DeepCerebra Coder เป็นผู้ช่วยเขียนโค้ดแบบ agentic ซึ่งแตกต่างจาก copilot ที่เติมข้อความอัตโนมัติทั่วไป โดยจะวางแผน เขียน ปรับโครงสร้าง รันคำสั่ง เรียกใช้เครื่องมือ และวนซ้ำใน โปรเจกต์ทั้งหมด ของคุณ — โดยคุณเป็นผู้ตรวจสอบและอนุมัติการเปลี่ยนแปลงที่เสนอ
| รุ่น | เหมาะสำหรับ | การเข้าถึงไฟล์ |
|---|---|---|
| เว็บแอป | ไม่ต้องติดตั้ง ทำงานได้จากทุกเครื่อง | ที่เก็บข้อมูลที่เป็นความลับในเบราว์เซอร์ (และ Git repos) |
| เดสก์ท็อป (Windows / Linux / macOS) | การพัฒนาแบบ Local-first, โมเดลโลคัล | ระบบไฟล์โลคัลโดยตรง |
| CLI และ API | การเขียนสคริปต์, CI/CD, ระบบอัตโนมัติ | ไฟล์โลคัล / แบบโปรแกรม |
คู่มือนี้เน้นที่เว็บแอปที่ deepcerebra.ai; แอปเดสก์ท็อปมีแผงควบคุมและเวิร์กโฟลว์เดียวกัน
ใช้ Chrome, Edge, หรือ Brave เวอร์ชันปัจจุบันเพื่อประสบการณ์การใช้งานที่สมบูรณ์ — การเปิด โฟลเดอร์โลคัล อาศัย Chromium File System Access API. Firefox และ Safari ใช้งานได้สำหรับการแชทและโปรเจกต์ที่ใช้ Git แต่ไม่สามารถเปิดโฟลเดอร์โลคัลได้โดยตรง
/register?plan=basic (หรือ pro / ultimate) หรือเริ่มต้นตอนนี้และเลือกแผนบริการภายหลังใน การเรียกเก็บเงิน.หลังจากลงชื่อเข้าใช้ คุณจะเข้าสู่หน้าต่างการทำงาน ซึ่งรวมทุกแผงไว้ในหน้าจอเดียว:
ลากตัวแบ่งระหว่าง editor และแชทเพื่อปรับสมดุลเค้าโครง และลากตัวแบ่งแนวนอนเพื่อปรับขนาดเทอร์มินัล แถบด้านข้างซ้ายยังนำทางไปยัง พื้นที่ทำงาน, ส่วนขยาย, คีย์ API, การเรียกเก็บเงิน และ ข้อเสนอแนะ.
repo scope (แบบคลาสสิก) หรือโทเค็นแบบละเอียดพร้อม Contents + Pull requests; สำหรับ GitLab ใช้ api scope. โทเค็นของคุณจะถูกเก็บไว้บนเซิร์ฟเวอร์ — เฉพาะเนื้อหาไฟล์เท่านั้นที่จะถูกดึงเข้าสู่เบราว์เซอร์owner/name (กรองรายการเพื่อค้นหาของคุณ) จากนั้นเลือก สาขาdcc/my-feature) เพื่อแยกงานของคุณออกจาก default branch.ประวัติการแชทจะผูกอยู่กับโปรเจกต์ที่เปิดอยู่ การสลับโฟลเดอร์จะเริ่มเซสชันใหม่โดยอัตโนมัติและโหลดเซสชันก่อนหน้าของโฟลเดอร์นั้น โดยเปิดเซสชันล่าสุดอีกครั้งเพื่อให้คุณสามารถดำเนินการต่อจากที่ค้างไว้ได้
โฟลเดอร์ที่ DeepCerebra ใช้ภายใน — .deepcerebra, .sessions — จะปรากฏในโครงสร้าง
แต่จะถูกยุบตามค่าเริ่มต้น เพื่อไม่ให้รบกวนซอร์สโค้ดของคุณ
อธิบายสิ่งที่คุณต้องการด้วยภาษาธรรมดา — ถามคำถาม, ขอคุณสมบัติ, หรือชี้จุดบกพร่อง ระบุไฟล์, เฟรมเวิร์ก และข้อจำกัดให้ชัดเจนเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด แนบไฟล์ที่เกี่ยวข้องโดยการลากลงในช่องป้อนข้อความ
