1 简介与版本

DeepCerebra Coder 是一款智能体编码助手。与普通的自动补全副驾驶不同，它会规划、编写、重构、运行命令、调用工具，并在您的整个项目中迭代 — 您负责审查并批准它提出的更改。

三种使用方式

本指南侧重于 deepcerebra.ai 上的 Web 应用；桌面应用镜像了相同的面板和工作流。

2 入门与账户

支持的浏览器

请使用最新版本的 Chrome、Edge 或 Brave 以获得完整体验 — 打开本地文件夹依赖于 Chromium File System Access API。Firefox 和 Safari 可用于聊天和 Git 支持的项目，但无法直接打开本地文件夹。

创建账户

1. 在登录页面点击开始使用。
2. 填写可选的显示名称、电子邮件、国家/地区和出生日期（您必须年满 18 岁）。
3. 选择您的界面语言并设置至少 12 个字符的密码。
4. 阅读协议通知并确认。创建账户即表示您同意 服务条款、 隐私声明、 服务说明和 全球数据处理协议。
5. 点击创建账户，如果出现提示，请验证您的电子邮件，然后登录。

重置密码

1. 在登录页面，点击忘记密码？
2. 输入您的电子邮件并打开发送到您收件箱的重置链接。
3. 设置新密码（至少 12 个字符）。
4. DeepCerebra Discovery — 询问您的数据和文档

3 工作区概览

登录后，您将进入工作台，所有面板都显示在一个屏幕上：

• 文件管理器（左侧）— 打开项目的文件树，带有刷新和关闭按钮。
• 编辑器（中央）— 文件内容，带有语法高亮和迷你地图概览；当智能体提出更改时，此处会显示内联差异。
• 终端（编辑器下方，可切换开/关）— 运行命令并读取输出。
• 聊天（右侧）— 智能体对话；这是主要的、占据空间的面板。

拖动编辑器和聊天之间的分割器以重新平衡布局，拖动水平分割器以调整终端大小。左侧边栏还可导航至工作区、扩展、API Keys、账单和反馈。

4 打开项目

4.1 打开本地文件夹

1. 在文件管理器中，点击打开项目文件夹。
2. 选择一个文件夹并授予浏览器读取权限。
3. 文件将被读取到您的浏览器加密的浏览器内工作区 — 不会上传任何内容。您将看到实时计数和最终摘要（文件计数 · 大小，以及任何跳过或截断的文件）。

4.2 从 Git 打开 (GitHub / GitLab)

1. 在文件管理器中点击从 Git 打开。
2. 选择 GitHub 或 GitLab 选项卡并粘贴个人访问令牌。对于 GitHub，请使用 repo 范围（经典）或具有 Contents + Pull requests 的细粒度令牌；对于 GitLab，请使用 api 范围。您的令牌存储在服务器上 — 只有文件内容会被拉取到浏览器中。
3. 将仓库输入为 owner/name（过滤列表以找到您的仓库），然后选择一个分支。
4. 可选地勾选创建新工作分支（例如 dcc/my-feature），以使您的工作与默认分支隔离。
5. 可选地启用 push webhook，以便队友推送时文件管理器即时刷新（需要公共网关 URL）。
6. 点击打开仓库。

4.3 刷新、切换和关闭

• 刷新（文件管理器标题中的 ↻）重新扫描文件夹或从 Git 拉取最新内容。
• 从文件树下方的按钮打开另一个文件夹或从 Git 打开。
• 关闭项目（垃圾桶图标）会清除浏览器内工作区。

4.4 文件夹范围的聊天会话

聊天历史记录与打开的项目绑定。切换文件夹会自动开始新会话并加载该文件夹的先前会话，重新打开最近的会话，以便您可以从上次中断的地方继续。

4.5 操作文件夹

DeepCerebra 内部使用的文件夹 — .deepcerebra、.sessions — 会显示在文件树中，但默认情况下是折叠的，以免它们使您的源代码混乱。

5 文件操作

• 在文件管理器中点击文件以在编辑器中打开它；迷你地图可帮助您导航长文件。
• 将文件从文件管理器拖动到聊天提示中，将其作为显式上下文附加到您的下一条消息。
• 当智能体提出编辑时，编辑器会显示所选文件的内联差异。

