base_url實務上,可以讓 DeepSeek 負責閱讀、分類與整理;至於是否可信,仍由你在打開原始來源後判斷。
可從這段提示詞開始:
我需要搜尋並查證以下主題:[主題]。
請把問題拆成可查證的命題。
每個命題請列出:需要確認的資訊、建議查看的來源類型、建議搜尋關鍵字,以及如果只依賴 AI 推論會有什麼風險。問題越有結構,DeepSeek 的輸出越容易被檢查。與其問「這件事是真的嗎?」,不如要求它回傳表格或 checklist。
請為以下主題產生 10 組搜尋查詢:[主題]。
請分成四類:官方來源、原始報告或資料、新聞報導、反方說法或不同觀點。
每組查詢請說明我應優先打開哪一類結果。請閱讀以下段落,列出其中可判斷真假的事實命題。
每個命題請標明:誰、做了什麼、何時、相關數字或引文,以及發布前應對照哪一類原始來源。我會貼上兩個不同來源的段落。
請指出:兩者相同之處、互相矛盾之處、缺少日期或背景的資訊、哪些句子屬於解讀,以及哪些句子必須回到原始來源查證。請把上述命題整理成 checklist,欄位包含:
命題 | 需要打開的來源 | 查證狀態 | 風險 | 編輯備註。
如果尚未看到直接來源,請不要替我判定真或假。若你要把 DeepSeek 接入聊天機器人、網站、內部工具或文件處理流程,應使用 Open Platform/API,而不是手動在網頁上複製貼上。DeepSeek 文件說明 API 採 OpenAI 相容格式;透過修改設定,可使用 OpenAI SDK 或相容 OpenAI API 的軟體存取 DeepSeek API,base_url 可設為 https://api.deepseek.com,也可用 https://api.deepseek.com/v1。
from openai import OpenAI
client = OpenAI(
api_key='DEEPSEEK_API_KEY',
base_url='https://api.deepseek.com'
)
response = client.chat.completions.create(
model='deepseek-chat',
messages=[
{'role': 'system', 'content': '你會把內容拆成需要查證的命題。'},
{'role': 'user', 'content': '請將以下段落拆成命題、需對照的來源類型與查核風險:...'}
]
)
print(response.choices[0].message.content)deepseek-chat 還是 deepseek-reasoner?DeepSeek API 文件列明,deepseek-chat 與 deepseek-reasoner 對應 DeepSeek-V3.2,context limit 為 128K,且不同於 APP/WEB 版本。 文件也說明
deepseek-chat 是非深度推理模式,deepseek-reasoner 則是推理模式。
可這樣選:
如果把 DeepSeek 用於工作,特別是透過 API 處理文件或客戶資料,送出敏感資料前應先檢查服務條款、公司內規與你對使用者的義務。DeepSeek 使用條款將使用者輸入稱為 Inputs,模型回應稱為 Outputs,內容可包含文字、表格與程式碼。
條款也提到,DeepSeek 可為符合法律與合規要求,使用技術手段檢視使用服務的行為,包括建立風險過濾機制。 對於 Open Platform,服務條款要求使用者確保自己與終端使用者都遵守 DeepSeek Terms of Use。
因此,如果你要把 DeepSeek 整合進有終端使用者的產品,應先釐清資料流、送入 API 的內容,以及合規責任。
在把 DeepSeek 輔助產出的內容用於文章、報告或公開文件前,至少檢查以下幾點:
Comments
0 comments