การตอบกลับถูกจัดระเบียบเหมือน Cursor: การให้เหตุผลของเอเจนต์จะแยกออกจาก ผลลัพธ์ที่ส่งมอบได้ บล็อกการตอบกลับแต่ละบล็อกมี ไอคอนคัดลอก อยู่ที่มุมขวาบน เพื่อให้คุณสามารถคัดลอกรายงานที่เสร็จสมบูรณ์, เอกสาร หรือคำสั่งที่คุณต้องเรียกใช้
lxml แทน html.parser") เพื่อให้เอเจนต์ออกจากลูป@deepcerebra และคำนำหน้าเช่น [deep] เพื่อขอการให้เหตุผลที่ลึกซึ้งยิ่งขึ้นเลือกโหมดจากตัวเลือกโหมดถัดจากช่องป้อนข้อความ แต่ละโหมดจะปรับว่าเอเจนต์วางแผนมากน้อยเพียงใดและแก้ไขได้อย่างอิสระแค่ไหน:
| โหมด | สิ่งที่ทำ | ใช้เมื่อ… |
|---|---|---|
| เอเจนต์ | วางแผนและแก้ไขตลอดทั้งโครงการของคุณด้วยตนเอง | คุณต้องการให้ผู้ช่วยดำเนินการเปลี่ยนแปลงตั้งแต่ต้นจนจบ |
| ถาม | ตอบคำถามเกี่ยวกับโค้ดของคุณโดยไม่มีการแก้ไข | คุณต้องการทำความเข้าใจ codebase |
| วางแผน | ร่างแนวทางก่อนการแก้ไขใดๆ | งานมีขนาดใหญ่หรือมีข้อแลกเปลี่ยนที่ต้องตัดสินใจก่อน |
| แก้ไข | ทำการแก้ไขที่เน้นในบริบทปัจจุบัน | คุณต้องการการเปลี่ยนแปลงเล็กน้อยที่มุ่งเป้า |
เมื่อเอเจนต์เสนอการเปลี่ยนแปลงไฟล์ แผง การเปลี่ยนแปลงที่เสนอ จะปรากฏขึ้นเหนือช่องป้อนข้อความแชท โดยแสดงรายการไฟล์ที่ถูกแก้ไขแต่ละไฟล์พร้อมจำนวนบรรทัดที่เพิ่ม (+) และลบ (−)
applied (และ · disk เมื่อเขียนลงในโฟลเดอร์จริง)สลับเทอร์มินัลใต้ editor เพื่อรันบิลด์, การทดสอบ และสคริปต์ ด้วยการอนุญาตของคุณ เอเจนต์สามารถรันคำสั่งและอ่านผลลัพธ์เพื่อตรวจสอบการทำงานของมันได้; คำสั่งที่ใช้เวลานานจะสตรีมผลลัพธ์เพื่อให้คุณสามารถดูความคืบหน้าได้ ปิดเทอร์มินัลจากส่วนหัวเมื่อคุณไม่ต้องการใช้งาน
สำหรับเป้าหมายที่ใหญ่ขึ้น ให้ใช้โหมด วางแผน (หรือขอให้เอเจนต์วางแผนก่อน) ตัววางแผนจะสแกนโปรเจกต์ของคุณ แยกเป้าหมายออกเป็นงานที่คำนึงถึงการพึ่งพา และมอบหมายแต่ละงานให้กับผู้เชี่ยวชาญที่เหมาะสม (สถาปนิก, ผู้เขียนโค้ด, ผู้ทดสอบ, เอกสาร)
เปิด ตัวเลือกโมเดล ถัดจากช่องป้อนข้อความ ตัวเลือกจะถูกจัดกลุ่มดังนี้:
ในโหมดอัตโนมัติ DeepCerebra ใช้ การกำหนดเส้นทางแบบแบ่งชั้นและปรับเปลี่ยนได้: งานง่ายๆ จะถูกส่งไปยังโมเดลที่รวดเร็วและประหยัด ในขณะที่งานที่ซับซ้อนหรือต้องวางแผนมาก (เช่น โหมดวางแผน) จะถูกส่งไปยังโมเดลที่แข็งแกร่งกว่า ซึ่งจะปรับสมดุลระหว่างต้นทุนและคุณภาพโดยอัตโนมัติ คุณจึงไม่จำเป็นต้องเลือกด้วยตนเองบ่อยนัก
คุณสามารถกำหนดเส้นทางคำขอผ่านบัญชีผู้ให้บริการของคุณเอง แทนการใช้งานแพลตฟอร์มแบบคิดค่าบริการ
ANTHROPIC_API_KEY,
GOOGLE_API_KEY, OPENAI_API_KEY).โมเดลแพลตฟอร์ม (DeepCerebra) ไม่ต้องใช้คีย์ ลบคีย์ได้ตลอดเวลาด้วย ลบ.
