DeepSeek V4.1 Flash 1017: 첫 프로젝트를 만든 뒤 API 연결하기

코딩 모델은 작성한 결과물이 실제로 작동할 때 유용해집니다. 거기서부터 시작하세요. 거대한 프롬프트로 사업 전체를 만들어 달라고 하기보다 직접 열어 보고 검사하고 개선할 수 있는 작은 애플리케이션을 만드세요.

DeepSeek은 2026년 9월 10일 V4.1 Flash를 출시했고, 10월 17일에는 최초 출시가 아니라 1017 업데이트를 발표했습니다. 업데이트는 DeepSeek 웹사이트, 앱, API에 반영되었으며 API 모델 ID는 deepseek-flash로 유지됩니다. DeepSeek 날짜별 업데이트 로그.

이 가이드는 첫 브라우저 프로젝트에서 반복 가능한 개발 워크플로로 넘어간 뒤 Windows, macOS, Linux에서 API를 설정하는 방법까지 안내합니다. 이어서 에이전트에게 더 큰 작업을 맡기기 전에 중요한 아키텍처, 벤더 벤치마크, 토큰 비용, 실용적인 한계를 살펴보겠습니다.

대표 이미지: 명세 작성, 구현, 검사, 수정 단계를 보여주는 자체 설명용 그림입니다. 워크플로를 나타내며 DeepSeek 제품 스크린샷은 아닙니다.

설치 전에 첫 성공을 경험한다

DeepSeek 웹 채팅 또는 공식 앱을 열고 새 대화를 시작하세요. 첫 실습에는 가상의 정보를 사용합니다. 예시 파일에 고객 목록이나 접근 토큰이 들어 있다는 사실을 뒤늦게 알게 되는 장소로 공개 AI 서비스를 택하지 마세요.

첫 프로젝트는 읽기 대기열입니다. 읽으려는 기사를 담는 작은 페이지로 계정이나 클라우드 데이터베이스, API 키가 필요하지 않습니다. 다음 내용은 연습용 예시이지 모델을 실제로 실행해 본 결과를 보고하는 것이 아닙니다.

1. 다음 프롬프트를 사용해 완성된 결과물 중 가장 작은 것을 요청합니다.

   일반 텍스트

   Build a reading queue as one self-contained index.html file.
   Use plain HTML, CSS and JavaScript, with no libraries or network calls.
   Include three fictional example articles, a title filter, and a
   read/unread toggle. Keep state in memory; reloading should reset it.
   Use accessible labels and make the layout work at 360px wide.
   Return the complete file, followed by five manual acceptance checks.
   Do not add login, analytics, remote fonts or a backend.
   

2. 생성된 파일을 새롭고 비어 있는 폴더에 두고 브라우저에서 index.html을 여세요. 익숙하지 않은 생성 코드를 열기 전에 예상치 못한 네트워크 요청이나 스크립트가 있는지 살펴보세요. 이 실습에는 터미널 명령이나 의존성 다운로드, 권한 요청이 필요하지 않아야 합니다.

3. 직접 동작을 확인하세요. 제목 일부로 필터링하고, 기사를 읽음으로 바꾸고, 필터를 지우고, 창을 좁힌 다음 새로고침합니다. 요청된 범위가 그러하므로 읽음 상태는 필터링 뒤에도 유지되어야 하지만 새로고침하면 초기화되어야 합니다.

4. 구체적인 실패 사례 하나를 전달하세요. "검색어 끝에 공백이 있으면 필터링 후 행이 모두 숨겨집니다. 검색어를 다듬고 다른 동작은 보존한 수정 파일을 반환하세요."라고 요청합니다. 같은 점검을 다시 수행하세요.

이것이 첫 성공을 알아볼 수 있는 기준입니다. "좋아 보입니다"는 주관적이지만 "필터링 뒤에도 읽음 상태를 바꿀 수 있다"는 인수 조건입니다. 첫 프로젝트를 일부러 작게 유지하면 수정이 문제를 고친 것인지 겉모습만 바꾼 것인지도 쉽게 구별할 수 있습니다.

