość, więc rzadko musisz wybierać ręcznie.

12 Użyj własnego klucza (BYOK)

Możesz kierować żądania przez swoje własne konto dostawcy zamiast korzystać z mierzonego zużycia platformy.

1. Otwórz Klucze API z paska bocznego.
2. W sekcji Użyj własnego klucza wybierz dostawcę (np. ANTHROPIC_API_KEY, GOOGLE_API_KEY, OPENAI_API_KEY).
3. Wklej wartość klucza i kliknij Zapisz. Klucze są szyfrowane w spoczynku i nigdy nie są zwracane do przeglądarki — wyświetlany jest tylko zamaskowany podgląd.

Modele platformowe (DeepCerebra) nie wymagają klucza. Usuń klucz w dowolnym momencie za pomocą Usuń.

13 Maszyna lokalna: Modele GPU i konsola (DCC Bridge)

DCC Bridge łączy Twój własny komputer z aplikacją webową za pomocą małego dcc-bridge konektora, odblokowując jednocześnie dwie możliwości:

• Lokalne modele GPU — modele obsługiwane przez Ollama lub LM Studio na Twojej maszynie pojawiają się w selektorze modeli w sekcji Lokalne (Twoje GPU).
• Konsola / terminal na Twojej maszynie — terminal webowy i agent mogą uruchamiać rzeczywiste polecenia na Twoim komputerze, w tym narzędzia CLI, które już skonfigurowałeś (Railway, AWS CLI, OVH CLI, gh, docker, kubectl, WSL, …) z ich istniejącymi poświadczeniami.

Konektor nawiązuje połączenie wychodzące przez uwierzytelniony WebSocket — nie są potrzebne porty przychodzące, i działa za NAT oraz zaporami sieciowymi. Działa na systemach Windows, macOS i Linux (Python 3.10+).

13.1 Sparuj swój komputer

1. Kliknij ikonę laptopa w lewym pasku aktywności — Maszyna lokalna (GPU + Konsola). (Ten sam panel otwiera się z stopki selektora modeli poprzez Zarządzaj lokalnym GPU….)
2. Upewnij się, że przełącznik Lokalne wykonanie jest włączony, nazwij urządzenie i kliknij Dodaj ten komputer. Skopiuj jednorazowy token parowania (dcc_brg_…) i gotowe do wklejenia polecenie konektora — token jest wyświetlany tylko raz.

13.2 Zainstaluj i uruchom konektor

pip install git+https://github.com/mohammadkhair7/DeepCerebra-connector

# następnie uruchom polecenie skopiowane z karty parowania, np.:
python -m dcc_bridge --gateway wss://deepcerebra.ai --token dcc_brg_xxxxx

• Użyj tej samej domeny, której używasz w przeglądarce jako bramy (wss://deepcerebra.ai lub wss://deepcerebra.io) — te dwie witryny to oddzielne wdrożenia z oddzielnymi kontami i tokenami.
• Dla modeli GPU, utrzymuj Ollama uruchomione lub włącz lokalny serwer LM Studio (domyślny port 1234) z załadowanym modelem.
• Sparowane urządzenia pokazują status online/offline, liczbę modeli i zakres wykonania; możesz Odwołać urządzenie w dowolnym momencie.

13.3 Użyj swojej konsoli z aplikacji webowej

Domyślnie polecenia są ograniczone do dedykowanego folderu obszaru roboczego (~/DeepCerebra). Aby pracować w rzeczywistych folderach projektu z wstępnie skonfigurowanymi narzędziami CLI, przyznaj im uprawnienia jawnie podczas uruchamiania konektora:

# przyznaj jeden lub więcej rzeczywistych folderów (powtarzalne)
python -m dcc_bridge --gateway wss://deepcerebra.ai --token dcc_brg_xxxxx --host-dir "F:\MyProjects"

# lub całą maszynę (wyświetla ostrzeżenie; preferuj --host-dir)
python -m dcc_bridge ... --allow-any-dir

Następnie otwórz panel Terminal, kliknij wyskakujące okienko Cel wykonania (ikona laptopa), wybierz Mój komputer i wybierz katalog roboczy. Zarówno wpisane przez Ciebie polecenia, jak i polecenia kompilacji/testowania agenta są następnie wykonywane na Twojej maszynie.

