DeepCerebra Coder ایک ایجنٹک کوڈنگ اسسٹنٹ ہے۔ ایک سادہ آٹو کمپلیٹ کوپائلٹ کے برعکس، یہ آپ کے پورے پروجیکٹ میں منصوبہ بندی کرتا ہے، لکھتا ہے، ریفیکٹر کرتا ہے، کمانڈز چلاتا ہے، ٹولز کو کال کرتا ہے، اور دہراتا ہے — جس میں آپ اس کی تجویز کردہ تبدیلیوں کا جائزہ لیتے اور منظور کرتے ہیں۔
| ایڈیشن | بہترین استعمال | فائل تک رسائی |
|---|---|---|
| ویب ایپ | زیرو انسٹال، کسی بھی مشین سے کام کریں | براؤزر میں خفیہ اسٹوریج (اور Git ریپوز) |
| ڈیسک ٹاپ (Windows / Linux / macOS) | مقامی-پہلے کی ترقی، مقامی ماڈلز | براہ راست مقامی فائل سسٹم |
| CLI اور API | اسکرپٹنگ، CI/CD، آٹومیشن | مقامی فائلیں / پروگرامیٹک |
یہ گائیڈ deepcerebra.ai پر ویب ایپ پر مرکوز ہے؛ ڈیسک ٹاپ ایپ وہی پینلز اور ورک فلوز دکھاتی ہے۔
مکمل تجربے کے لیے Chrome، Edge، یا Brave کا موجودہ ورژن استعمال کریں — ایک مقامی فولڈر کھولنے کے لیے Chromium File System Access API پر انحصار کیا جاتا ہے۔ Firefox اور Safari چیٹ اور Git-بیکڈ پروجیکٹس کے لیے کام کرتے ہیں، لیکن براہ راست مقامی فولڈر نہیں کھول سکتے۔
/register?plan=basic (یا pro / ultimate) پر جا کر ایک پلان کا انتخاب کر سکتے ہیں، یا ابھی شروع کریں اور بعد میں بلنگ میں ایک پلان منتخب کریں۔سائن ان کرنے کے بعد آپ ورک بینچ میں پہنچ جاتے ہیں، جو ہر پین کو ایک ہی اسکرین پر رکھتا ہے:
لے آؤٹ کو دوبارہ متوازن کرنے کے لیے ایڈیٹر اور چیٹ کے درمیان سپلٹر کو گھسیٹیں، اور ٹرمینل کا سائز تبدیل کرنے کے لیے افقی سپلٹر کو گھسیٹیں۔ بائیں سائڈبار ورک اسپیس، ایکسٹینشنز، API کیز، بلنگ، اور فیڈ بیک پر بھی نیویگیٹ کرتی ہے۔
repo اسکوپ (کلاسک) یا Contents + Pull requests کے ساتھ ایک فائن-گرین ٹوکن استعمال کریں؛ GitLab کے لیے api اسکوپ استعمال کریں۔ آپ کا ٹوکن سرور پر محفوظ ہوتا ہے — صرف فائل کے مواد کو براؤزر میں کھینچا جاتا ہے۔owner/name کے طور پر ٹائپ کریں (اپنی تلاش کے لیے فہرست کو فلٹر کریں)، پھر ایک برانچ منتخب کریں۔dcc/my-feature) کو ٹک کریں تاکہ آپ کا کام ڈیفالٹ برانچ سے الگ رہے۔چیٹ کی تاریخ کھلے پروجیکٹ سے منسلک ہے۔ فولڈرز کو تبدیل کرنے سے خود بخود ایک نیا سیشن شروع ہوتا ہے اور اس فولڈر کے پچھلے سیشنز لوڈ ہوتے ہیں، سب سے حالیہ کو دوبارہ کھولا جاتا ہے تاکہ آپ وہیں سے دوبارہ شروع کر سکیں جہاں آپ نے چھوڑا تھا۔
DeepCerebra اندرونی طور پر استعمال کرتا ہے — .deepcerebra، .sessions — وہ ٹری میں ظاہر ہوتے ہیں لیکن ڈیفالٹ کے طور پر بند ہوتے ہیں تاکہ وہ آپ کے سورس کو گندا نہ کریں۔
سادہ زبان میں بیان کریں کہ آپ کیا چاہتے ہیں — ایک سوال پوچھیں، ایک خصوصیت کی درخواست کریں، یا ایک بگ کی نشاندہی کریں۔ بہترین نتیجہ حاصل کرنے کے لیے فائلوں، فریم ورکس، اور رکاوٹوں کے بارے میں مخصوص رہیں۔ متعلقہ فائلوں کو پرامپٹ میں گھسیٹ کر منسلک کریں۔
جوابات Cursor کی طرح منظم ہیں: ایجنٹ کی دلیل ڈیلیوری ایبل سے الگ ہوتی ہے۔ ہر جواب کے بلاک کے اوپری دائیں کونے میں ایک کاپی آئیکن ہوتا ہے تاکہ آپ ایک مکمل رپورٹ، دستاویز، یا ایک کمانڈ کاپی کر سکیں جسے آپ چلانا چاہتے ہیں۔
html.parser کے بجائے lxml استعمال کریں")۔@deepcerebra کے ساتھ ایجنٹ کو طلب کرتے ہیں، اور [deep] جیسے پریفکس گہری دلیل کی درخواست کرتے ہیں۔پرامپٹ کے ساتھ موڈ سلیکٹر سے ایک موڈ منتخب کریں۔ ہر ایک یہ طے کرتا ہے کہ ایجنٹ کتنی منصوبہ بندی کرتا ہے اور کتنی آزادی سے ترمیم کرتا ہے:
| موڈ | یہ کیا کرتا ہے | استعمال کریں جب… |
|---|---|---|
| Agent | آپ کے پروجیکٹ میں خود مختاری سے منصوبہ بندی اور ترمیم کرتا ہے | آپ چاہتے ہیں کہ اسسٹنٹ ایک تبدیلی کو مکمل طور پر لاگو کرے |
| Ask | آپ کے کوڈ کے بارے میں سوالات کے جوابات دیتا ہے بغیر ترمیم کے | آپ کوڈ بیس کو سمجھنا چاہتے ہیں |
| Plan | کسی بھی ترمیم سے پہلے ایک طریقہ کار کا مسودہ تیار کرتا ہے | کام بڑا ہے یا پہلے طے کرنے کے لیے سمجھوتے ہیں |
| Edit | موجودہ سیاق و سباق میں مرکوز ترمیمات کرتا ہے | آپ ایک چھوٹی، ہدف شدہ تبدیلی چاہتے ہیں |
جب ایجنٹ فائل میں تبدیلیوں کی تجویز کرتا ہے، تو چیٹ ان پٹ کے اوپر ایک تجویز کردہ تبدیلیاں پینل ظاہر ہوتا ہے، جس میں ہر چھوئی گئی فائل کو شامل کردہ (+) اور ہٹائی گئی (−) لائنوں کی گنتی کے ساتھ درج کیا جاتا ہے۔
applied کے طور پر نشان زد ہوتی ہیں (اور · disk جب ایک حقیقی فولڈر میں لکھی جاتی ہیں)۔ایڈیٹر کے نیچے ٹرمینل کو ٹوگل کریں تاکہ بلڈز، ٹیسٹ، اور اسکرپٹس چل سکیں۔ آپ کی اجازت سے، ایجنٹ کمانڈز کو چلا سکتا ہے اور ان کے آؤٹ پٹ کو پڑھ کر اپنے کام کی تصدیق کر سکتا ہے؛ طویل عرصے تک چلنے والی کمانڈز آؤٹ پٹ کو اسٹریم کرتی ہیں تاکہ آپ پیش رفت دیکھ سکیں۔ جب آپ کو اس کی ضرورت نہ ہو تو ٹرمینل کو اس کے ہیڈر سے بند کر دیں۔
بڑے اہداف کے لیے، پلان موڈ استعمال کریں (یا ایجنٹ سے پہلے منصوبہ بندی کرنے کو کہیں۔) پلانر آپ کے پروجیکٹ کو اسکین کرتا ہے، ہدف کو انحصار سے آگاہ کاموں میں تقسیم کرتا ہے، اور ہر ایک کو صحیح ماہر (آرکیٹیکٹ، کوڈر، ٹیسٹر، دستاویزات) کو تفویض کرتا ہے۔
پرامپٹ کے ساتھ ماڈل پکر کھولیں۔ اختیارات کو اس طرح گروپ کیا گیا ہے:
آٹو پر، DeepCerebra ٹیرڈ، اڈاپٹیو روٹنگ استعمال کرتا ہے: سادہ کام ایک تیز، اقتصادی ماڈل پر جاتے ہیں، جبکہ پیچیدہ یا منصوبہ بندی پر مبنی کام (مثال کے طور پر، پلان موڈ) ایک مضبوط ماڈل پر روٹ کیا جاتا ہے۔ یہ خود بخود لاگت اور معیار کو متوازن کرتا ہے، لہذا آپ کو دستی طور پر انتخاب کرنے کی شاذ و نادر ہی ضرورت پڑتی ہے۔
آپ میٹرڈ پلیٹ فارم کے استعمال کے بجائے اپنے فراہم کنندہ اکاؤنٹ کے ذریعے درخواستوں کو روٹ کر سکتے ہیں۔
ANTHROPIC_API_KEY،
GOOGLE_API_KEY، OPENAI_API_KEY)۔پلیٹ فارم (DeepCerebra) ماڈلز کو کسی کلید کی ضرورت نہیں ہوتی۔ ہٹائیں کے ساتھ کسی بھی وقت ایک کلید کو ہٹا دیں۔
DCC Bridge آپ کے اپنے کمپیوٹر کو ایک چھوٹے dcc-bridge کنیکٹر کے ذریعے ویب ایپ سے جوڑتا ہے، ایک ساتھ دو صلاحیتوں کو کھولتا ہے:
کنیکٹر ایک تصدیق شدہ WebSocket پر باہر ڈائل کرتا ہے — کسی اندرونی پورٹس کی ضرورت نہیں، اور یہ NAT اور فائر والز کے پیچھے کام کرتا ہے۔ یہ Windows, macOS, اور Linux (Python 3.10+) پر چلتا ہے۔
dcc_brg_…) اور تیار-پیسٹ کنیکٹر کمانڈ کاپی کریں — ٹوکن صرف ایک بار دکھایا جاتا ہے۔pip install git+https://github.com/mohammadkhair7/DeepCerebra-connector