DCC Bridge เชื่อมต่อ คอมพิวเตอร์ของคุณเอง เข้ากับเว็บแอปผ่านตัวเชื่อมต่อ dcc-bridge ขนาดเล็ก ซึ่งปลดล็อกความสามารถสองอย่างพร้อมกัน:
ตัวเชื่อมต่อโทร ออก ผ่าน WebSocket ที่ได้รับการรับรองความถูกต้อง — ไม่จำเป็นต้องมีพอร์ตขาเข้า และทำงานได้หลัง NAT และไฟร์วอลล์ ทำงานบน Windows, macOS และ Linux (Python 3.10+)
dcc_brg_…)
และคำสั่งตัวเชื่อมต่อที่พร้อมวาง — โทเค็นจะแสดงเพียงครั้งเดียวเท่านั้นpip install git+https://github.com/mohammadkhair7/DeepCerebra-connector
# then run the command copied from the pairing card, e.g.:
python -m dcc_bridge --gateway wss://deepcerebra.ai --token dcc_brg_xxxxxwss://deepcerebra.ai หรือ wss://deepcerebra.io) — บัตรจับคู่จะเติมข้อมูลที่ถูกต้องให้ ไซต์ทั้งสองมีการปรับใช้แยกกันพร้อมบัญชีและโทเค็นที่แยกจากกัน1234) พร้อมโหลดโมเดลโดยค่าเริ่มต้น คำสั่งจะถูกจำกัดอยู่ในโฟลเดอร์พื้นที่ทำงานเฉพาะ (~/DeepCerebra) หากต้องการทำงานในโฟลเดอร์โปรเจกต์จริงของคุณด้วย CLI ที่กำหนดค่าไว้ล่วงหน้า ให้สิทธิ์อย่างชัดเจนเมื่อเริ่มตัวเชื่อมต่อ:
# 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-dirจากนั้นเปิดแผง Terminal คลิกป๊อปโอเวอร์ เป้าหมายการดำเนินการ (ไอคอนแล็ปท็อป) เลือก คอมพิวเตอร์ของฉัน และเลือกไดเรกทอรีการทำงาน ทั้งคำสั่งที่คุณพิมพ์และคำสั่ง build/test ของเอเจนต์จะถูกดำเนินการบนเครื่องของคุณ
--no-exec ทำให้อุปกรณ์เป็นแบบอนุมานเท่านั้น (โมเดล GPU, ไม่มีคำสั่ง).เมื่อเปิดโปรเจกต์ที่ใช้ Git แถบ branch จะปรากฏใน Explorer แสดง branch ปัจจุบันของคุณและสองการดำเนินการ:
main) คุณต้องอยู่ใน working branch ไม่ใช่ default branchหากเปิดใช้งาน push webhook, Explorer จะรีเฟรชโดยอัตโนมัติเมื่อเพื่อนร่วมทีม push ทำให้ทุกคนซิงค์กัน — นี่คือรากฐานสำหรับการพัฒนาทีมร่วมกันผ่าน DeepCerebra
ขยายเอเจนต์ด้วยเครื่องมือและข้อมูลภายนอกผ่าน Model Context Protocol กำหนดค่าเซิร์ฟเวอร์ในไฟล์ .deepcerebra/mcp.json เช่น:
{
"mcpServers": {
"my-tools": {
"url": "https://example.com/mcp",
"disabled": false,
"allowlist": ["search_issues", "get_pr"],
"autoApprove": ["create_issue"],
"auth": { "type": "bearer", "tokenEnv": "MY_TOKEN" }
}
}
}เครื่องมือ MCP ที่เปิดใช้งานจะพร้อมใช้งานสำหรับเอเจนต์โดยอัตโนมัติเมื่อเกี่ยวข้องกับคำขอของคุณ รองรับทั้งเซิร์ฟเวอร์โลคัล (stdio) และรีโมต (http/sse)
allowlist เฉพาะเครื่องมือเหล่านั้นเท่านั้นที่สามารถทำงานได้autoApprove.หากเซิร์ฟเวอร์เปิดเผย ทรัพยากร หรือ เทมเพลตข้อความแจ้ง ของ MCP เอเจนต์จะได้รับเครื่องมือเพื่อใช้งานโดยอัตโนมัติ (mcp_list_resources, mcp_read_resource,
mcp_list_prompts, mcp_get_prompt).
เพิ่มบล็อก auth ไปยังเซิร์ฟเวอร์ระยะไกล ข้อมูลลับรองรับการแทรก ${ENV_VAR}:
// Static bearer token (literal or from env)
"auth": { "type": "bearer", "token": "${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"
}คุณสามารถกำหนดรูปแบบความคิดและการกระทำของเอเจนต์ได้ด้วยรูปแบบที่ใช้ไฟล์เป็นหลักเพียงหนึ่งเดียว — ไดเรกทอรี .deepcerebra/ — ซึ่งทำงานเหมือนกันทุกประการใน แอปเดสก์ท็อป, เว็บแอป, และ API. ในเว็บแอป จัดการทั้งหมดนี้ได้ภายใต้มุมมอง Agent; บนเดสก์ท็อปและผ่าน API สิ่งเหล่านี้คือไฟล์ธรรมดาที่คุณคอมมิตไปพร้อมกับโปรเจกต์ของคุณ
การกำหนดค่าจะถูกค้นพบจากหลายขอบเขต; เมื่อรายการเดียวกันมีอยู่ในมากกว่าหนึ่งขอบเขต ขอบเขตที่มีลำดับความสำคัญสูงกว่าจะเป็นผู้ชนะ:
team/org < global (~/.deepcerebra) < workspace (<repo>/.deepcerebra)
(ต่ำสุด) (สูงสุด)<repo>/.deepcerebra/…, คอมมิตพร้อมกับโปรเจกต์~/.deepcerebra/…, ค่าเริ่มต้นส่วนบุคคลของคุณสำหรับทุกโปรเจกต์กฎคือคำสั่งที่คงอยู่ — มาตรฐานการเขียนโค้ด, ข้อตกลงทางสถาปัตยกรรม, บริบทของโดเมน — ที่ถูกฉีดเข้าไปในพรอมต์ระบบของเอเจนต์ ไฟล์เหล่านี้จะอยู่ในรูปแบบไฟล์ Markdown ภายใต้ .deepcerebra/steering/ รวมถึงมาตรฐาน AGENTS.md ที่เปิดใช้งานอยู่เสมอ ส่วน Frontmatter จะควบคุม เวลา ที่กฎจะถูกโหลด:
---
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 — ทุกรอบ (ค่าเริ่มต้น)fileMatch — เฉพาะเมื่อไฟล์ในบริบทตรงกับ globs.auto — เมื่อคำขอของคุณตรงกับ name/description ของกฎmanual — เฉพาะเมื่อคุณอ้างอิงถึงมันเป็น #name หรือ /name.AGENTS.md ที่รูทจะใช้กับทั้ง repo; AGENTS.md ที่ซ้อนกัน (เช่น
services/api/AGENTS.md) จะใช้กับไฟล์ภายใต้โฟลเดอร์นั้นเท่านั้น ในเว็บแอป มุมมอง
เอเจนต์ → การควบคุม จะให้ตัวเลือก ขอบเขต แก่แต่ละกฎ
(ส่วนกลาง / โปรเจกต์ / ทีม).