10월 업데이트는 코드 조각보다 프로젝트 완성에 초점을 맞춘다

DeepSeek은 1017에서 자기 피드백을 활용한 강화 학습으로 프로젝트 전체 개발 능력을 개선했다고 설명합니다. 발표에는 자금성 3D 모델링, 웹 레이싱 게임, Portal 2에서 영감을 얻은 Godot 재현작, 역사 시대를 넘나드는 3D 장면인 Valley of Ages라는 네 가지 예시가 나옵니다. 공식 프로젝트 데모에서 살펴볼 수 있습니다. 이는 벤더의 시연이며 어떤 프롬프트에 대해서도 결과를 보장하는 사례는 아닙니다.

중요한 구분은 이렇습니다. 자기 피드백을 활용한 학습은 모델 개발에 관한 주장이고, 프로젝트에서 얻는 피드백은 소프트웨어를 실행해서 얻습니다. 학습 중 피드백을 받았다고 해서 채팅 응답이 브라우저를 실행하거나 저장소를 살펴보거나 게임 빌드를 검증하지는 않습니다. 그런 작업에는 실행 환경과 도구가 필요합니다.

이 과정을 프로젝트 순환 과정이라고 생각해 보세요. 명세를 정하고, 구현하고, 검사하고, 수정합니다. 저희는 첫 생성 답변의 길이보다 이 순환 과정이 중요하다고 봅니다. 통과하는 인수 검사가 있는 작은 변경이 아무도 실행해 보지 않은 인상적인 저장소보다 유용합니다.

자체 제작한 도식입니다. 인수 검사와 출시 승인은 모델 응답의 바깥에 남습니다. 실제로 확인할 수 있는 범위는 도구와 실행 환경에 따라 결정됩니다.

읽기 대기열에 완료 기준을 정해 프로젝트로 발전시킨다

두 번째 반복으로 소규모 스터디 그룹의 읽기 대기열을 생각해 봅시다. 구성원은 링크를 추가하고, 기사를 읽음으로 표시하며, 대기열을 내보내야 합니다. 이번 버전은 한 사용자와 브라우저만 대상으로 하세요. 협업과 동기화는 별도 프로젝트입니다.

1. 동작 명세를 작성합니다. 제목, URL, 읽음 상태를 필수로 하고 잘못된 링크는 거부하며 새로고침 후에도 항목을 보존하고 JSON 파일로 내보내도록 합니다. 항목이 없을 때, 제목이 길 때, 가져온 파일 형식이 잘못되었을 때의 동작도 정하세요. 인증과 서버 저장은 제외합니다.

2. 수정하기 전에 계획부터 요청합니다. 모델이 필요한 파일, 저장 방식, 제안하는 테스트를 먼저 식별하도록 하세요. 새 폴더나 격리된 worktree를 제공하세요. 처음부터 홈 디렉터리, 운영 자격 증명, 임의 소프트웨어 설치 권한을 넘기지 마세요.

3. 하나의 세로 기능 흐름을 구현합니다. 기사 하나를 추가하고 저장한 다음 새로고침합니다. 이어서 필터링을 추가하고 그다음 내보내기와 가져오기를 구현합니다. 각 단계는 계속 실행할 수 있어야 합니다. 그러면 내보내기 오류가 저장 방식 이전이나 무관한 재설계와 얽히지 않습니다.

4. 근거를 바탕으로 피드백을 제공합니다. 정확한 오류, 입력, 기대 동작을 전달하세요. 레이아웃 문제라면 비공개 정보를 제거하고 필요한 부분만 자른 스크린샷을 첨부합니다. 매번 새로 작성해 달라고 하는 대신 범위를 좁혀 수정하도록 요청하고 같은 점검을 반복합니다.

5. 릴리스 후보를 승인하기 전에 확인합니다. 키보드 탐색, 빈 대기열, 중복 링크, 긴 제목을 시험하세요. 내보내고 시험 데이터를 지운 뒤 다시 가져와 모든 필드가 왕복 과정에서 보존됐는지 확인합니다. 다음 수정을 받아들이기 전에 정상 작동하는 사본을 보관하세요.