# then run the command copied from the pairing card, e.g.:
python -m dcc_bridge --gateway wss://deepcerebra.ai --token dcc_brg_xxxxxwss://deepcerebra.ai یا wss://deepcerebra.io) — پیئرنگ کارڈ صحیح ڈومین کو پہلے سے بھر دیتا ہے۔ دونوں سائٹس الگ الگ اکاؤنٹس اور ٹوکنز کے ساتھ الگ الگ تعیناتیاں ہیں۔1234) کو ایک ماڈل کے ساتھ فعال کریں۔ڈیفالٹ کے طور پر، کمانڈز ایک مخصوص ورک اسپیس فولڈر (~/DeepCerebra) تک محدود ہوتی ہیں۔ اپنے پہلے سے کنفیگر شدہ CLIs کے ساتھ اپنے حقیقی پروجیکٹ فولڈرز میں کام کرنے کے لیے، کنیکٹر شروع کرتے وقت انہیں واضح طور پر اجازت دیں:
# 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-dirپھر ٹرمینل پینل کھولیں، ایگزیکیوشن ٹارگٹ پاپ اوور (لیپ ٹاپ آئیکن) پر کلک کریں، میرا کمپیوٹر منتخب کریں، اور ایک ورکنگ ڈائریکٹری منتخب کریں۔ آپ کی ٹائپ کردہ کمانڈز اور ایجنٹ کی بلڈ/ٹیسٹ کمانڈز دونوں پھر آپ کی مشین پر چلائی جائیں گی۔
--no-exec ایک ڈیوائس کو صرف انفرنس (GPU ماڈلز، کوئی کمانڈ نہیں) بناتا ہے۔ایک Git-بیکڈ پروجیکٹ کھلا ہونے پر، ایکسپلورر میں ایک برانچ بار ظاہر ہوتا ہے جو آپ کی موجودہ برانچ اور دو کارروائیاں دکھاتا ہے:
main) میں ایک پل ریکویسٹ کھولیں۔ آپ کو ورکنگ برانچ پر ہونا چاہیے، ڈیفالٹ برانچ پر نہیں۔اگر پش ویب ہک فعال ہے، تو ایکسپلورر خود بخود ریفریش ہو جاتا ہے جب ٹیم کے ساتھی پش کرتے ہیں، ہر کسی کو ہم آہنگ رکھتے ہوئے — DeepCerebra کے ذریعے باہمی تعاون پر مبنی ٹیم کی ترقی کی بنیاد۔
ایجنٹ کو بیرونی ٹولز اور ڈیٹا کے ساتھ ماڈل کانٹیکسٹ پروٹوکول کے ذریعے وسعت دیں۔ سرورز کو ایک .deepcerebra/mcp.json فائل میں کنفیگر کریں، مثال کے طور پر:
{
"mcpServers": {
"my-tools": {
"url": "https://example.com/mcp",
"disabled": false,
"allowlist": ["search_issues", "get_pr"],
"autoApprove": ["create_issue"],
"auth": { "type": "bearer", "tokenEnv": "MY_TOKEN" }
}
}
}فعال MCP ٹولز ایجنٹ کو خود بخود دستیاب ہو جاتے ہیں جب وہ آپ کی درخواست سے متعلقہ ہوں۔ مقامی (stdio) اور ریموٹ (http/sse) سرورز دونوں تعاون یافتہ ہیں۔
allowlist درج کرتا ہے، تو صرف وہی ٹولز چل سکتے ہیں۔autoApprove میں پہلے سے منظور نہ کر لیں۔اگر ایک سرور MCP وسائل یا پرامپٹ ٹیمپلیٹس کو ظاہر کرتا ہے، تو ایجنٹ خود بخود انہیں استعمال کرنے کے لیے ٹولز حاصل کر لیتا ہے (mcp_list_resources, mcp_read_resource, mcp_list_prompts, mcp_get_prompt)۔
ایک ریموٹ سرور میں ایک auth بلاک شامل کریں۔ راز ${ENV_VAR} انٹرپولیشن کو سپورٹ کرتے ہیں:
// Static bearer token (literal or from env)
"auth": { "type": "bearer", "token": "${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"
}آپ ایجنٹ کے سوچنے اور عمل کرنے کے طریقے کو ایک واحد، فائل پر مبنی کنونشن — .deepcerebra/ ڈائریکٹری — کے ساتھ تشکیل دے سکتے ہیں جو ڈیسک ٹاپ ایپ، ویب ایپ، اور API میں یکساں طور پر کام کرتا ہے۔ ویب ایپ میں، ان سب کا انتظام ایجنٹ ویو کے تحت کریں؛ ڈیسک ٹاپ پر اور API کے ذریعے یہ سادہ فائلیں ہیں جنہیں آپ اپنے پروجیکٹ کے ساتھ کمٹ کرتے ہیں۔
کنفیگریشن کئی اسکوپس سے دریافت ہوتی ہے؛ جب ایک ہی آئٹم ایک سے زیادہ میں موجود ہوتا ہے، تو اعلیٰ ترجیح والا جیت جاتا ہے:
team/org < global (~/.deepcerebra) < workspace (<repo>/.deepcerebra)