ทักษะคือคู่มือการทำงานที่นำกลับมาใช้ใหม่ได้ซึ่งเอเจนต์จะโหลด ตามความต้องการ แต่ละทักษะคือโฟลเดอร์ที่มี
SKILL.md ภายใต้ .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.เอเจนต์จะเห็นแค็ตตาล็อกแบบเบา (ชื่อ + คำอธิบาย) และดึงเนื้อหาทั้งหมดด้วยเครื่องมือ load_skill เมื่อเกี่ยวข้อง คุณยังสามารถเรียกใช้ทักษะหนึ่งอย่างชัดเจนด้วย
/skill <name>. ตั้งค่า disable-model-invocation: true เพื่อให้ทักษะเป็นแบบใช้ด้วยตนเองเท่านั้น
ฮุกจะรันระบบอัตโนมัติบนเหตุการณ์วงจรชีวิต กำหนดฮุกเป็น .deepcerebra/hooks/*.hook.json:
{
"title": "Format on save",
"event": "fileSave",
"filePattern": ["**/*.ts"],
"action": { "type": "shell", "command": "npm run lint:fix -- $FILE" },
"enabled": true
}เหตุการณ์ต่างๆ ได้แก่ promptSubmit, preToolUse, postToolUse,
fileCreate, fileSave, fileDelete, preTask,
postTask, sessionStart, preCompact, and agentStop
(การสะกดคำแบบ Cursor/Claude ก็เป็นที่ยอมรับเช่นกัน) การดำเนินการอย่างใดอย่างหนึ่งคือ shell (รันคำสั่ง) หรือ
agentPrompt (ถามเอเจนต์) ฮุก preToolUse สามารถ อนุญาต,
ปฏิเสธ, หรือ สอบถาม สำหรับการเรียกใช้เครื่องมือที่มันดักจับ
ซับเอเจนต์คือเอเจนต์ผู้เชี่ยวชาญที่คุณกำหนดและมอบหมายงานให้ แต่ละซับเอเจนต์เป็นไฟล์ Markdown ภายใต้
.deepcerebra/agents/ พร้อมส่วนหน้าและเนื้อหา (system prompt ของมัน):
---
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…เอเจนต์หลักจะมอบหมายงานด้วย task (บล็อก), task_async +
task_status / task_result (พื้นหลัง) หรือ task_parallel (กระจายงาน)
ปลั๊กอินจะรวมกฎ, ทักษะ, ฮุก, ซับเอเจนต์ และเซิร์ฟเวอร์ MCP เข้าไว้ในแพ็กเกจที่ติดตั้งได้หนึ่งเดียวภายใต้
.deepcerebra/plugins/<name>/ ซึ่งอธิบายโดยไฟล์ manifest plugin.json:
{
"name": "Acme Standards",
"version": "1.2.0",
"description": "Acme rules + skills + review agents.",
"enabled": true
}เนื้อหาปลั๊กอินจะถูกรวมเข้าด้วยกันที่ลำดับความสำคัญต่ำสุด ดังนั้นกฎและทักษะของคุณเองจะแทนที่ของปลั๊กอินเสมอ
ปิดใช้งานปลั๊กอินด้วย "enabled": false หรือไฟล์เครื่องหมาย .disabled.