6 与智能体聊天

编写请求

用通俗的语言描述您想要什么 — 提出问题、请求功能或指出错误。具体说明文件、框架和约束以获得最佳结果。通过将相关文件拖到提示中来附加它们。

阅读响应，Cursor 风格

响应的组织方式类似于 Cursor：智能体的推理与可交付成果分开。每个响应块的右上角都有一个复制图标，因此您可以复制完成的报告、文档或您需要运行的命令。

引导或停止运行

• 使用停止来中止正在错误方向运行的任务，然后完善您的提示。
• 给出提示（例如“使用 lxml 而不是 html.parser”）以使智能体跳出循环。

7 四种聊天模式

从提示旁边的模式选择器中选择一种模式。每种模式都会调整智能体规划的程度以及编辑的自由度：

8 审查与应用更改

当智能体提出文件更改时，聊天输入上方会出现一个建议更改面板，列出每个被触及的文件，并显示添加 (+) 和删除 (−) 的行数。

• 点击文件行以在编辑器中打开其内联差异。
• 应用或拒绝单个文件，或使用全部应用 / 全部拒绝。
• 已应用的更改标记为 applied（当写入实际文件夹时标记为 · disk）。
• 如果没有可写入的文件夹，则仅限工作区徽章表示更改仅应用于浏览器内工作区。

9 集成终端

切换编辑器下方的终端以运行构建、测试和脚本。在您的授权下，智能体可以执行命令并读取其输出以验证其工作；长时间运行的命令会流式传输输出，以便您可以观察进度。不需要时，从其标题关闭终端。

10 规划模式与执行

对于更大的目标，请使用规划模式（或要求智能体先进行规划）。规划器会扫描您的项目，将目标分解为依赖感知任务，并将每个任务分配给正确的专家（架构师、编码员、测试员、文档员）。

• 审查并编辑计划 — 在执行之前添加、删除或修改任务。
• 逐层执行 — 独立任务同时运行；如果任务失败，规划器可以重新规划。
• 随时暂停、恢复或中止执行。

11 选择模型与 Auto 模式

打开提示旁边的模型选择器。选项分组如下：

• Auto — 让 DeepCerebra 选择最佳可用模型（推荐）。
• 本地（您的 GPU） — 从您自己的机器提供的模型（参见 §13）。
• 平台网关 — 托管模型，按网关然后按供应商分组（例如 Anthropic、OpenAI、Google）。

Auto 选择的工作原理

在 Auto 模式下，DeepCerebra 使用分层自适应路由：简单任务路由到快速、经济的模型，而复杂或规划密集型工作（例如，规划模式）则路由到更强的模型。这会自动平衡成本和质量，因此您很少需要手动选择。

12 自带密钥 (BYOK)

您可以选择通过您自己的提供商账户路由请求，而不是使用按量计费的平台使用量。

1. 从侧边栏打开API Keys。
2. 在自带密钥下，选择一个提供商（例如 ANTHROPIC_API_KEY、GOOGLE_API_KEY、OPENAI_API_KEY）。
3. 粘贴密钥值并点击保存。密钥在静态时加密，绝不会返回到浏览器 — 只显示一个遮蔽的预览。

平台 (DeepCerebra) 模型不需要密钥。随时使用移除删除密钥。

13 本地机器：GPU 模型与控制台 (DCC Bridge)

DCC Bridge 通过一个小型 dcc-bridge 连接器将您自己的计算机连接到 Web 应用，同时解锁两项功能：

• 本地 GPU 模型 — 在您的机器上由 Ollama 或 LM Studio 提供的模型会出现在模型选择器中的本地（您的 GPU）下。
• 您机器上的控制台/终端 — Web 终端和智能体可以在您的计算机上运行真实命令，包括您已配置的 CLI 工具（Railway、AWS CLI、OVH CLI、gh、docker、kubectl、WSL 等），并使用其现有凭据。

连接器通过经过身份验证的 WebSocket 向外拨号 — 无需入站端口，并且它在 NAT 和防火墙后面工作。它在 Windows、macOS 和 Linux 上运行 (Python 3.10+)。

13.1 配对您的计算机

1. 点击左侧活动栏中的笔记本电脑图标 — 本地机器 (GPU + Console)。（相同的面板也可以通过模型选择器页脚的管理本地 GPU…打开。）
2. 确保本地执行开关已启用，命名设备，然后点击添加此计算机。复制一次性配对令牌（dcc_brg_…）和可直接粘贴的连接器命令 — 令牌只显示一次。