(سب سے کم) (سب سے زیادہ)<repo>/.deepcerebra/…، پروجیکٹ کے ساتھ کمٹ کیا گیا۔~/.deepcerebra/…، آپ کے پروجیکٹس میں ذاتی ڈیفالٹس۔قواعد مستقل ہدایات ہیں — کوڈنگ کے معیارات، آرکیٹیکچر کے کنونشنز، ڈومین کا سیاق و سباق — جو ایجنٹ کے سسٹم پرامپٹ میں داخل کیے جاتے ہیں۔ وہ .deepcerebra/steering/ کے تحت Markdown فائلوں کے طور پر رہتے ہیں، نیز ہمیشہ فعال AGENTS.md معیار۔ فرنٹ میٹر کنٹرول کرتا ہے کہ ایک اصول کب لوڈ ہوتا ہے:
---
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 — ہر باری (ڈیفالٹ)۔fileMatch — صرف اس وقت جب ایک ان-کانٹیکسٹ فائل globs سے ملتی ہو۔auto — جب آپ کی درخواست اصول کے name/description سے ملتی ہو۔manual — صرف اس وقت جب آپ اسے #name یا /name کے طور پر حوالہ دیتے ہیں۔ایک روٹ AGENTS.md ریپو-وائیڈ لاگو ہوتا ہے؛ ایک نیسٹڈ AGENTS.md (مثلاً
services/api/AGENTS.md) صرف اس فولڈر کے تحت فائلوں پر لاگو ہوتا ہے۔ ویب ایپ میں، ایجنٹ → اسٹیئرنگ ویو ہر اصول کو ایک اسکوپ پکر (گلوبل / پروجیکٹ / ٹیم) دیتا ہے۔
مہارتیں دوبارہ استعمال کے قابل پلے بکس ہیں جو ایجنٹ طلب پر لوڈ کرتا ہے۔ ہر مہارت .deepcerebra/skills/ کے تحت SKILL.md کے ساتھ ایک فولڈر ہے:
---
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.ایجنٹ ایک ہلکا پھلکا کیٹلاگ (نام + تفصیل) دیکھتا ہے اور جب متعلقہ ہو تو load_skill ٹول کے ساتھ مکمل باڈی کھینچتا ہے۔ آپ اسے /skill <name> کے ساتھ واضح طور پر بھی طلب کر سکتے ہیں۔ ایک مہارت کو صرف دستی بنانے کے لیے disable-model-invocation: true سیٹ کریں۔
ہکس لائف سائیکل ایونٹس پر آٹومیشن چلاتے ہیں۔ انہیں .deepcerebra/hooks/*.hook.json کے طور پر بیان کریں:
{
"title": "Format on save",
"event": "fileSave",
"filePattern": ["**/*.ts"],
"action": { "type": "shell", "command": "npm run lint:fix -- $FILE" },
"enabled": true
}ایونٹس میں promptSubmit, preToolUse, postToolUse,
fileCreate, fileSave, fileDelete, preTask,
postTask, sessionStart, preCompact، اور agentStop شامل ہیں (Cursor/Claude کی ہجے بھی قبول کی جاتی ہیں)۔ ایک کارروائی یا تو shell (ایک کمانڈ چلائیں) یا agentPrompt (ایجنٹ سے پوچھیں) ہوتی ہے۔ ایک preToolUse ہک اس ٹول کال کو اجازت، انکار، یا پوچھ سکتا ہے جسے وہ روکتا ہے۔
سب ایجنٹس ماہر ایجنٹس ہیں جنہیں آپ تعریف کرتے ہیں اور تفویض کرتے ہیں۔ ہر ایک .deepcerebra/agents/ کے تحت ایک Markdown فائل ہے جس میں فرنٹ میٹر اور ایک باڈی (اس کا سسٹم پرامپٹ) ہے:
---
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…مین ایجنٹ task (بلاکنگ)، task_async + task_status /
task_result (پس منظر)، یا task_parallel (فین-آؤٹ) کے ساتھ تفویض کرتا ہے۔
ایک پلگ ان قواعد، مہارتوں، ہکس، سب ایجنٹس، اور MCP سرورز کو ایک انسٹال ایبل پیکیج میں .deepcerebra/plugins/<name>/ کے تحت بنڈل کرتا ہے، جسے ایک plugin.json مینی فیسٹ کے ذریعے بیان کیا جاتا ہے:
{
"name": "Acme Standards",
"version": "1.2.0",
"description": "Acme rules + skills + review agents.",
"enabled": true
}پلگ ان کے مواد کو سب سے کم ترجیح پر ضم کیا جاتا ہے، لہذا آپ کے اپنے قواعد اور مہارتیں ہمیشہ پلگ ان کی ترجیح کو اوور رائیڈ کرتی ہیں۔
ایک پلگ ان کو "enabled": false یا ایک .disabled مارکر فائل کے ساتھ غیر فعال کریں۔
DCC_ORG_CONFIG_DIR کو ایک مشترکہ