DCC_ORG_CONFIG_DIR ไปยังไดเรกทอรี .deepcerebra ที่ใช้ร่วมกัน หรือโดยการตั้งค่ากฎเป็นขอบเขต
ทีม ในเว็บแอปWorkflow Studio เป็นเครื่องมือออกแบบภาพสำหรับระบบอัตโนมัติแบบหลายเอเจนต์ คุณสามารถเรียบเรียง สเตจ — ซึ่งแต่ละสเตจประกอบด้วยเอเจนต์, ขั้นตอนเฉพาะทาง, หรือหน่วยควบคุมพื้นฐาน — ให้อยู่ในรูปแบบกราฟ, เชื่อมต่อกัน ด้วยการพึ่งพากัน, และรันการทำงานที่ประสานกันทั้งหมดบนเอนจิน พร้อมด้วยความคืบหน้าของแต่ละสเตจแบบเรียลไทม์, งบประมาณ, และ ขั้นตอนการอนุมัติโดยมนุษย์ เวิร์กโฟลว์จะถูกบันทึกเป็นไฟล์นิยามรูปแบบ YAML/JSON ที่พกพาได้ ซึ่งคุณสามารถส่งออก, นำเข้า, จัดการเวอร์ชันใน Git, และสั่งรันจาก API หรือ CLI ได้
| ประเภทขั้นตอน | สิ่งที่ทำ |
|---|---|
agent | การทำงานของเอเจนต์หนึ่งรอบพร้อมทักษะและเครื่องมือที่คุณแนบ |
spec.requirements / spec.design / spec.execute |
การส่งมอบแบบ Spec-first: ร่างข้อกำหนด, ออกแบบ, จากนั้นแบ่งเป็นงานและดำเนินการ — แต่ละขั้นตอนสามารถมีเกตได้ |
documents.generate | สร้างเอกสารที่สมบูรณ์จากผลลัพธ์ของขั้นตอนก่อนหน้า |
fan_out | การวิจัยแบบขนานในหัวข้อย่อยจำนวนมากพร้อมการสังเคราะห์ |
map / loop / switch |
โครงสร้างควบคุมพื้นฐาน: ดำเนินการตามเนื้อหาสำหรับแต่ละรายการ, ทำซ้ำจนกว่าจะครบเงื่อนไข, หรือแยกการทำงานตามกรณีต่างๆ |
verify / browser_verify |
รันการทดสอบหรือคำสั่งใน sandbox; ตรวจสอบ UI ที่กำลังทำงานด้วยระบบอัตโนมัติของเบราว์เซอร์ |
orchestrate | การกำหนดเส้นทางแบบไดนามิก: เอเจนต์ orchestrator อ่านคำขอและ ส่งต่อไปยังเอเจนต์ปลายน้ำที่ดีที่สุดผ่านเหตุการณ์ |
external.agent | เรียกใช้เอเจนต์บุคคลที่สามที่ลงทะเบียนไว้ผ่าน HTTP (A2A) ราวกับว่าเป็นสเตจแบบเนทีฟ |
eval | ให้คะแนนผลลัพธ์ต้นน้ำเทียบกับการตรวจสอบ (มี / regex / ความยาว / LLM-judge); ล้มเหลวหากต่ำกว่าเกณฑ์ |
db.provision | สร้างเลเยอร์ข้อมูลที่เป็นเจ้าของ: docker-compose สำหรับฐานข้อมูล,
การย้ายข้อมูล SQL ที่มีเวอร์ชัน, ข้อมูลเริ่มต้น, เทมเพลต .env และ Mermaid ERD; โครงสร้างการตรวจสอบสิทธิ์เสริม;
สามารถใช้การย้ายข้อมูลกับ SQLite ได้ทันที |
ci.generate | สร้างไปป์ไลน์ CI/CD ที่พร้อมคอมมิต (GitHub Actions, GitLab CI หรือ Azure Pipelines) ด้วย lint → test → scan → build → deploy และการโปรโมตสภาพแวดล้อม |
deploy.package | สร้างสินทรัพย์การปรับใช้สำหรับการผลิต: Dockerfile แบบหลายขั้นตอน, docker-compose, Kubernetes manifests, หรือ Helm chart — ไฟล์ที่คุณเป็นเจ้าของและคอมมิต |
test.generate | สร้างชุดทดสอบ unit / API / E2E สำหรับแอปที่สร้างขึ้น พร้อม เมทริกซ์การตรวจสอบย้อนกลับ ข้อกำหนดถึงการทดสอบ |
test.verify | ดำเนินการชุดทดสอบ (pytest, vitest, jest, Playwright) และควบคุมการทำงานตามอัตราการผ่าน |
security.audit | สแกนการพึ่งพาสำหรับช่องโหว่ที่ทราบและโครงสร้างสำหรับ ข้อมูลลับที่ฮาร์ดโค้ด; เผยแพร่เหตุการณ์แจ้งเตือนและเขียนรายงานผลการค้นพบ |
preview | เริ่มแอปที่สร้างขึ้นในเครื่องและแสดง URL สดของแอปในแผงการทำงาน (ลิงก์ + เฟรมในบรรทัด) ผ่าน preview.ready เหตุการณ์ |
design.import | เปลี่ยนรูปภาพการออกแบบ UI (ภาพหน้าจอ, แบบจำลอง, การส่งออก Figma) ให้เป็นข้อกำหนดการใช้งานที่มีโครงสร้างสำหรับขั้นตอนปลายน้ำ |
ทุกขั้นตอน — ไม่ว่าจะประเภทใด — สามารถ เผยแพร่ และ สมัครรับ เหตุการณ์ที่มีประเภทบนบัสเหตุการณ์ของพื้นที่ทำงานได้ ดังนั้นเอเจนต์จึงประสานงานกันเหมือนบริการบนโครงสร้างข้อความ แทนที่จะผ่าน DAG เท่านั้น:
lifecycle, agent,
business, data, system, schedule, chat,
external, หรือ alert — สามารถกรองได้ในการสมัครรับและเล่นซ้ำtrigger (ขั้นตอนจะทำงานเมื่อมีเหตุการณ์ที่ตรงกันมาถึง; การทำงานที่มีขั้นตอนที่จอดอยู่จะยังคงอยู่เป็น การฟัง), gate (เกตเครื่องจักรที่ได้รับการอนุมัติโดยเหตุการณ์แทนการคลิกของมนุษย์) และ data (เพย์โหลดจะถูกรวมเข้ากับบริบทของขั้นตอน)agent.<stage-id>.request.triggers: ของเวิร์กโฟลว์จะเตรียมพร้อมให้เริ่มต้นเมื่อมีข้อมูลขาเข้า เว็บฮุก, กำหนดการครอน, เหตุการณ์, หรือการแชท — แม้ในขณะที่สตูดิโอปิดอยู่เอเจนต์ที่ตอบสนองต่อเหตุการณ์สามารถประกาศ คิวที่มีชื่อที่คงทน เพื่อให้เหตุการณ์ที่ตรงกันไม่สูญหายในขณะที่เอเจนต์กำลังยุ่งหรือก่อนที่การทำงานจะเริ่มฟัง ในการสมัครรับ trigger ให้ตั้งค่า queue: <name> — เอนจินจะผูกหัวข้อนั้นเข้ากับคิว FIFO บนบัสเหตุการณ์ของพื้นที่ทำงาน (คงอยู่ภายใต้ .deepcerebra/workflows/events/queues/) ทุกเหตุการณ์ที่ตรงกันที่เผยแพร่จากจุดนั้นจะถูกจับเข้าคิว; เมื่อขั้นตอนพร้อมทำงาน เอนจินจะดึงเหตุการณ์ตามลำดับ เก่าสุดก่อน และบริโภคทีละรายการ
count ต่อการสมัครรับ — กำหนดให้มีเหตุการณ์ที่จัดคิว (หรือส่งมอบ) N รายการก่อนที่การสมัครรับจะเสร็จสมบูรณ์ (มีประโยชน์เมื่อพนักงานหลายคนต้องรายงาน)GET /api/workflow/queues แสดงความลึกและการผูก;
GET /api/workflow/queues/{name} ดูเหตุการณ์ที่รอดำเนินการ; เอเจนต์แชทสามารถเรียกใช้
event_queue_status และ pop_queued_event ได้events:
subscribe:
- topic: ticket.created
mode: trigger
queue: triage-inbox # durable FIFO — events wait here for this agent
map:
payload.ticket_id: ticket_idSemaphore จำกัดจำนวนงานที่สามารถดำเนินการพร้อมกันบนทรัพยากรที่ใช้ร่วมกัน (ที่ได้รับการป้องกัน): ฐานข้อมูลที่กำลังเขียน, ที่เก็บตัวแปรส่วนกลาง, ไฟล์ หรือเอเจนต์ภายนอกที่จำกัดอัตราการใช้งาน แนบ semaphore เข้ากับขั้นตอนใดๆ ด้วย semaphore: — ก่อนที่งานของขั้นตอนจะทำงาน เอนจินจะได้รับอนุญาตหนึ่งรายการจาก semaphore ของพื้นที่ทำงานที่ระบุ; การอนุญาตจะ ถูกปล่อยเสมอ หลังจากนั้น แม้ว่าขั้นตอนจะล้มเหลว permits: 1 ทำให้มันเป็น mutex: มีเพียงงานเดียวเท่านั้น (ในทุกการทำงานแบบขนานในพื้นที่ทำงาน) ที่ดำเนินการขั้นตอนสำคัญ; งานอื่นๆ ทั้งหมดจะรอจนกว่าผู้ถือจะเสร็จสิ้น
timeout_s เพื่อขออนุญาต; หากทรัพยากรยังคงเต็มความจุ ขั้นตอนจะล้มเหลวอย่างเห็นได้ชัดแทนที่จะค้างตลอดไปttl_s; หากผู้ถือเกิดข้อขัดข้องโดยไม่ปล่อย ใบอนุญาตจะหมดอายุโดยอัตโนมัติ เพื่อให้ทรัพยากรไม่ถูกล็อกตายตัวsemaphore.<name>.waiting,
.acquired และ .released; GET /api/workflow/semaphores
แสดงความจุ, ผู้ถือ และการอนุญาตที่พร้อมใช้งานacquire_semaphore, release_semaphore และ
semaphore_status เครื่องมือประสานงานส่วนสำคัญเฉพาะกิจนอกเวิร์กโฟลว์semaphore:
name: emr-db-writer
permits: 1 # mutex — one writer at a time
timeout_s: 300 # fail if still waiting after 5 minutes
ttl_s: 900 # auto-release crashed holders after 15 minutesRendezvous จะรอจนกว่าเงื่อนไขของเหตุการณ์หลายรายการจะสำเร็จครบทั้งหมดก่อนที่ขั้นตอนถัดไปจะดำเนินการ — ซึ่งตรงข้ามกับหลักการ "เหตุการณ์แรกที่เกิดขึ้นชนะ" ตั้งค่า join: all บนบล็อก events: ของสเตจ: การสมัครสมาชิกทริกเกอร์ทุกรายการจะต้องสำเร็จก่อนที่สเตจจะเริ่มทำงาน ใช้ร่วมกับ count: N ต่อการสมัครสมาชิก เมื่อเอเจนต์หลายตัว (หรือรายงานหลายฉบับจากเอเจนต์ตัวเดียว) ต้องเช็คอินทั้งหมด — ตัวอย่างเช่น การลงนามอนุมัติการออกแบบ การทดสอบเสร็จสมบูรณ์ และการอนุมัติด้านความปลอดภัยก่อนที่สเตจการเผยแพร่จะทำงาน