모델에게 구현 전에 테스트 계획 작성을 도와 달라고 할 수도 있습니다. 예를 들어 예상 JSON 구조를 설명하고 가져오기 기능에서 어떤 필드를 검사해야 할지 식별해 달라고 요청하세요. 그런 다음 구현을 해당 계획과 비교합니다. 이렇게 하면 약속과 코드를 분리해 이견을 분명하게 확인할 수 있습니다.

프로젝트 하네스는 파일 편집, 명령 실행 등 모델을 둘러싼 도구를 제공합니다. DeepSeek은 릴리스 발표에서 1017에 Harness v0.2.1-rc.1 이상을 권장합니다. 채팅 API 요청만으로 코딩 에이전트가 만들어진다고 가정하지 말고, 공식 Harness 안내에 따라 설치하세요.

웹페이지에 비밀 키를 넣지 않고 API를 연결한다

직접 만든 프로그램에서 모델 응답이 필요하면 API를 사용하세요. 읽기 대기열은 로컬 브라우저 애플리케이션으로 두고, 다음 스크립트는 별도의 터미널 기반 개발 보조 도구로 사용합니다. DeepSeek 키를 index.html이나 브라우저 JavaScript, 공개 저장소에 넣지 마세요.

1. API 키를 만들고 작은 작업을 정한다

DeepSeek API 플랫폼에서 키를 만들고 계정 잔액을 확인하세요. DeepSeek의 첫 API 요청 가이드에는 OpenAI 호환 기본 URL https://api.deepseek.com 및 모델 deepseek-flash가 설명되어 있습니다. 웹 채팅 계정이 있다고 해서 유료 API를 무제한으로 사용할 수 있는 것은 아닙니다.

첫 요청에서는 저장소 전체가 아니라 인수 검사 항목을 요청하세요. 그러면 출력을 쉽게 살펴볼 수 있고 설정이 잘못되었을 때 생성되는 양도 제한됩니다.

2. 운영체제에서 Python을 준비한다

아직 설치하지 않았다면 Python 3을 설치하세요. 새 프로젝트 폴더에서 격리된 환경을 만들고 SDK를 설치합니다. 아래 명령은 인터프리터를 직접 실행하므로 활성화 스크립트나 PowerShell 실행 정책을 바꾸지 않아도 됩니다. Python 가상 환경 문서를 따르는 절차입니다.

Windows, PowerShell:

py -m venv .venv
.\.venv\Scripts\python.exe -m pip install --upgrade openai

py를 사용할 수 없지만 python --version에서 Python 3 설치가 확인된다면 첫 명령에 python -m venv .venv를 사용하세요.

macOS, 터미널:

python3 -m venv .venv
./.venv/bin/python -m pip install --upgrade openai

Linux, 터미널:

python3 -m venv .venv
./.venv/bin/python -m pip install --upgrade openai

일부 Linux 배포판은 venv를 별도 패키지로 제공합니다. 환경 생성 중 해당 패키지가 없다는 오류가 나면 배포판 안내에 따라 Python 가상 환경 패키지를 설치한 뒤 다시 생성하세요. 격리 환경 문제를 해결하겠다며 시스템 전체에 sudo pip install을 사용하지 마세요.

3. 터미널에서 실행할 보조 스크립트를 만든다

.venv 옆에 first_request.py를 만들고 다음 예제를 넣으세요. 셸 기록이나 소스 코드에 비밀을 넣는 대신 Python의 getpass 모듈을 통해 입력값을 숨깁니다. 숨겨진 입력을 지원하는 일반 터미널에서 실행하세요.

from getpass import getpass

from openai import OpenAI

client = OpenAI(
    api_key=getpass("DeepSeek API key: "),
    base_url="https://api.deepseek.com",
    timeout=120.0,
    max_retries=0,
)

reply = client.chat.completions.create(
    model="deepseek-flash",
    messages=[{
        "role": "user",
        "content": (
            "Propose five manual acceptance checks for a browser-only "
            "reading queue with filtering, read status and JSON export. "
            "Return checks only; do not claim to have executed them."
        ),
    }],
    max_tokens=2048,
    stream=False,
    extra_body={"thinking": {"type": "disabled"}},
)

print(reply.choices[0].message.content)
print("Finish reason:", reply.choices[0].finish_reason)
print("Usage:", reply.usage)

4. 실행하고 응답을 살펴본다

Windows에서는 \.venv\Scripts\python.exe first_request.py, macOS와 Linux에서는 ./.venv/bin/python first_request.py를 실행하세요. 입력하라는 메시지가 뜨면 키를 붙여 넣습니다. 의도된 결과는 검사 항목 목록, 종료 사유, 사용량 정보이지 새로 생성된 프로젝트 파일이 아닙니다.