.deepcerebra ڈائریکٹری کی طرف اشارہ کرکے، یا ویب ایپ میں قواعد کو ٹیم اسکوپ پر سیٹ کرکے مشترکہ ڈیفالٹس شائع کر سکتی ہے۔ورک فلو اسٹوڈیو ملٹی ایجنٹ آٹومیشن کے لیے ایک بصری ڈیزائنر ہے۔ آپ اسٹیجز — ہر ایک ایجنٹ، ایک ماہر قدم، یا ایک کنٹرول پرائمیٹو — کو ایک گراف میں ترتیب دیتے ہیں، انہیں انحصار کے ساتھ جوڑتے ہیں، اور پورے آرکیسٹریشن کو انجن پر لائیو فی اسٹیج پیش رفت، بجٹ، اور انسانی منظوری کے گیٹس کے ساتھ چلاتے ہیں۔ ورک فلوز کو ایک پورٹیبل YAML/JSON تعریف کے طور پر محفوظ کیا جاتا ہے جسے آپ Git میں ایکسپورٹ، امپورٹ، ورژن کر سکتے ہیں، اور API یا CLI سے چلا سکتے ہیں۔
| اسٹیج کی قسم | یہ کیا کرتا ہے |
|---|---|
agent | آپ کی منسلک کردہ مہارتوں اور ٹولز کے ساتھ ایک ایجنٹ کی باری۔ |
spec.requirements / spec.design / spec.execute |
اسپیک-پہلے کی ڈیلیوری: ضروریات کا مسودہ تیار کریں، ڈیزائن کریں، پھر کاموں میں تقسیم کریں اور عمل درآمد کریں — ہر ایک گیٹ ایبل۔ |
documents.generate | پچھلے اسٹیج کے آؤٹ پٹس سے ایک پالش شدہ دستاویز تیار کریں۔ |
fan_out | سنتھیسس کے ساتھ کئی ذیلی موضوعات پر متوازی وسیع تحقیق۔ |
map / loop / switch |
کنٹرول پرائمیٹو: ہر آئٹم کے لیے ایک باڈی چلائیں، ایک شرط پوری ہونے تک دہرائیں، یا کیسز میں برانچ کریں۔ |
verify / browser_verify |
سینڈ باکس میں ٹیسٹ یا کمانڈز چلائیں؛ براؤزر آٹومیشن کے ساتھ چلنے والے UI کی تصدیق کریں۔ |
orchestrate | ڈائنامک روٹنگ: ایک آرکیسٹریٹر ایجنٹ درخواست کو پڑھتا ہے اور اسے ایونٹس کے ذریعے بہترین ڈاؤن اسٹریم ایجنٹ(ز) کو بھیجتا ہے۔ |
external.agent | ایک رجسٹرڈ تھرڈ پارٹی ایجنٹ کو HTTP (A2A) پر کال کریں جیسے کہ یہ ایک مقامی اسٹیج ہو۔ |
eval | چیک (contains / regex / length / LLM-judge) کے خلاف ایک اپ اسٹریم آؤٹ پٹ کو اسکور کریں؛ ایک حد سے نیچے ناکام ہو جائیں۔ |
db.provision | ایک ملکیت والی ڈیٹا لیئر تیار کریں: ڈیٹا بیس کے لیے docker-compose، ورژن شدہ SQL مائیگریشنز، سیڈ ڈیٹا، .env ٹیمپلیٹ، اور ایک Mermaid ERD؛ اختیاری auth اسکافولڈ؛ SQLite پر مائیگریشنز کو فوری طور پر لاگو کر سکتا ہے۔ |
ci.generate | lint → test → scan → build → deploy اور ماحول کی ترقی کے ساتھ ایک تیار-کمیٹ CI/CD پائپ لائن (GitHub Actions, GitLab CI, یا Azure Pipelines) تیار کریں۔ |
deploy.package | پروڈکشن تعیناتی کے اثاثے تیار کریں: ملٹی اسٹیج Dockerfile، docker-compose، Kubernetes مینی فیسٹس، یا ایک Helm چارٹ — وہ فائلیں جو آپ کی ملکیت ہیں اور آپ کمٹ کرتے ہیں۔ |
test.generate | بنی ہوئی ایپ کے لیے یونٹ / API / E2E سوئیٹس تیار کریں نیز ایک ضرورت-سے-ٹیسٹ ٹریسیبلٹی میٹرکس۔ |
test.verify | ایک ٹیسٹ سوئیٹ (pytest, vitest, jest, Playwright) کو چلائیں اور اس کی پاس ریٹ پر رن کو گیٹ کریں۔ |
security.audit | معلوم کمزوریوں کے لیے انحصار کو اسکین کریں اور ہارڈ-کوڈڈ رازوں کے لیے ٹری کو اسکین کریں؛ الرٹ ایونٹس شائع کرتا ہے اور ایک نتائج کی رپورٹ لکھتا ہے۔ |
preview | تیار کردہ ایپ کو مقامی طور پر شروع کریں اور اس کے لائیو URL کو رن پینل (لنک + ان لائن فریم) میں ایک preview.ready ایونٹ کے ذریعے ظاہر کریں۔ |
design.import | ایک UI ڈیزائن امیج (اسکرین شاٹ، موک اپ، Figma ایکسپورٹ) کو ڈاؤن اسٹریم اسٹیجز کے لیے ایک منظم امپلیمینٹیشن اسپیک میں تبدیل کریں۔ |