join: any (ค่าเริ่มต้น) — ขั้นตอนจะทำงานเมื่อการสมัครรับ trigger แรกเป็นจริงjoin: all — rendezvous: การสมัครรับ trigger แต่ละรายการ (แต่ละรายการมีหัวข้อ, ตัวกรองคลาส และ count ที่ไม่บังคับของตัวเอง) ต้องเป็นจริง; หลังจากนั้นขั้นตอนจึงจะพร้อมทำงานtrigger_events
และเปิดเผยต่อเทมเพลตเป็น inputs.events (รายการของออบเจกต์เหตุการณ์พร้อมเพย์โหลด)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: 1ขั้นตอนจะเลือกเครื่องมือจาก registry เดียวกันกับที่เอเจนต์แชทใช้:
create_database, apply_migrations, และ dump_schema สำหรับเลเยอร์ข้อมูลที่เป็นเจ้าของdocker_build / docker_push, compose up/down, SSH และ cloud-CLI deploys (Fly, Render, Railway, Vercel), ซึ่งปลอดภัยในการจำลองด้วยClass.method) ครอบคลุมคณิตศาสตร์, การประมวลผลสัญญาณ, การควบคุม, สถิติ และอื่นๆ อีกมากมาย/v1 เปิดเผยการทำงาน, เหตุการณ์, ตัวกระตุ้น, เทมเพลต และการสร้างสำหรับ CI และการรวมระบบdb.provision → การนำไปใช้ → การทดสอบที่สร้างขึ้นโดยอัตโนมัติ → การตรวจสอบความปลอดภัย → การจัดทำแพ็กเกจเพื่อนำไปใช้งาน →
การสร้าง CI, โดยมีขั้นตอนการตรวจสอบโดยบุคคลก่อนการจัดทำแพ็กเกจ — ซึ่งเป็นเส้นทางที่สมบูรณ์ตั้งแต่การสรุปความต้องการไปจนถึงการผลิตที่คุณสามารถปรับใช้ได้ใน
ไม่กี่นาทีการเติมข้อความอัตโนมัติแบบคาดการณ์ล่วงหน้า (Predictive Tab completion) มีการแนะนำโค้ดแบบอินไลน์และเติมตรงกลางขณะที่คุณพิมพ์ในเอดิเตอร์ — ยอมรับคำแนะนำด้วย Tab. เป็นการเลือกเข้าร่วมสำหรับทั้งเอนจินและเว็บเอดิเตอร์
DCC_TAB_COMPLETE=1. editor จะเรียกใช้เอนด์พอยต์
POST /api/complete ของเอนจิน ซึ่งจะส่งคืนเฉพาะข้อความที่จะแทรกที่เคอร์เซอร์VITE_TAB_COMPLETE=1 หรือในเวลารันไทม์ด้วย
localStorage.setItem('dcc.tabComplete', '1') (จากนั้นรีโหลด)เปิด การเรียกเก็บเงิน จากแถบด้านข้างเพื่อจัดการแผนและการใช้งานของคุณ การใช้งาน AI จะถูกคิดค่าบริการเป็นเครดิตดอลลาร์สหรัฐฯ โดยอิงจากโทเค็นที่โมเดลพื้นฐานใช้ไป
| แผน | ราคาต่อเดือน | การใช้งาน AI รายเดือนที่รวมอยู่ |
|---|---|---|
| พื้นฐาน | $20 | $10 |
| โปร | $75 | $30 |
| อัลติเมท | $200 | $150 |
คีย์ Gateway API (โทเค็นการเข้าถึงส่วนบุคคล) ช่วยให้คุณสามารถใช้ DeepCerebra public API และ CLI ได้ด้วยโปรแกรม
read, chat, code, agent
— และ วันหมดอายุ (ไม่บังคับ) เป็นวัน (เว้นว่าง = ไม่มีวันหมดอายุ)ใช้กับ CLI หรือ API ที่ 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/...คุณสามารถ เปลี่ยนชื่อ หรือ ลบ (เพิกถอน) คีย์ได้ตลอดเวลา; แต่ละคีย์จะแสดงคำนำหน้า, ขอบเขต, วันที่สร้าง/หมดอายุ และวันที่ใช้งานล่าสุด
เปลี่ยนไปใช้ Chrome, Edge, หรือ Brave หรือใช้ เปิดจาก Git แทน
คลิก หยุด จากนั้นปรับเปลี่ยนคำพูดพร้อมคำแนะนำหรือข้อจำกัดที่ชัดเจน
dcc-bridge กำลังทำงานและอุปกรณ์แสดงสถานะ ออนไลน์.1234) พร้อมโหลดโมเดล--gateway
(wss://deepcerebra.ai หรือ wss://deepcerebra.io) — ไซต์ทั้งสองมีการปรับใช้แยกกัน และโทเค็นจากไซต์หนึ่งจะไม่ทำงานบนอีกไซต์หนึ่งเปิดหรือสร้าง working branch ก่อนใช้ รวม เพื่อเปิด pull request.