14 Przepływ pracy współpracy Git

Gdy projekt oparty na Git jest otwarty, w Eksploratorze pojawia się pasek gałęzi, pokazujący Twoją bieżącą gałąź i dwie akcje:

• Zatwierdź (commit) — przejrzyj liczbę zmienionych plików, napisz wiadomość zatwierdzenia i zatwierdź do swojej gałęzi roboczej.
• Zintegruj — otwórz pull request z Twojej gałęzi roboczej do gałęzi domyślnej (np. main). Musisz być na gałęzi roboczej, a nie na gałęzi domyślnej.

Jeśli webhook push jest włączony, Eksplorator automatycznie odświeża się, gdy członkowie zespołu wykonują push, utrzymując wszystkich w synchronizacji — to podstawa współpracy zespołowej poprzez DeepCerebra.

15 Serwery MCP

Rozszerz agenta o zewnętrzne narzędzia i dane za pośrednictwem Model Context Protocol. Skonfiguruj serwery w pliku .deepcerebra/mcp.json, na przykład:

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

Włączone narzędzia MCP stają się automatycznie dostępne dla agenta, gdy są istotne dla Twojego zapytania. Lokalne (stdio) i zdalne (http/sse) serwery są oba obsługiwane.

Wbudowane bezpieczeństwo

• Domyślne odrzucanie — gdy serwer zawiera allowlist, tylko te narzędzia mogą działać.
• Zatwierdzenie dla narzędzi wysokiego ryzyka — narzędzia modyfikujące (zapis/usuwanie/wdrażanie/…) wymagają zatwierdzenia, chyba że wstępnie je zatwierdzisz w autoApprove.
• Ograniczanie szybkości, sanityzacja argumentów i danych wyjściowych oraz dziennik audytu mają zastosowanie do każdego wywołania.

Zasoby i zapytania

Jeśli serwer udostępnia zasoby MCP lub szablony zapytań, agent automatycznie uzyskuje narzędzia do ich używania (mcp_list_resources, mcp_read_resource, mcp_list_prompts, mcp_get_prompt).

Uwierzytelnianie dla serwerów zdalnych

Dodaj blok auth do serwera zdalnego. Tajne dane obsługują interpolację ${ENV_VAR}:

// Statyczny token bearer (literał lub ze zmiennej środowiskowej)
"auth": { "type": "bearer", "token": "${GITHUB_TOKEN}" }
"auth": { "type": "bearer", "tokenEnv": "GITHUB_TOKEN" }

// Niestandardowy nagłówek (np. klucz API)
"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 Dostosowywanie agenta: Reguły, umiejętności, hooki, subagenci i wtyczki

Możesz kształtować sposób myślenia i działania agenta za pomocą jednej, opartej na plikach konwencji — katalogu .deepcerebra/ — która działa identycznie w aplikacji desktopowej, aplikacji webowej, i API. W aplikacji webowej zarządzasz tym wszystkim w widoku Agent; na komputerze stacjonarnym i za pośrednictwem API są to zwykłe pliki, które zatwierdzasz wraz ze swoim projektem.

Zakresy i pierwszeństwo

Konfiguracja jest odkrywana z kilku zakresów; gdy ten sam element istnieje w więcej niż jednym, wygrywa ten o wyższym pierwszeństwie:

team/org  <  global (~/.deepcerebra)  <  workspace (<repo>/.deepcerebra)
(najniższe)                                              (najwyższe)

• Obszar roboczy — <repo>/.deepcerebra/…, zatwierdzony z projektem.
• Globalne — ~/.deepcerebra/…, Twoje osobiste ustawienia domyślne dla wszystkich projektów.
• Zespół / organizacja — wspólna podstawa (najniższe pierwszeństwo), dzięki czemu użytkownik lub projekt zawsze może ją nadpisać. W aplikacji webowej ustaw Zakres reguły na Zespół.

Reguły (sterowanie)

Reguły to trwałe instrukcje — standardy kodowania, konwencje architektoniczne, kontekst domenowy — wstrzykiwane do systemowego zapytania agenta. Znajdują się one jako pliki Markdown w katalogu .deepcerebra/steering/, plus zawsze aktywny standard AGENTS.md. Frontmatter kontroluje, kiedy reguła się ładuje:

---
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 — każda tura (domyślnie).
• fileMatch — tylko wtedy, gdy plik w kontekście pasuje do globs.
• auto — gdy Twoje zapytanie pasuje do name/description reguły.
• manual — tylko wtedy, gdy odwołujesz się do niej jako #name lub /name.