요청이 실패하면 재시도하기 전에 상태 코드를 살펴보세요. 401은 인증, 402는 잔액 부족, 429는 한도 문제입니다. DeepSeek은 오류 코드 안내에서 이를 설명합니다. 종료 사유가 length라면 답변 길이 한도에 도달한 것으로, 답변이 완전하다는 증거가 아닙니다. API를 익히는 동안에는 신중하게 재시도하세요.

추론, 비전, 웹 도구는 각각 다른 일을 한다

추론은 기본적으로 켜져 있으며 강도는 high입니다. 더 어려운 디버깅 질문에는 예제의 extra_body를 {"thinking": {"type": "enabled"}}로 바꾸고 reasoning_effort="high"를 추가하세요. 문서에 기재된 강도 선택지는 low, high, max입니다. 추론 모드에서는 temperature가 무시되므로 값을 낮춘다고 더 신뢰할 수 있는 추론을 얻는 지름길이 되지는 않습니다. 추론 모드 가이드, 10월 18일 확인.

추론도 생성 예산을 사용합니다. 짧은 비추론 답변에서 복잡한 추론으로 넘어갈 때는 작은 출력 한도를 신중하게 높이세요. 추론 모드에서 도구 호출을 구현한다면 도구가 포함된 후속 요청에도 가이드가 요구하는 assistant의 reasoning_content를 보존하세요. 사용자에게 보이는 최종 답변만 남겨 도구 대화를 구성하지 마세요.

비전은 텍스트와 함께 이미지를 받는 기능이지 이미지 생성 엔드포인트가 아닙니다. Chat Completions에서 image_url 블록, base64 데이터 URL, 문서화된 Files API 형식을 사용해 user 메시지에 이미지 콘텐츠를 넣으세요. JPEG, PNG, GIF, WebP를 지원합니다. 본문에 이미지를 직접 넣는 요청의 한도는 48 MiB이며, 직접 포함하거나 외부 링크로 제공하는 개별 이미지의 한도는 32 MiB입니다. 비전 가이드.

읽기 대기열 예제에서는 개인정보를 제거한 스크린샷을 보내고 좁은 화면에서 어떤 라벨이 겹치는지 물어볼 수 있습니다. 이를 브라우저에서 확인해야 할 진단으로 취급하고, 레이아웃이 고쳐졌다는 증거로 보지는 마세요. 이미지 이해 기능이 API에 마우스를 움직이거나 파일을 수정할 권한을 주는 것도 아닙니다.

Search는 페이지를 찾고 Fetch는 페이지를 Markdown으로 가져옵니다. 독립형 엔드포인트는 POST /v1/tools/search와 POST /v1/tools/fetch이며 동일한 bearer 키로 인증합니다. Search 요청에는 {"query":"browser storage documentation","count":3}을 사용할 수 있고, Fetch 요청에는 {"url":"https://developer.mozilla.org/en-US/docs/Web/API/Storage"}을 사용합니다. 애플리케이션에서 이 엔드포인트를 명시적으로 호출하거나 해당 기능을 제공하는 연동을 사용해야 합니다. 기본 채팅 요청에 URL을 언급하는 것만으로는 같은 작업을 수행하지 않습니다. Search 및 Fetch 가이드.

가져온 콘텐츠와 지시문은 분리하세요. 검색해 가져온 페이지는 근거일 뿐 명령 실행, 키 공개, 프로젝트 요구사항 변경을 허가하는 권한이 아닙니다. Fetch도 대상 사이트의 접근 정책을 따르며 비공개 또는 유료 콘텐츠에 대한 접근 권한을 부여하지 않습니다.