13.2 安装并运行连接器

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

• 使用您在浏览器中使用的相同域名作为网关（wss://deepcerebra.ai 或 wss://deepcerebra.io）— 配对卡会预填充正确的域名。这两个站点是独立的部署，拥有独立的账户和令牌。
• 对于 GPU 模型，保持 Ollama 运行，或启用 LM Studio 的本地服务器（默认端口 1234）并加载模型。
• 配对设备会显示在线/离线状态、模型数量和执行范围；您可以随时撤销设备。

13.3 从 Web 应用使用您的控制台

默认情况下，命令被限制在专用工作区文件夹（~/DeepCerebra）中。要在您的真实项目文件夹中使用预配置的 CLI 工具，请在启动连接器时明确授予它们权限：

# 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

然后打开终端面板，点击执行目标弹出窗口（笔记本电脑图标），选择我的电脑，并选择一个工作目录。您输入的命令和智能体的构建/测试命令都将在您的机器上执行。

14 Git 协作工作流

打开 Git 支持的项目后，文件管理器中会出现一个分支栏，显示您当前的分支和两个操作：

• 签入 (提交) — 审查更改的文件数量，编写提交消息，并提交到您的工作分支。
• 集成 — 从您的工作分支向默认分支（例如 main）打开一个 pull request。您必须在工作分支上，而不是默认分支。

如果启用了 push webhook，当队友推送时，文件管理器会自动刷新，使每个人保持同步 — 这是通过 DeepCerebra 进行协作团队开发的基础。

15 MCP Servers

通过 Model Context Protocol 扩展智能体，使其能够访问外部工具和数据。在 .deepcerebra/mcp.json 文件中配置服务器，例如：

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

当启用的 MCP 工具与您的请求相关时，它们会自动对智能体可用。本地 (stdio) 和远程 (http/sse) 服务器都受支持。

内置安全

• 默认拒绝 — 当服务器列出 allowlist 时，只有这些工具可以运行。
• 高风险工具审批 — 除非您在 autoApprove 中预先批准，否则修改工具（写入/删除/部署/…）需要审批。
• 速率限制、参数和输出清理以及审计日志适用于每次调用。

资源与提示

如果服务器公开 MCP 资源或提示模板，智能体会自动获得使用它们的工具（mcp_list_resources、mcp_read_resource、mcp_list_prompts、mcp_get_prompt）。

远程服务器的身份验证

向远程服务器添加一个 auth 块。密钥支持 ${ENV_VAR} 插值：

// 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 自定义智能体：规则、技能、钩子、子智能体与插件

您可以利用一个基于文件的单一约定来塑造代理的思维和行为方式 — 即 .deepcerebra/ 目录 — 它在 桌面应用、Web 应用和 API 中工作方式完全相同。在 Web 应用中，您可以在代理视图下管理所有这些；在桌面端和通过 API，它们是您可以随项目提交的普通文件。

范围与优先级

配置从多个范围发现；当同一项存在于多个范围时，优先级较高的获胜：

team/org  <  global (~/.deepcerebra)  <  workspace (<repo>/.deepcerebra)
(最低)                                              (最高)

• 工作区 — <repo>/.deepcerebra/…，随项目提交。
• 全局 — ~/.deepcerebra/…，您跨项目的个人默认设置。
• 团队 / 组织 — 一个共享的基线（最低优先级），因此用户或项目始终可以覆盖它。在网络应用中，将规则的范围设置为团队。

规则 (steering)

规则是持久性指令 — 编码标准、架构约定、领域上下文 — 注入到智能体的系统提示中。它们以 Markdown 文件的形式存在于 .deepcerebra/steering/ 下，以及始终启用的 AGENTS.md 标准。Frontmatter 控制规则何时加载：

---
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 — 每次轮次（默认）。
• fileMatch — 仅当上下文中的文件匹配 globs 时。
• auto — 当您的请求匹配规则的 name/description 时。
• manual — 仅当您将其引用为 #name 或 /name 时。

根目录的 AGENTS.md 适用于整个仓库；嵌套的 AGENTS.md（例如 services/api/AGENTS.md）仅适用于该文件夹下的文件。在 Web 应用中，智能体 → 引导视图为每个规则提供一个范围选择器（全局 / 项目 / 团队）。

技能

技能是智能体按需加载的可重用剧本。每个技能都是一个文件夹，其中包含 .deepcerebra/skills/ 下的 SKILL.md：

---
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.

