DeepSeek로 정보 찾고 검증하는 법: 프롬프트·API·체크리스트

정보 검증이 목적이라면 처음부터 자동화에 들어가기보다 웹이나 앱에서 프롬프트와 절차를 먼저 시험해 보는 편이 좋다. 예를 들어 한 문서를 넣었을 때 ‘검증해야 할 주장 목록’이 안정적으로 뽑히는지 확인한 뒤, 반복 작업이 많아질 때 API로 내부 도구나 문서 처리 파이프라인에 붙이는 식이다.

DeepSeek로 검증을 설계하는 5단계

핵심은 역할 분담이다. DeepSeek에는 읽기, 분류, 정리, 질문 생성을 맡기고, 사실 여부 판단은 사용자가 직접 연 원문과 1차 자료로 결정한다.

1. 범위를 먼저 고정한다. 주제, 언어, 기간, 지역, 확인할 정보의 종류, 원하는 출력 형식을 함께 적는다.
2. 검증 가능한 주장으로 쪼갠다. 각 주장은 주체, 행동, 시점, 장소, 수치, 인용문을 포함할수록 좋다.
3. 대조해야 할 출처 유형을 요청한다. 공식 문서, 원보고서, 법령·규정, 공개 데이터, 기관 발표, 1차 자료를 인용한 기사처럼 확인할 자료의 종류를 구분한다.
4. 결론 전에는 원문을 직접 연다. 모델 답변 자체를 근거로 인용하지 말고, 사용자가 읽은 출처에서 확인된 내용만 최종 문장에 반영한다.
5. 재현이 필요하면 사용 경로와 모델을 기록한다. API 문서는 API 모델이 APP/WEB 버전과 다르다고 명시하므로, 결과 비교나 감사가 필요한 작업에서는 웹, 앱, API 중 무엇을 썼는지 남겨야 한다.

처음 사용할 수 있는 기본 프롬프트는 다음과 같다.

바로 쓰는 프롬프트 예시

검증용 프롬프트는 ‘맞아?’라고 묻는 것보다 출력 형식을 정해 주는 편이 낫다. 표, 체크리스트, 비교 항목처럼 구조를 주면 사람이 확인하기 쉬워진다.

1. 검색어 만들기

2. 문단에서 주장 추출하기

3. 두 출처 비교하기

4. 출판 전 체크리스트로 바꾸기

API로 자동화할 때의 기본 구조

챗봇, 웹사이트, 내부 검토 도구, 문서 처리 워크플로에 DeepSeek를 넣으려면 수동 채팅보다 Open Platform/API가 적합하다. DeepSeek API 문서는 OpenAI 호환 API 형식을 사용한다고 설명하며, 설정을 바꾸면 OpenAI SDK나 OpenAI API 호환 소프트웨어로 DeepSeek API에 접근할 수 있다고 안내한다. 공식 base_url은 https://api.deepseek.com이고, OpenAI 호환을 위해 https://api.deepseek.com/v1도 사용할 수 있다.

DeepSeek 문서에는 인증 설정을 다루는 Authentication 페이지와 대화형 응답 생성을 위한 Create Chat Completion 문서가 있다. Python으로 구성하면 기본 뼈대는 다음처럼 잡을 수 있다.

이 코드는 출발점일 뿐이다. 실제 서비스에 넣기 전에는 인증 방식, 파라미터, 모델명, 엔드포인트를 공식 API 문서에서 다시 확인해야 한다.

deepseek-chat과 deepseek-reasoner는 언제 나눠 쓸까

API 문서는 deepseek-chat과 deepseek-reasoner가 DeepSeek-V3.2에 해당하고 128K 컨텍스트 제한을 가지며, APP/WEB 버전과 다르다고 설명한다. 또한 deepseek-chat은 비추론 모드, deepseek-reasoner는 추론 모드로 설명된다.

실무에서는 이렇게 나눠 볼 수 있다.

• deepseek-chat: 빠른 요약, 문서 분류, 초안 작성, 번역, 단순 체크리스트 생성에 적합하다.
• deepseek-reasoner: 여러 단계의 분석, 주장 간 비교, 복잡한 논리 구조 분해가 필요할 때 검토한다.
• 모델명을 로그에 남기기: 결과를 재현하거나 나중에 검토해야 하는 작업이라면 사용한 경로와 모델을 기록한다. API 문서가 API 모델과 APP/WEB 버전의 차이를 명시하기 때문이다.

데이터와 약관도 검증 대상이다

업무에 DeepSeek를 사용할 때, 특히 API로 고객 데이터나 민감한 내부 자료를 다룰 가능성이 있다면 먼저 약관과 조직 내부 정책을 확인해야 한다. DeepSeek Terms of Use는 사용자가 입력한 데이터를 Inputs, 모델이 반환한 텍스트·표·코드 등을 Outputs라고 부른다.

또한 해당 약관은 법적·컴플라이언스 요구를 충족하기 위해 DeepSeek가 서비스 이용 행위를 기술적 수단으로 검토할 수 있으며, 위험 필터링 메커니즘 등을 포함할 수 있다고 설명한다. Open Platform Terms of Service는 Open Platform 사용자가 자신과 최종 이용자 모두 DeepSeek Terms of Use를 준수하도록 해야 한다고 규정한다. 따라서 제품에 통합하기 전에는 어떤 데이터가 API로 전송되는지, 최종 이용자에게 어떤 책임과 안내가 필요한지 점검해야 한다.

게시 전 최종 체크리스트

DeepSeek가 도운 결과물을 기사, 보고서, 공개 문서에 쓰기 전에는 다음을 확인하자.

• 모든 수치, 날짜, 고유명사, 인용문에 직접 확인한 출처가 있는가?
• 모델의 추론이나 요약이 사실처럼 쓰인 문장은 없는가?
• 대조한 출처가 가능한 한 원문, 원자료, 공식 발표에 가까운가?
• 결과 재현이 필요하다면 DeepSeek 웹, 앱, API 중 무엇을 썼는지 기록했는가?
• DeepSeek에 입력한 데이터가 약관, 내부 보안 정책, 최종 이용자에 대한 의무와 충돌하지 않는가?

결론: AI 답변이 아니라 원문으로 끝내기

DeepSeek를 정보 검색과 검증에 잘 쓰는 방법은 두 작업을 분리하는 것이다. 모델에는 읽기, 요약, 검색어 생성, 주장 분해, 체크리스트 작성을 맡기고, 사실 확인은 직접 연 원문과 1차 자료로 마무리한다. 일반 사용자는 공식 홈페이지의 DeepSeek Chat이나 앱에서 시작할 수 있고, 개발자는 OpenAI 호환 형식의 API로 반복 작업을 자동화할 수 있다. 신뢰도가 중요한 콘텐츠라면 어떤 답변이든 곧바로 결론으로 쓰지 말고, 먼저 ‘검증해야 할 주장 목록’으로 바꾸는 습관이 필요하다.