Główny plik AGENTS.md ma zastosowanie w całym repozytorium; zagnieżdżony plik AGENTS.md (np. services/api/AGENTS.md) ma zastosowanie tylko do plików w tym folderze. W aplikacji webowej widok Agent → Sterowanie udostępnia dla każdej reguły selektor Zakresu (Globalny / Projekt / Zespół).

Umiejętności

Umiejętności to wielokrotnego użytku podręczniki, które agent ładuje na żądanie. Każda umiejętność to folder z plikiem SKILL.md w katalogu .deepcerebra/skills/:

---
name: deploy-release
description: How to cut and publish a versioned release.
disable-model-invocation: false   # true => manual-only (/skill)
---
# Deploy a release
1. Bump the version, build, and test.
2. Tag and publish.

Agent widzi lekki katalog (nazwa + opis) i pobiera pełną treść za pomocą narzędzia load_skill, gdy jest to istotne. Możesz również wywołać umiejętność jawnie za pomocą /skill <name>. Ustaw disable-model-invocation: true, aby umiejętność była dostępna tylko ręcznie.

Hooki

Hooki uruchamiają automatyzację na zdarzeniach cyklu życia. Zdefiniuj je jako .deepcerebra/hooks/*.hook.json:

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

Zdarzenia obejmują promptSubmit, preToolUse, postToolUse, fileCreate, fileSave, fileDelete, preTask, postTask, sessionStart, preCompact i agentStop (akceptowane są również pisownie Cursor/Claude). Akcja to albo shell (uruchomienie polecenia), albo agentPrompt (zapytanie agenta). Hook preToolUse może zezwolić, odrzucić lub zapytać o wywołanie narzędzia, które przechwytuje.

Subagenci

Subagenci to agenci-specjaliści, których definiujesz i którym delegujesz zadania. Każdy z nich to plik Markdown w katalogu .deepcerebra/agents/ z frontmatterem plus treścią (jego systemowe zapytanie):

---
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…

Główny agent deleguje zadania za pomocą task (blokujące), task_async + task_status / task_result (w tle) lub task_parallel (rozgałęzienie).

Wtyczki

Wtyczka łączy reguły, umiejętności, hooki, subagentów i serwery MCP w jeden pakiet instalacyjny w katalogu .deepcerebra/plugins/<name>/, opisany manifestem plugin.json:

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

Zawartość wtyczki jest łączona z najniższym pierwszeństwem, więc Twoje własne reguły i umiejętności zawsze nadpisują te z wtyczki. Wyłącz wtyczkę za pomocą "enabled": false lub pliku znacznika .disabled.

17 Agentowe Studio Przepływów Pracy i Agenci Sterowani Zdarzeniami

Workflow Studio to wizualny projektant automatyzacji wieloagentowej. Komponujesz etapy — każdy będący agentem, specjalistycznym krokiem lub prymitywem kontrolnym — w graf, łączysz je zależnościami i uruchamiasz całą orkiestrację na silniku z bieżącym postępem dla każdego etapu, budżetami i bramkami zatwierdzenia przez człowieka. Przepływy pracy są zapisywane jako przenośna definicja YAML/JSON, którą możesz eksportować, importować, wersjonować w Git i uruchamiać z API lub CLI.

17.1 Budowanie przepływu pracy

• Paleta (po lewej) — przeciągnij rodzaje etapów, gotowe typy agentów (research, code generation, QA, document writer, medical device, patent counsel, and your own custom types), umiejętności z Biblioteki Umiejętności i narzędzia na płótno.
• Płótno (środek) — układaj etapy i rysuj krawędzie; krawędź oznacza "ten etap zależy od tamtego" i automatycznie przekazuje dane wyjściowe z poprzedniego etapu do następnego zapytania.
• Inspektor (po prawej, z możliwością zmiany rozmiaru) — konfiguruj wybrany etap: jego zapytanie, umiejętności, narzędzia, nadpisanie modelu dla danego etapu, artefakt wyjściowy, bramkę, zdarzenia i parametry specyficzne dla rodzaju.
• Szablony — zacznij od wbudowanego schematu (Ship-It Pipeline, SaaS Starter, Data Pipeline with Evals, Customer Comms Hub, Design → Verified App) i dostosuj go.
• Generuj — opisz aplikację lub proces prostym językiem, a Agent Builder wygeneruje kompletny, zweryfikowany graf przepływu pracy, który możesz przejrzeć, dostosować i uruchomić.