智能体看到一个轻量级目录（名称 + 描述），并在相关时使用 load_skill 工具拉取完整内容。您也可以使用 /skill <name> 显式调用。将 disable-model-invocation: true 设置为仅手动技能。

钩子

钩子在生命周期事件上运行自动化。将它们定义为 .deepcerebra/hooks/*.hook.json：

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

事件包括 promptSubmit、preToolUse、postToolUse、fileCreate、fileSave、fileDelete、preTask、postTask、sessionStart、preCompact 和 agentStop（也接受 Cursor/Claude 拼写）。操作可以是 shell（运行命令）或 agentPrompt（询问智能体）。preToolUse 钩子可以允许、拒绝或询问它拦截的工具调用。

子智能体

子智能体是您定义并委托的专业智能体。每个子智能体都是 .deepcerebra/agents/ 下的 Markdown 文件，带有 frontmatter 和正文（其系统提示）：

---
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…

主智能体通过 task（阻塞）、task_async + task_status / task_result（后台）或 task_parallel（扇出）进行委托。

插件

插件将规则、技能、钩子、子智能体和 MCP servers 打包成一个可安装的包，位于 .deepcerebra/plugins/<name>/ 下，由 plugin.json 清单描述：

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

插件内容以最低优先级合并，因此您自己的规则和技能始终会覆盖插件的。使用 "enabled": false 或 .disabled 标记文件禁用插件。

17 智能体工作流工作室与事件驱动型智能体

工作流工作室是多智能体自动化的可视化设计器。您可以将阶段 — 每个阶段都是一个智能体、一个专业步骤或一个控制原语 — 组合成一个图，用依赖关系连接它们，并在引擎上运行整个编排，实时显示每个阶段的进度、预算和人工审批门。工作流保存为可移植的 YAML/JSON 定义，您可以导出、导入、在 Git 中版本控制，并从 API 或 CLI 运行。

17.1 构建工作流

• 调色板（左侧）— 将阶段类型、现成的智能体类型（研究、代码生成、QA、文档编写器、医疗设备、专利顾问以及您自己的自定义类型）、技能库中的技能和工具拖到画布上。
• 画布（中央）— 排列阶段并绘制边缘；边缘表示“此阶段依赖于彼阶段”，并自动将上游输出馈送到下游提示中。
• 检查器（右侧，可调整大小）— 配置所选阶段：其提示、技能、工具、每阶段的模型覆盖、输出工件、门控、事件和特定类型参数。
• 模板 — 从内置蓝图（Ship-It Pipeline、SaaS Starter、Data Pipeline with Evals、Customer Comms Hub、Design → Verified App）开始并进行自定义。
• 生成 — 用通俗的语言描述应用程序或流程，智能体构建器会生成一个完整、经过验证的工作流图，您可以审查、调整和运行。

17.2 阶段库

17.3 事件驱动型智能体（智能体网格）

每个阶段 — 无论类型如何 — 都可以在工作区事件总线上发布和订阅类型化事件，因此智能体像消息结构上的服务一样进行协调，而不仅仅是通过 DAG：

• 事件类别 — 每个事件都带有一个类别：lifecycle、agent、business、data、system、schedule、chat、external 或 alert — 可在订阅和重放中进行过滤。
• 订阅模式 — trigger（当匹配事件到达时阶段运行；带有停靠阶段的运行保持为监听状态）、gate（由事件而不是人工点击批准的机器门）和 data（有效负载合并到阶段的上下文中）。
• 事件启动 — 任何智能体都可以通过向其地址 agent.<stage-id>.request 发布来由编排器或其他智能体启动。
• 运行触发器 — 工作流的 triggers: 块使其能够通过入站 webhooks、cron schedules、events 或聊天启动 — 即使工作室已关闭。
• 实时运行 — 运行面板通过 SSE 流式传输生命周期事件：阶段开始/完成、门、警报和预览即时出现。
• 持久日志与重放 — 事件按工作区持久化，并可按主题模式和类别重放，用于审计和调试。