ہر اسٹیج — قسم سے قطع نظر — ورک اسپیس ایونٹ بس پر ٹائپ شدہ ایونٹس کو شائع اور سبسکرائب کر سکتا ہے، تاکہ ایجنٹس صرف DAG کے ذریعے نہیں بلکہ ایک میسج فیبرک پر خدمات کی طرح ہم آہنگی پیدا کریں۔
lifecycle, agent,
business, data, system, schedule, chat,
external، یا alert — سبسکرپشنز اور ری پلے میں فلٹر کیے جا سکتے ہیں۔trigger (اسٹیج اس وقت چلتا ہے جب ایک مماثل ایونٹ آتا ہے؛ پارک شدہ اسٹیجز کے ساتھ ایک رن سننے کے طور پر رہتا ہے)، gate (ایک مشین گیٹ جسے انسانی کلک کے بجائے ایک ایونٹ سے منظور کیا جاتا ہے)، اور data (پے لوڈ اسٹیج کے سیاق و سباق میں ضم ہو جاتا ہے)۔agent.<stage-id>.request پر شائع کرکے شروع کیا جا سکتا ہے۔triggers: بلاک اسے ان باؤنڈ ویب ہکس، کرون شیڈیولز، ایونٹس، یا چیٹ پر شروع کرنے کے لیے تیار کرتا ہے — یہاں تک کہ جب اسٹوڈیو بند ہو۔ایونٹس پر رد عمل ظاہر کرنے والے ایجنٹس ایک پائیدار نامی قطار کا اعلان کر سکتے ہیں تاکہ مماثل ایونٹس کبھی ضائع نہ ہوں جبکہ ایجنٹ مصروف ہو یا رن کے سننے سے پہلے۔ ایک ٹریگر سبسکرپشن پر، queue: <name> سیٹ کریں — انجن اس ٹاپک کو ورک اسپیس ایونٹ بس پر ایک FIFO قطار سے جوڑتا ہے (.deepcerebra/workflows/events/queues/ کے تحت برقرار رکھا گیا)۔ اس نقطہ سے شائع ہونے والا ہر مماثل ایونٹ قطار میں شامل ہو جاتا ہے؛ جب اسٹیج چلنے کے قابل ہو جاتا ہے، تو انجن ایونٹس کو سب سے پرانے-پہلے ترتیب میں پاپ کرتا ہے اور انہیں ایک وقت میں ایک استعمال کرتا ہے۔
count — سبسکرپشن کے مطمئن ہونے سے پہلے N قطار میں موجود (یا ڈیلیور کیے گئے) ایونٹس کی ضرورت ہوتی ہے (مفید جب کئی کارکنوں کو رپورٹ کرنا ہو)۔GET /api/workflow/queues گہرائی اور بائنڈنگز کی فہرست دیتا ہے؛
GET /api/workflow/queues/{name} زیر التواء ایونٹس کو جھانکتا ہے؛ چیٹ ایجنٹس
event_queue_status اور pop_queued_event کو کال کر سکتے ہیں۔events:
subscribe:
- topic: ticket.created
mode: trigger
queue: triage-inbox # durable FIFO — events wait here for this agent
map:
payload.ticket_id: ticket_idایک سیمفور اس بات کو محدود کرتا ہے کہ کتنے کام ایک ساتھ مشترکہ (محفوظ) وسائل پر کام کر سکتے ہیں: ایک ڈیٹا بیس جس میں لکھا جا رہا ہو، ایک عالمی متغیر اسٹور، ایک فائل، یا ایک شرح محدود بیرونی ایجنٹ۔ اسے کسی بھی مرحلے سے منسلک کریں semaphore: — مرحلے کا کام شروع ہونے سے پہلے، انجن نامزد ورک اسپیس سیمفور کا ایک اجازت نامہ حاصل کرتا ہے؛ اجازت نامہ ہمیشہ جاری کیا جاتا ہے بعد میں، چاہے مرحلہ ناکام ہو جائے۔ permits: 1 اسے ایک میوٹیکس بناتا ہے: ایک وقت میں صرف ایک کام (ورک اسپیس میں تمام متوازی رن کے دوران) اہم قدم کو انجام دیتا ہے؛ ہر دوسرا کام ہولڈر کے ختم ہونے تک انتظار کرتا ہے۔
timeout_s تک بلاک ہوتے ہیں؛ اگر وسائل اپنی گنجائش پر رہتے ہیں، تو اسٹیج ہمیشہ کے لیے لٹکنے کے بجائے واضح طور پر ناکام ہو جاتا ہے۔ttl_s رکھتا ہے؛ اگر ایک ہولڈر جاری کیے بغیر کریش ہو جاتا ہے، تو پرمٹ خود بخود ختم ہو جاتا ہے تاکہ وسائل کبھی ڈیڈ-لاک نہ ہوں۔semaphore.<name>.waiting, .acquired، اور
.released سسٹم ایونٹس خارج کرتی ہے؛ GET /api/workflow/semaphores گنجائش، ہولڈرز، اور دستیاب پرمٹس دکھاتا ہے۔acquire_semaphore, release_semaphore، اور