17.2 Biblioteka etapów

17.3 Agenci sterowani zdarzeniami (siatka agentów)

Każdy etap — niezależnie od rodzaju — może publikować i subskrybować typowane zdarzenia na magistrali zdarzeń obszaru roboczego, dzięki czemu agenci koordynują się jak usługi na tkaninie wiadomości, a nie tylko poprzez DAG:

• Klasy zdarzeń — każde zdarzenie ma klasę: lifecycle, agent, business, data, system, schedule, chat, external lub alert — filtrowalne w subskrypcjach i powtórzeniach.
• Tryby subskrypcji — trigger (etap uruchamia się, gdy nadejdzie pasujące zdarzenie; uruchomienie z zaparkowanymi etapami pozostaje rezydentne jako nasłuchujące), gate (bramka maszynowa zatwierdzona przez zdarzenie zamiast kliknięcia przez człowieka) i data (ładunek jest łączony z kontekstem etapu).
• Uruchomienie przez zdarzenie — każdy agent może zostać uruchomiony przez orkiestratora lub innego agenta poprzez publikację na jego adres agent.<stage-id>.request.
• Wyzwalacze uruchomień — blok triggers: przepływu pracy uzbraja go do uruchamiania na przychodzących webhookach, harmonogramach cron, zdarzeniach lub czacie — nawet gdy Studio jest zamknięte.
• Uruchomienia na żywo — panel uruchomień przesyła strumieniowo zdarzenia cyklu życia przez SSE: rozpoczęcia/zakończenia etapów, bramki, alerty i podglądy pojawiają się natychmiast.
• Trwały dziennik i powtórka — zdarzenia są trwałe dla każdego obszaru roboczego i mogą być odtwarzane według wzorca tematu i klasy w celu audytu i debugowania.

17.3.1 Kolejkowanie zdarzeń dla agentów

Agenci reagujący na zdarzenia mogą zadeklarować trwałą nazwaną kolejkę, aby pasujące zdarzenia nigdy nie zostały utracone, gdy agent jest zajęty lub zanim uruchomienie zacznie nasłuchiwać. W subskrypcji wyzwalacza ustaw queue: <name> — silnik wiąże ten temat z kolejką FIFO na magistrali zdarzeń obszaru roboczego (trwale przechowywaną w .deepcerebra/workflows/events/queues/). Każde pasujące zdarzenie opublikowane od tego momentu jest przechwytywane do kolejki; gdy etap staje się możliwy do uruchomienia, silnik pobiera zdarzenia w kolejności od najstarszego i konsumuje je pojedynczo.

• Nic nie stracone — zdarzenia opublikowane, gdy przepływ pracy jest zamknięty, gdy inny etap jest uruchomiony lub gdy uruchomienie nadal czeka na zależności, są kolejkowane zamiast odrzucane.
• count dla każdej subskrypcji — wymagaj N zdarzeń w kolejce (lub dostarczonych), zanim subskrypcja zostanie spełniona (przydatne, gdy kilku pracowników musi zgłosić się).
• Studio — w panelu Zdarzenia Inspektora ustaw pole queue w subskrypcji wyzwalacza; uzbrój wyzwalacze lub uruchom, aby automatycznie utworzyć powiązanie.
• API i narzędzia — GET /api/workflow/queues wyświetla głębokość i powiązania; GET /api/workflow/queues/{name} podgląda oczekujące zdarzenia; agenci czatu mogą wywoływać event_queue_status i 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 Orkiestracja semaforów (ochrona zasobów współdzielonych)

Semafor ogranicza liczbę zadań, które mogą jednocześnie operować na współdzielonym (chronionym) zasobie: zapisywanej bazie danych, globalnym magazynie zmiennych, pliku lub zewnętrznym agencie z ograniczoną szybkością. Dołącz go do dowolnego etapu za pomocą semaphore: — zanim praca etapu zostanie uruchomiona, silnik uzyskuje jedno zezwolenie nazwanego semafora obszaru roboczego; zezwolenie jest zawsze zwalniane później, nawet jeśli etap zakończy się niepowodzeniem. permits: 1 czyni go muteksem: tylko jedno zadanie na raz (we wszystkich równoległych uruchomieniach w obszarze roboczym) wykonuje krytyczny krok; każde inne zadanie czeka, aż posiadacz zakończy.