17.3.1 用于代理的事件排队

响应事件的代理可以声明一个持久命名队列，这样，在代理繁忙或运行尚未监听时，匹配的事件永远不会丢失。在触发器订阅上，设置queue: <name>——引擎将该主题绑定到工作区事件总线上的 FIFO 队列（持久化在.deepcerebra/workflows/events/queues/下）。从那时起发布的每个匹配事件都会被捕获到队列中；当阶段变为可运行时，引擎会按最旧优先顺序弹出事件并逐个消费。

• 不丢失任何内容——当工作流关闭、另一个阶段正在运行或运行仍在等待依赖项时发布的事件会被排队而不是丢弃。
• 每个订阅的count——在订阅满足之前，需要N个排队（或已交付）事件（当多个工作者必须报告时很有用）。
• Studio——在 Inspector 的事件面板中，在触发器订阅上设置queue字段；激活触发器或启动运行以自动创建绑定。
• API 和工具——GET /api/workflow/queues 列出深度和绑定；GET /api/workflow/queues/{name} 窥视待处理事件；聊天代理可以调用event_queue_status 和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 信号量编排（共享资源保护）

信号量限制了多少任务可以同时操作共享（受保护）资源：例如正在写入的数据库、全局变量存储、文件或受速率限制的外部代理。使用semaphore:将其附加到任何阶段——在阶段工作运行之前，引擎会获取指定工作区信号量的一个许可；即使阶段失败，该许可也总是会被释放。permits: 1使其成为互斥锁：一次只有一个任务（在工作区的所有并行运行中）执行关键步骤；其他所有任务都会等待直到持有者完成。

• 跨运行序列化——信号量是工作区范围的且持久化的，因此两个并发的工作流运行不能破坏相同的受保护资源。
• 等待，而非挂起——任务会阻塞最多timeout_s时间以获取许可；如果资源保持满负荷，阶段会明显失败而不是永远挂起。
• 崩溃安全——每个许可都带有ttl_s；如果持有者在未释放的情况下崩溃，许可会自动过期，从而避免资源死锁。
• 可观测性——总线会发出semaphore.<name>.waiting、.acquired和.released系统事件；GET /api/workflow/semaphores 显示容量、持有者和可用许可。
• 聊天代理——acquire_semaphore、release_semaphore和semaphore_status工具协调工作流之外的临时关键部分。

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 集合点编排（等待所有条件）

集合点会等待直到多个事件条件全部满足后，下一步才会继续——这与“第一个事件获胜”相反。在阶段的events:块上设置join: all：每个触发器订阅都必须满足，阶段才能运行。当多个代理（或一个代理的多个报告）都必须签入时，可与每个订阅的count: N结合使用——例如，在发布阶段执行之前，需要设计签核、测试完成和安全批准。

• join: any（默认）——当第一个触发器订阅满足时，阶段运行。
• join: all——集合点：每个触发器订阅（每个都有自己的主题、类过滤器和可选的count）都必须满足；只有这样，阶段才能变为可运行。
• 有效载荷——所有消费的事件都作为trigger_events记录在阶段上，并作为inputs.events（一个包含有效载荷的事件对象列表）暴露给模板。
• Studio——当一个阶段有两个或更多触发器订阅时，Inspector 会显示一个Join选择器：any — 第一个事件获胜或all — 集合点（等待所有）；画布会在集合点阶段显示一个合并徽章。

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 智能体工具库

阶段从聊天智能体使用的相同注册表中选择工具：

• 核心 — 文件、git、shell、代码执行、代码搜索、浏览器自动化、Web 搜索、视觉/媒体、图像生成。
• 数据库 — SQLite、PostgreSQL、MySQL、MongoDB 和 Redis 查询，以及用于自有数据层的 create_database、apply_migrations 和 dump_schema。
• 通信 — 电话呼叫和短信 (Twilio) 以及电子邮件 (SendGrid)，具有模拟模式，当凭据缺失时记录到发件箱 — 演示绝不会意外发送真实消息。
• DevOps — docker_build / docker_push、compose up/down、SSH 和云 CLI 部署 (Fly、Render、Railway、Vercel)，也支持模拟安全。
• 验证 — 堆栈检测、带有解析通过率的测试套件执行、依赖项审计和密钥扫描。
• 科学计算引擎 — 数百种科学和工程方法（命名为 Class.method），涵盖数学、信号处理、控制、统计等。
• 专家智能体与 MCP — 基础领域研究以及您连接的任何外部 MCP servers。