ยังติดอยู่? ติดต่อ support@deepcerebra.ai.
Discovery เป็นแชทบอทสำหรับการสืบค้นข้อมูลสำหรับฐานข้อมูลและเอกสารของคุณ แทนที่จะตอบด้วยการสอบถามเพียงครั้งเดียว แต่จะทำงานเหมือนนักวิเคราะห์: โดยจะสร้างสมมติฐาน ดำเนินการตรวจสอบหลายชุดอย่างระมัดระวัง (SQL, กราฟ, การค้นหาเอกสาร, การตรวจสอบสคีมา, การยืนยันจากเว็บ) ตัดคำอธิบายที่หลักฐานหักล้าง และสังเคราะห์คำตอบที่มีหลักฐานรองรับ — พร้อมแผนภูมิและใบเสร็จค่าใช้จ่ายที่โปร่งใส เปิดใช้งานได้จากไอคอนเข็มทิศในแถบกิจกรรม (/app/discovery)
Space จะรวมทุกสิ่งที่จำเป็นสำหรับการสอบถามหนึ่งชุด: การเชื่อมต่อฐานข้อมูล, ชุดเอกสาร, คำแนะนำสำหรับนักวิเคราะห์ และงบประมาณ สร้าง Space ใหม่ด้วย + New space จากนั้นใช้แผงการตั้งค่าทางด้านขวาเพื่อ:
พิมพ์คำถามในแบบที่คุณจะถามเพื่อนร่วมงาน — ตัวอย่างเช่น "ทำไมปริมาณการสแกน MRI จึงลดลงในเดือนมีนาคม?" บอร์ดการสืบสวนจะแสดงกระบวนการทั้งหมดแบบสดๆ:
คำถามติดตามผลจะดำเนินต่อไปในหัวข้อเดิม เพื่อให้นักวิเคราะห์ยังคงรักษาบริบทไว้ได้
แผนภูมิจะแสดงผลแบบอินไลน์บนบอร์ดการสืบสวน ใช้ Export เพื่อดาวน์โหลดการสอบถามทั้งหมด — คำตอบ, สมมติฐาน, หลักฐาน และแผนภูมิ — ในรูปแบบ รายงาน HTML ที่สมบูรณ์ในตัวเอง หรือ PDF คุณภาพการพิมพ์ ซึ่งจัดรูปแบบด้วยระบบการออกแบบนีออน
แต่ละ Space มีงบประมาณต่อการสอบถาม: จำนวนการตรวจสอบสูงสุด, รอบการสืบสวน, วินาที และ USD เอนจินจะหยุดทำงานอย่างสมบูรณ์เมื่อถึงขีดจำกัด และรายงานสิ่งที่พบจนถึงขณะนั้น ค่าใช้จ่ายของการตรวจสอบแต่ละครั้งจะถูกระบุเป็นรายการในใบเสร็จ เพื่อให้คุณทราบเสมอว่าค่าใช้จ่ายไปที่ใด
/v1/discovery/* ด้วย PAT ที่มีขอบเขต discovery (สร้างได้ภายใต้ Account → API Tokens) การสอบถามแบบสตรีมมิ่งใช้ SSE ผู้ดำเนินการภายนอกสามารถยืมการวางแผนการสืบสวนได้ผ่าน Thinking API (/v1/think/*, ขอบเขต think)pip install deepcerebra-discovery, จากนั้น DiscoveryClient(base_url, token).ask(space_id, question)discovery.ask) ลงในเวิร์กโฟลว์ใดก็ได้ เพื่อดำเนินการสืบสวนเป็นขั้นตอนในไปป์ไลน์ คำตอบ, แผนภูมิ และใบเสร็จจะส่งต่อไปยังขั้นตอนถัดไปdiscovery_ask และ discovery_list_spaces เป็นเครื่องมือ MCP เพื่อให้ไคลเอนต์ MCP ภายนอกสามารถดำเนินการสืบสวนได้เช่นกัน