• Serializacja między uruchomieniami — semafory są ograniczone do obszaru roboczego i trwałe, więc dwa równoczesne uruchomienia przepływu pracy nie mogą uszkodzić tego samego chronionego zasobu.
• Czekanie, nie zawieszanie się — zadania blokują się do timeout_s na zezwolenie; jeśli zasób pozostaje na maksymalnej pojemności, etap kończy się widocznym błędem zamiast zawieszać się na zawsze.
• Bezpieczeństwo w przypadku awarii — każde zezwolenie ma ttl_s; jeśli posiadacz ulegnie awarii bez zwolnienia, zezwolenie automatycznie wygasa, dzięki czemu zasób nigdy nie jest zablokowany.
• Obserwowalność — magistrala emituje zdarzenia systemowe semaphore.<name>.waiting, .acquired i .released; GET /api/workflow/semaphores pokazuje pojemność, posiadaczy i dostępne zezwolenia.
• Agenci czatu — narzędzia acquire_semaphore, release_semaphore i semaphore_status koordynują ad hoc sekcje krytyczne poza przepływem pracy.

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 Orkiestracja Rendezvous (oczekiwanie na wszystkie warunki)

Rendezvous czeka, aż wiele warunków zdarzeń zostanie spełnionych, zanim nastąpi kolejny krok — przeciwieństwo zasady "pierwsze zdarzenie wygrywa". Ustaw join: all w bloku events: etapu: każda subskrypcja wyzwalacza musi zostać spełniona, zanim etap zostanie uruchomiony. Połącz z count: N dla każdej subskrypcji, gdy kilku agentów (lub kilka raportów od jednego agenta) musi się zgłosić — na przykład, zatwierdzenie projektu, zakończenie testów i zatwierdzenie bezpieczeństwa przed wykonaniem etapu wydania.

• join: any (domyślnie) — etap uruchamia się, gdy pierwsza subskrypcja wyzwalacza zostanie spełniona.
• join: all — rendezvous: każda subskrypcja wyzwalacza (każda z własnym tematem, filtrem klasy i opcjonalnym count) musi zostać spełniona; dopiero wtedy etap staje się możliwy do uruchomienia.
• Ładunki — wszystkie skonsumowane zdarzenia są rejestrowane na etapie jako trigger_events i udostępniane szablonom jako inputs.events (lista obiektów zdarzeń z ładunkami).
• Studio — gdy etap ma dwie lub więcej subskrypcji wyzwalaczy, Inspektor pokazuje selektor Join: any — pierwsze zdarzenie wygrywa lub all — rendezvous (czekaj na wszystkie); płótno pokazuje plakietkę scalania na etapach rendezvous.

events:
  join: all                    # rendezvous — wait for EVERY subscription below
  subscribe:
    - topic: design.approved
      mode: trigger
    - topic: tests.passed
      mode: trigger
    - topic: security.cleared
      mode: trigger
      count: 1

17.4 Biblioteka narzędzi agenta

Etapy wybierają narzędzia z tego samego rejestru, którego używa agent czatu:

• Rdzeń — pliki, git, shell, wykonywanie kodu, wyszukiwanie kodu, automatyzacja przeglądarki, wyszukiwanie w sieci, wizja/media, generowanie obrazów.
• Bazy danych — zapytania SQLite, PostgreSQL, MySQL, MongoDB i Redis plus create_database, apply_migrations i dump_schema dla własnych warstw danych.
• Komunikacja — połączenia telefoniczne i SMS (Twilio) oraz e-mail (SendGrid), z trybem symulacji, który zapisuje do skrzynki nadawczej, gdy brakuje poświadczeń — dema nigdy przypadkowo nie wysyłają prawdziwych wiadomości.
• DevOps — docker_build / docker_push, compose up/down, wdrożenia SSH i cloud-CLI (Fly, Render, Railway, Vercel), również bezpieczne w symulacji.
• Weryfikacja — wykrywanie stosu, wykonywanie zestawu testów z analizowanymi wskaźnikami zdawalności, audyty zależności i skanowanie tajemnic.
• Silniki SciCompute — setki metod naukowych i inżynieryjnych (nazwanych Class.method) z zakresu matematyki, przetwarzania sygnałów, sterowania, statystyki i innych.
• Agencja Ekspertów i MCP — ugruntowane badania domenowe plus wszelkie zewnętrzne serwery MCP, które podłączasz.