17.5 运行、门和输出

• 验证会在您运行之前检查图（unique ids、acyclic dependencies、kind parameters）。
• 人工门在阶段生成其草稿之后暂停运行，以便您批准实际工作；事件门允许另一个系统自动批准。
• 预算限制每次运行和每个阶段的支出。
• 保存输出到项目将运行生成的所有工件复制到您打开的项目中。
• 导出应用将工作流转换为独立的 FastAPI 服务；公共 /v1 API 公开运行、事件、触发器、模板和生成，用于 CI 和集成。

18 预测性 Tab 补全

预测性 Tab 补全在您在编辑器中键入时提供内联、中间填充的代码建议 — 按 Tab 接受建议。它在引擎和 Web 编辑器上都是选择启用的。

启用它

• 引擎 — 设置环境变量 DCC_TAB_COMPLETE=1。编辑器调用 引擎的 POST /api/complete 端点，该端点仅返回要插入到光标处的文本。
• Web 编辑器 — 在构建时使用 VITE_TAB_COMPLETE=1 启用，或在运行时使用 localStorage.setItem('dcc.tabComplete', '1') 启用（然后重新加载）。

它的行为方式

• 建议以幽灵文本形式出现；按 Tab 接受，或继续键入以取消。
• 请求经过防抖处理且可取消，因此键入永远不会被阻塞。
• 当标志关闭时，该功能完全禁用，不会发出任何补全请求。

19 使用量、积分与账单

从侧边栏打开账单以管理您的套餐和使用量。AI 使用量以美元积分计量，基于底层模型消耗的 token 数量。

• 周期支出与预付积分 — 跟踪本周期的使用量和任何预付余额。
• 添加超额积分 — 授权额外金额（美元），以便在包含的额度用完后继续使用 AI；如果您的预算耗尽，您将看到一个横幅提示您添加积分。
• 升级/更改套餐 — 随时切换等级。
• 支付方式 — 添加或更新存档卡（由 Stripe 处理）。
• 取消 — 选择在周期结束时取消（保留访问权限直到周期结束）或立即取消（退还可退还的剩余金额）。请参阅 取消与退款政策。

20 获取您的网关 API Key

网关 API key（个人访问令牌）允许您以编程方式使用 DeepCerebra 公共 API 和 CLI。

1. 登录并从侧边栏打开API Keys。
2. 滚动到DeepCerebra API Keys。
3. 输入一个标签（例如“CI pipeline”或“laptop CLI”）。
4. 选择范围 — read、chat、code、agent — 以及可选的有效期（天数，空白表示永不）。
5. 点击生成。完整的密钥只显示一次 — 点击复制并安全存储。

在 deepcerebra.ai 上与 CLI 或 API 一起使用：

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/...

您可以随时重命名或删除（撤销）密钥；每个密钥都会显示其前缀、范围、创建/过期日期和上次使用日期。

21 安全与隐私

• 浏览器内加密存储 — 您的项目文件保留在浏览器的加密工作区中；每次请求只将所需的最小上下文发送到服务器。
• 零数据保留 (ZDR) — 路由到模型的提示和代码在请求结束后不会保留，也绝不会用于训练基础模型。
• 密钥保留在服务器端 — BYOK 和 SCM 令牌在静态时加密；只显示遮蔽的预览。
• 加密 — 传输中采用 TLS；账户数据静态加密；密码不可逆地哈希。
• 您的代码归您所有 — 您拥有您的内容和生成的输出。请参阅 隐私声明。

22 故障排除

“文件夹加载需要 Chromium 浏览器”

切换到 Chrome、Edge 或 Brave，或改用从 Git 打开。

智能体在同一个错误上循环

点击停止，然后用具体的提示或约束重新措辞。

模型或请求错误 / “预算耗尽”

• 检查您的连接以及任何 BYOK 密钥是否有效。
• 切换到Auto，以便 DeepCerebra 路由到可用模型。
• 如果您的使用预算已耗尽，请打开账单并添加超额积分或升级您的套餐。

本地模型未出现

• 确认 dcc-bridge 连接器正在运行且设备显示在线。
• 确保 Ollama 正在运行，或 LM Studio 的本地服务器已启用（默认端口 1234）并加载了模型。