semaphore_status ٹولز ایک ورک فلو کے باہر ایڈ-ہاک اہم حصوں کو ہم آہنگ کرتے ہیں۔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 minutesرینڈیزو اس وقت تک انتظار کرتا ہے جب تک کہ متعدد ایونٹ کی شرائط پوری نہ ہو جائیں اس سے پہلے کہ اگلا قدم آگے بڑھے — "پہلا ایونٹ جیتتا ہے" کے برعکس۔ اسٹیج کے events: بلاک پر join: all سیٹ کریں: ہر ٹریگر سبسکرپشن کو مطمئن ہونا چاہیے اس سے پہلے کہ اسٹیج چلے۔ فی سبسکرپشن count: N کے ساتھ جوڑیں جب کئی ایجنٹس (یا ایک ایجنٹ سے کئی رپورٹس) کو سب کو چیک ان کرنا ہو — مثال کے طور پر، ڈیزائن سائن-آف، ٹیسٹ کی تکمیل، اور سیکیورٹی کی منظوری ایک ریلیز اسٹیج کے عمل درآمد سے پہلے۔
join: any (ڈیفالٹ) — اسٹیج اس وقت چلتا ہے جب پہلی ٹریگر سبسکرپشن مطمئن ہو جاتی ہے۔join: all — رینڈیزو: ہر ٹریگر سبسکرپشن (ہر ایک اپنے ٹاپک، کلاس فلٹر، اور اختیاری
count کے ساتھ) کو مطمئن ہونا چاہیے؛ تب ہی اسٹیج چلنے کے قابل ہوتا ہے۔trigger_events کے طور پر ریکارڈ کیے جاتے ہیں اور ٹیمپلیٹس کو inputs.events (پے لوڈز کے ساتھ ایونٹ آبجیکٹس کی ایک فہرست) کے طور پر ظاہر کیے جاتے ہیں۔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: 1اسٹیجز وہی ٹولز منتخب کرتے ہیں جو چیٹ ایجنٹ استعمال کرتا ہے:
create_database, apply_migrations، اور dump_schema ملکیت والی ڈیٹا لیئرز کے لیے۔docker_build / docker_push، کمپوز اپ/ڈاؤن، SSH اور کلاؤڈ-CLI تعیناتیاں (Fly, Render, Railway, Vercel)، نیز سمولیشن-محفوظ۔Class.method)۔/v1 API رن، ایونٹس، ٹریگرز، ٹیمپلیٹس، اور CI اور انٹیگریشنز کے لیے جنریشن کو ظاہر کرتا ہے۔db.provision → امپلیمینٹیشن → تیار کردہ ٹیسٹ → سیکیورٹی آڈٹ → تعیناتی پیکیجنگ → CI جنریشن کو جوڑتا ہے، پیکیجنگ سے پہلے ایک انسانی گیٹ کے ساتھ — ایک مکمل بریف-ٹو-پروڈکشن راستہ جسے آپ منٹوں میں ڈھال سکتے ہیں۔پیش گوئی کرنے والی ٹیب تکمیل ایڈیٹر میں ٹائپ کرتے وقت ان لائن، درمیان میں بھرنے والی کوڈ کی تجاویز پیش کرتی ہے — Tab کے ساتھ ایک تجویز قبول کریں۔ یہ انجن اور ویب ایڈیٹر دونوں پر آپٹ-ان ہے۔
DCC_TAB_COMPLETE=1 سیٹ کریں۔ ایڈیٹر انجن کے
POST /api/complete اینڈ پوائنٹ کو کال کرتا ہے، جو صرف کرسر پر داخل کرنے کے لیے متن واپس کرتا ہے۔VITE_TAB_COMPLETE=1 کے ساتھ فعال کریں، یا رن ٹائم پر
localStorage.setItem('dcc.tabComplete', '1') کے ساتھ (پھر دوبارہ لوڈ کریں)۔اپنے پلان اور استعمال کا انتظام کرنے کے لیے سائڈبار سے بلنگ کھولیں۔ AI کا استعمال بنیادی ماڈلز کے ذریعے استعمال ہونے والے ٹوکنز کی بنیاد پر امریکی ڈالر کے کریڈٹس میں ماپا جاتا ہے۔
| پلان | ماہانہ قیمت | شامل ماہانہ AI استعمال |
|---|---|---|
| بیسک | $20 | $10 |
| پرو | $75 | $30 |
| الٹیمیٹ | $200 | $150 |
ایک گیٹ وے API کلید (ایک ذاتی رسائی ٹوکن) آپ کو DeepCerebra پبلک API اور CLI کو پروگرام کے ذریعے استعمال کرنے کی اجازت دیتا ہے۔
read, chat, code, agent — اور دنوں میں ایک اختیاری میعاد (خالی = کبھی نہیں) منتخب کریں۔اسے CLI یا deepcerebra.ai پر API کے ساتھ استعمال کریں:
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/...آپ کسی بھی وقت ایک کلید کو نام تبدیل یا حذف (منسوخ) کر سکتے ہیں؛ ہر کلید اس کا پریفکس، اسکوپس، تخلیق/میعاد، اور آخری استعمال کی تاریخ دکھاتی ہے۔
Chrome, Edge, یا Brave پر سوئچ کریں، یا اس کے بجائے Git سے کھولیں استعمال کریں۔
روکیں پر کلک کریں، پھر ایک ٹھوس اشارے یا رکاوٹ کے ساتھ دوبارہ بیان کریں۔
dcc-bridge کنیکٹر چل رہا ہے اور ڈیوائس آن لائن دکھا رہی ہے۔1234) ایک ماڈل کے ساتھ لوڈ کیا گیا ہے۔--gateway کے طور پر وہی ڈومین استعمال کریں جو آپ براؤزر میں استعمال کرتے ہیں (wss://deepcerebra.ai یا wss://deepcerebra.io) — دونوں سائٹس الگ الگ تعیناتیاں ہیں، اور ایک سے حاصل کردہ ٹوکن دوسرے پر کبھی کام نہیں کرتا۔پل ریکویسٹ کھولنے کے لیے انٹیگریٹ استعمال کرنے سے پہلے ایک ورکنگ برانچ کھولیں یا بنائیں۔
اب بھی پھنسے ہوئے ہیں؟ support@deepcerebra.ai سے رابطہ کریں۔
Discovery آپ کے ڈیٹا بیسز اور دستاویزات کے لیے ایک تحقیقاتی چیٹ بوٹ ہے۔
ایک ہی استفسار کے ساتھ جواب دینے کے بجائے، یہ ایک تجزیہ کار کی طرح کام کرتا ہے: یہ مفروضے بناتا ہے،
محفوظ تحقیقات (SQL، گراف، دستاویز کی تلاش، سکیمہ کی جانچ، ویب کی تصدیق) کی ایک سیریز چلاتا ہے، ان
وضاحتوں کو ختم کرتا ہے جنہیں شواہد رد کرتے ہیں، اور چارٹس اور ایک
شفاف لاگت کی رسید کے ساتھ ایک ٹھوس جواب تیار کرتا ہے۔ اسے ایکٹیویٹی ریل میں موجود
کمپاس آئیکن (/app/discovery) سے کھولیں۔
ایک Space ہر وہ چیز اکٹھا کرتا ہے جس کی ایک سوالی سلسلے کو ضرورت ہوتی ہے: ڈیٹا بیس کنکشنز، دستاویزات کے مجموعے، تجزیہ کار کے لیے ہدایات، اور بجٹ۔ + New space کے ساتھ ایک بنائیں، پھر دائیں جانب سیٹ اپ پینل استعمال کریں تاکہ:
ایک سوال اس طرح ٹائپ کریں جیسے آپ کسی ساتھی سے پوچھیں گے — مثال کے طور پر "مارچ میں MRI سکین کی مقدار میں کمی کیوں آئی؟"۔ تحقیقاتی بورڈ پورے عمل کو براہ راست سٹریم کرتا ہے:
فالو اپ سوالات اسی سلسلے کو جاری رکھتے ہیں، تاکہ تجزیہ کار اپنا سیاق و سباق برقرار رکھے۔
چارٹس تحقیقاتی بورڈ پر ان لائن رینڈر ہوتے ہیں۔ مکمل استفسار — جواب، مفروضے، شواہد، اور چارٹس — کو ایک خود مختار HTML رپورٹ یا پرنٹ کوالٹی PDF کے طور پر ڈاؤن لوڈ کرنے کے لیے Export استعمال کریں، جو نیون ڈیزائن سسٹم کے ساتھ سٹائل کیا گیا ہو۔
ہر Space میں فی استفسار بجٹ ہوتا ہے: تحقیقات کی زیادہ سے زیادہ تعداد، تحقیقاتی راؤنڈز، سیکنڈز، اور USD۔ انجن حد پر صاف طور پر رک جاتا ہے اور اب تک جو کچھ ملا ہے اس کی اطلاع دیتا ہے۔ ہر تحقیقات کی لاگت رسید پر تفصیل سے درج ہوتی ہے، تاکہ آپ کو ہمیشہ معلوم ہو کہ خرچ کہاں ہوا۔
/v1/discovery/* کے تحت دستیاب ہے جس میں
discovery سکوپ والا PAT شامل ہے (اسے Account → API Tokens کے تحت بنائیں۔)
سٹریمنگ استفسارات SSE استعمال کرتے ہیں۔ بیرونی ایگزیکیوٹرز Thinking API
(/v1/think/*، سکوپ think) کے ذریعے صرف تحقیقاتی منصوبہ بندی ادھار لے سکتے ہیں۔pip install deepcerebra-discovery، پھر
DiscoveryClient(base_url, token).ask(space_id, question)۔discovery.ask) کو شامل کریں تاکہ ایک تحقیقات کو پائپ لائن کے مرحلے کے طور پر چلایا جا سکے؛ جواب،
چارٹس، اور رسید نیچے کے مراحل میں منتقل ہو جاتے ہیں۔discovery_ask اور
discovery_list_spaces کو MCP ٹولز کے طور پر ظاہر کرتا ہے، تاکہ بیرونی MCP کلائنٹس بھی تحقیقات چلا سکیں۔