17.5 Uruchamianie, bramki i dane wyjściowe

• Waliduj sprawdza graf (unikalne identyfikatory, acykliczne zależności, parametry rodzaju) przed uruchomieniem.
• Bramki ludzkie wstrzymują uruchomienie po tym, jak etap wygeneruje swój szkic, dzięki czemu zatwierdzasz rzeczywistą pracę; bramki zdarzeń pozwalają innemu systemowi zatwierdzić automatycznie.
• Budżety ograniczają wydatki na uruchomienie i na etap.
• Zapisz wyniki do projektu kopiuje każdy artefakt wygenerowany przez uruchomienie do Twojego otwartego projektu.
• Eksportuj aplikację przekształca przepływ pracy w samodzielną usługę FastAPI; publiczne API /v1 udostępnia uruchomienia, zdarzenia, wyzwalacze, szablony i generowanie dla CI i integracji.

18 Predykcyjne uzupełnianie tabulatorem

Predykcyjne uzupełnianie tabulatorem oferuje wbudowane sugestie kodu typu "wypełnij-środek" podczas pisania w edytorze — zaakceptuj sugestię klawiszem Tab. Jest to funkcja opt-in zarówno w silniku, jak i w edytorze webowym.

Włącz

• Silnik — ustaw flagę środowiskową DCC_TAB_COMPLETE=1. Edytor wywołuje punkt końcowy POST /api/complete silnika, który zwraca tylko tekst do wstawienia w miejscu kursora.
• Edytor webowy — włącz w czasie kompilacji za pomocą VITE_TAB_COMPLETE=1 lub w czasie działania za pomocą localStorage.setItem('dcc.tabComplete', '1') (a następnie przeładuj).

Jak działa

• Sugestie pojawiają się jako tekst-duch; naciśnij Tab, aby zaakceptować, lub kontynuuj pisanie, aby odrzucić.
• Żądania są opóźniane i możliwe do anulowania, więc pisanie nigdy nie jest blokowane.
• Gdy flaga jest wyłączona, funkcja jest całkowicie dezaktywowana i nie są wysyłane żadne żądania uzupełniania.

19 Użycie, kredyty i rozliczenia

Otwórz Rozliczenia z paska bocznego, aby zarządzać swoim planem i zużyciem. Zużycie AI jest mierzone w kredytach dolarowych USA na podstawie tokenów zużytych przez bazowe modele.

• Wydatki cykliczne i przedpłacone kredyty — śledź zużycie w bieżącym cyklu i wszelkie przedpłacone saldo.
• Dodaj kredyt za nadwyżkę — autoryzuj dodatkową kwotę (USD), aby kontynuować korzystanie z AI po wyczerpaniu wliczonego limitu; jeśli Twój budżet zostanie wyczerpany, zobaczysz baner z prośbą o dodanie kredytu.
• Uaktualnij / zmień plan — zmieniaj poziomy w dowolnym momencie.
• Metoda płatności — dodaj lub zaktualizuj kartę w pliku (przetwarzane przez Stripe).
• Anuluj — wybierz anuluj na koniec okresu (zachowaj dostęp do końca okresu) lub anuluj teraz (zwrot podlegającej zwrotowi reszty). Zobacz Politykę anulowania i zwrotów.

20 Uzyskiwanie klucza API bramy

Klucz API bramy (osobisty token dostępu) umożliwia programistyczne korzystanie z publicznego API DeepCerebra i CLI.

1. Zaloguj się i otwórz Klucze API z paska bocznego.
2. Przewiń do Klucze API DeepCerebra.
3. Wprowadź etykietę (np. "CI pipeline" lub "laptop CLI").
4. Wybierz zakresy — read, chat, code, agent — i opcjonalny termin ważności w dniach (puste = nigdy).
5. Kliknij Generuj. Pełny klucz jest wyświetlany tylko raz — kliknij Kopiuj i przechowuj go bezpiecznie.