连接器：“服务器拒绝 WebSocket 连接：HTTP 401”

• 使用您在浏览器中使用的相同域名作为 --gateway（wss://deepcerebra.ai 或 wss://deepcerebra.io）— 这两个站点是独立的部署，一个站点的令牌绝不能在另一个站点上使用。
• 从本地机器页面上的配对卡复制确切的命令。

我的更改未生效

• 确保您在建议更改中点击了应用（而不仅仅是预览差异）。
• 使用文件管理器刷新以重新扫描文件夹。

Git：“您在默认分支上”

在使用集成打开 pull request 之前，请打开或创建一个工作分支。

仍然遇到问题？请联系 support@deepcerebra.ai。

23 DeepCerebra Discovery — 提问您的数据和文档

Discovery 是一个针对您的数据库和文档的调查型聊天机器人。 它不像只执行一次查询那样给出答案，而是像一位分析师一样工作：它形成假设， 运行一系列受保护的探测（SQL、图、文档搜索、模式检查、网络佐证），剔除被证据驳斥的解释，并综合出一个有依据的答案——附带图表和 透明的费用收据。通过活动栏中的指南针图标（/app/discovery）打开它。

23.1 空间 — 您的精选范围

一个空间捆绑了所有一次提问所需的要素：数据库连接、文档集合、分析师指令和预算。使用 + 新建空间创建一个，然后使用右侧的设置面板进行操作：

• 连接数据库 — SQLite、PostgreSQL、MySQL、SQL Server 或 Snowflake。输入名称和 DSN，点击测试以验证连接性（显示延迟和服务器版本），或以 JSON 格式导入现有连接配置。连接默认只读。
• 添加文档 — 将文件（PDF、DOCX、PPTX、Markdown、文本）直接拖放到聊天中，粘贴 URL，或指向引擎主机上的文件夹路径。文档经过分块、嵌入和 索引，用于混合向量 + 知识图谱搜索。
• 导入表格 — 粘贴或上传 CSV/JSON，无需任何数据库即可即时查询。
• 指导分析师 — 添加指标定义、业务规则和注意事项、策展人批准的受信任查询，以及示例问题→查询对，以便答案使用您的定义。

23.2 提问

像询问同事一样输入问题——例如“为什么三月份核磁共振扫描量下降了？”。 调查面板实时显示整个过程：

• 假设 — 正在调查的候选解释，每个解释在证据到来时被标记为 支持、驳斥或不确定。
• 探测 — 分析师运行的每个查询及其状态；显示生成的 SQL/Cypher 以实现完全透明，并且每个语句在执行前都通过只读保护规则。
• 证据 — 结果表和文档摘录，在最终答案中按编号引用。
• 答案 + 图表 — 一个有依据的结论，其中也指出了被排除的解释，以及由证据组成的现代霓虹主题图表。
• 收据 — 令牌、每次探测成本和轮次，像任何其他代理运行一样计入您的 AI Credits。

后续问题会延续同一主题，因此分析师会保留其上下文。

23.3 图表、报告和导出

图表在调查面板上内联渲染。使用导出可将完整的提问（答案、假设、证据和图表）下载为独立的 HTML 报告或可打印的PDF，并采用霓虹设计系统样式。

23.4 预算和成本控制

每个空间都包含每次提问的预算：最大探测次数、调查轮次、秒数和美元。 引擎会在达到上限时干净地停止，并报告迄今为止的发现。每次探测的成本都会在收据上详细列出，因此您始终知道费用花在了哪里。

23.5 自动化：API、SDK、Workflow Studio 和 MCP

• REST API — UI 执行的所有操作都可通过 /v1/discovery/* 使用带有 discovery 范围的 PAT（在账户 → API 令牌下创建）进行。 流式提问使用 SSE。外部执行器可以通过 Thinking API （/v1/think/*，范围 think）借用调查规划。
• Python SDK — pip install deepcerebra-discovery，然后 DiscoveryClient(base_url, token).ask(space_id, question)。
• Workflow Studio — 将Discovery 提问阶段 （discovery.ask）拖放到任何工作流中，以将调查作为管道步骤运行；答案、 图表和收据将流向后续阶段。
• MCP — 引擎将 discovery_ask 和 discovery_list_spaces 作为 MCP 工具公开，因此外部 MCP 客户端也可以运行调查。