Użyj go z CLI lub API pod adresem deepcerebra.ai:

dcc config set endpoint https://deepcerebra.ai
dcc config set api-key <your-key>

# lub jako token Bearer
curl -H "Authorization: Bearer <your-key>" https://deepcerebra.ai/v1/...

Możesz zmienić nazwę lub usunąć (odwołać) klucz w dowolnym momencie; każdy klucz pokazuje swój prefiks, zakresy, datę utworzenia/wygaśnięcia i datę ostatniego użycia.

21 Bezpieczeństwo i prywatność

• Poufne przechowywanie w przeglądarce — pliki Twojego projektu pozostają w zaszyfrowanym obszarze roboczym przeglądarki; tylko minimalny kontekst potrzebny do każdego żądania jest wysyłany na serwer.
• Zero Data Retention (ZDR) — zapytania i kod kierowane do modeli nie są przechowywane poza żądaniem i nigdy nie są używane do trenowania modeli podstawowych.
• Klucze pozostają po stronie serwera — tokeny BYOK i SCM są szyfrowane w spoczynku; wyświetlane są tylko zamaskowane podglądy.
• Szyfrowanie — TLS w transporcie; dane konta szyfrowane w spoczynku; hasła haszowane nieodwracalnie.
• Twój kod jest Twój — jesteś właścicielem swojej treści i wygenerowanych wyników. Zobacz Oświadczenie o ochronie prywatności.

22 Rozwiązywanie problemów

"Ładowanie folderu wymaga przeglądarki Chromium"

Przełącz się na Chrome, Edge lub Brave, albo zamiast tego użyj opcji Otwórz z Git.

Agent zapętla się na tym samym błędzie

Kliknij Stop, a następnie przeformułuj z konkretną wskazówką lub ograniczeniem.

Błędy modelu lub żądania / "wyczerpany budżet"

• Sprawdź swoje połączenie i upewnij się, że klucz BYOK jest ważny.
• Przełącz na Auto, aby DeepCerebra przekierowało do dostępnego modelu.
• Jeśli Twój budżet zużycia jest wyczerpany, otwórz Rozliczenia i dodaj kredyt za nadwyżkę lub uaktualnij swój plan.

Modele lokalne nie pojawiają się

• Potwierdź, że konektor dcc-bridge działa, a urządzenie pokazuje status online.
• Upewnij się, że Ollama działa, lub że lokalny serwer LM Studio jest włączony (domyślny port 1234) z załadowanym modelem.

Konektor: "serwer odrzucił połączenie WebSocket: HTTP 401"

• Użyj tej samej domeny, której używasz w przeglądarce jako --gateway (wss://deepcerebra.ai lub wss://deepcerebra.io) — te dwie witryny to oddzielne wdrożenia, a token z jednej nigdy nie działa na drugiej.
• Skopiuj dokładne polecenie z karty parowania na stronie Maszyna lokalna.

Moje zmiany nie weszły w życie

• Upewnij się, że kliknąłeś Zastosuj (a nie tylko podglądałeś różnice) w Proponowanych zmianach.
• Użyj odświeżania Eksploratora, aby ponownie przeskanować folder.

Git: "Jesteś na gałęzi domyślnej"

Otwórz lub utwórz gałąź roboczą przed użyciem Zintegruj, aby otworzyć pull request.

Nadal masz problem? Skontaktuj się z support@deepcerebra.ai.

23 DeepCerebra Discovery — Zadawaj pytania swoim danym i dokumentom

Discovery to chatbot śledczy dla Twoich baz danych i dokumentów. Zamiast odpowiadać pojedynczym zapytaniem, działa jak analityk: formułuje hipotezy, przeprowadza serię kontrolowanych sond (SQL, graf, wyszukiwanie dokumentów, sprawdzanie schematów, weryfikacja internetowa), odrzuca wyjaśnienia obalone przez dowody i syntetyzuje ugruntowaną odpowiedź — wraz z wykresami i przejrzystym rachunkiem kosztów. Otwórz go, klikając ikonę kompasu na pasku aktywności (/app/discovery).

23.1 Przestrzenie — Twój wyselekcjonowany zakres

Przestrzeń (Space) łączy wszystko, co jest potrzebne do jednej linii pytań: połączenia z bazami danych, kolekcje dokumentów, instrukcje dla analityka i budżety. Utwórz ją za pomocą przycisku + Nowa przestrzeń, a następnie użyj panelu konfiguracji po prawej stronie, aby:

• Połącz bazy danych — SQLite, PostgreSQL, MySQL, SQL Server lub Snowflake. Wprowadź nazwę i DSN, kliknij Testuj, aby zweryfikować łączność (wyświetlane są opóźnienia i wersja serwera), lub zaimportuj istniejącą konfigurację połączenia jako JSON. Połączenia są domyślnie tylko do odczytu.
• Dodaj dokumenty — przeciągnij i upuść pliki (PDF, DOCX, PPTX, Markdown, tekst) bezpośrednio do czatu, wklej adres URL lub wskaż ścieżkę folderu na hoście silnika. Dokumenty są dzielone na fragmenty, osadzane i indeksowane do hybrydowego wyszukiwania wektorowego + grafu wiedzy.
• Importuj tabele — wklej lub prześlij pliki CSV/JSON, aby natychmiast wykonywać zapytania bez użycia bazy danych.
• Naucz analityka — dodaj definicje metryk, reguły biznesowe i zastrzeżenia, zatwierdzone przez kuratora zaufane zapytania oraz przykładowe pary pytanie→zapytanie, aby odpowiedzi wykorzystywały Twoje definicje.

23.2 Zadawanie pytania

Wpisz pytanie tak, jakbyś zapytał kolegę — na przykład „Dlaczego w marcu spadła liczba skanów MRI?”. Panel śledczy transmituje cały proces na żywo:

• Hipotezy — kandydatury wyjaśnień poddawane badaniu, każda oznaczona jako potwierdzona, obalona lub niejednoznaczna w miarę napływania dowodów.
• Sondy — każde zapytanie uruchomione przez analityka, wraz z jego statusem; wygenerowany SQL/Cypher jest wyświetlany dla pełnej przejrzystości, a każda instrukcja przechodzi reguły ochrony tylko do odczytu przed wykonaniem.
• Dowody — tabele wyników i fragmenty dokumentów, cytowane numerami w ostatecznej odpowiedzi.
• Odpowiedź + wykresy — ugruntowany wniosek, który wymienia również odrzucone wyjaśnienia, plus nowoczesne wykresy w stylu neonowym, skomponowane na podstawie dowodów.
• Rachunek — tokeny, koszt sondy i rundy, naliczane do Twoich AI Credits jak każde inne uruchomienie agenta.

Pytania uzupełniające kontynuują ten sam wątek, dzięki czemu analityk zachowuje kontekst.

23.3 Wykresy, raporty i eksporty

Wykresy renderują się bezpośrednio na panelu śledczym. Użyj Eksportuj, aby pobrać pełne zapytanie — odpowiedź, hipotezy, dowody i wykresy — jako samodzielny raport HTML lub wysokiej jakości PDF, stylizowany zgodnie z systemem projektowym neon.

23.4 Budżety i kontrola kosztów

Każda przestrzeń ma budżety na zapytanie: maksymalną liczbę sond, rund śledczych, sekund i USD. Silnik zatrzymuje się czysto po osiągnięciu limitu i raportuje, co do tej pory znalazł. Koszt każdej sondy jest wyszczególniony na rachunku, dzięki czemu zawsze wiesz, na co zostały wydane środki.

23.5 Automatyzacja: API, SDK, Workflow Studio i MCP

• REST API — wszystko, co robi interfejs użytkownika, jest dostępne pod /v1/discovery/* z PAT posiadającym zakres discovery (utwórz go w sekcji Konto → Tokeny API). Zapytania strumieniowe używają SSE. Zewnętrzne wykonawcy mogą wykorzystać samo planowanie śledcze za pośrednictwem Thinking API (/v1/think/*, zakres think).
• Python SDK — pip install deepcerebra-discovery, następnie DiscoveryClient(base_url, token).ask(space_id, question).
• Workflow Studio — przeciągnij etap Discovery Ask (discovery.ask) do dowolnego przepływu pracy, aby uruchomić dochodzenie jako krok potoku; odpowiedź, wykresy i rachunek przepływają do kolejnych etapów.
• MCP — silnik udostępnia discovery_ask i discovery_list_spaces jako narzędzia MCP, dzięki czemu zewnętrzni klienci MCP również mogą przeprowadzać dochodzenia.