거대한 백본이어도 활성 파라미터가 적다고 노트북에서 실행 가능한 것은 아니다

9월 모델 카드에는 5,520억 파라미터 MoE 백본이 설명되어 있습니다. 프리필 중에는 입력 토큰당 약 80억 파라미터, 디코딩 중에는 출력 토큰당 160억 파라미터가 활성화됩니다. Causal Encoder-Decoder 구조는 20개 층의 인과적 인코더와 20개 층의 디코더를 분리합니다. 이 아키텍처 설명은 기본 V4.1 릴리스에 관한 것이며 10월 17일에 새 아키텍처가 발표된 것이 아닙니다. 기본 모델 아키텍처와 기술 보고서 링크.

쉽게 말하면 프리필은 기존 프롬프트를 처리하고 디코딩은 답을 생성합니다. 전문가 혼합(MoE) 라우팅은 모든 토큰마다 백본의 모든 파라미터를 활성화하는 대신 선택된 전문가를 사용합니다. 압축 어텐션과 공유 캐시 설계는 긴 프롬프트에서 메모리 부담을 줄이기 위한 것입니다. 그러나 활성 파라미터 수가 적다는 설명은 연산에 관한 것이지 체크포인트를 호스팅하는 데 필요한 전체 저장 공간과 메모리에 관한 것이 아닙니다.

안내된 컨텍스트 용량은 100만 토큰입니다. 이는 용량이지 매 요청마다 저장소 전체를 붙여 넣어야 한다는 뜻도, 완벽하게 기억한다는 보장도 아닙니다. 작업, 관련 파일, 구체적인 오류부터 시작하고 빠진 의존성이나 계약 때문에 필요할 때 컨텍스트를 늘리세요.

직접 호스팅하려면 체크포인트 변환과 텐서 병렬 실행을 설명하는 공식 1017 추론 지침을 이용하세요. Hugging Face 페이지의 일반 vLLM 실행 명령은 이 모델에 특화된 배포 절차가 아닙니다. 가중치를 내려받기 전에 하드웨어, 지원 커널, 서빙 호환성을 확인하세요. deepseek-recipe는 프롬프트와 프로토콜 변환을 처리할 뿐 추론을 제공하거나 도구를 실행하지 않습니다. 일반 노트북 사용자는 호스팅 방식부터 시작하는 편이 좋습니다.

가장 싼 토큰이 아니라 작업 전체 비용을 계산한다

2026년 10월 18일 기준, DeepSeek은 Flash 가격을 토큰 100만 개당 미국 달러로 다음과 같이 안내합니다. 공식 요금표

피크 시간은 월요일부터 금요일까지 01:00-04:00 및 06:00-10:00 UTC이며 중국 공휴일은 제외합니다. 그 밖의 시간은 피크 외 시간입니다. 이 일정에 따르면 주말은 모두 피크 외 시간입니다. 현지 낮 시간이 비싸다고 가정하지 말고 UTC 기준으로 예약하세요.

캐시 미스 입력 토큰 10만 개, 캐시 히트 입력 토큰 20만 개, 출력 토큰 2만 개를 사용하는 예시 작업의 피크 시간 계산은 다음과 같습니다.

(0.1 x $0.30) + (0.2 x $0.006) + (0.02 x $1.20)
= $0.0300 + $0.0012 + $0.0240
= $0.0552

피크 외 요금에서는 같은 수량을 가정할 때 비용이 $0.0276입니다. 실제 프로젝트 청구액이 아니라 산술 예시입니다. 반복되는 컨텍스트가 언제나 더 저렴한 요금을 받는다고 가정하지 말고 실제 캐시 히트 및 미스 사용량을 확인하세요.

Search와 Fetch는 각각 성공해 결과를 반환한 요청 1,000건당 $0.75입니다. 따라서 과금 대상 검색 40건과 가져오기 60건을 합치면 결과를 읽는 데 사용된 모델 토큰 비용을 제외하고 $0.075가 추가됩니다. 임시 무료 기간은 명시된 DeepSeek API 연동을 통한 서버 측 호출에 적용되며, 과금은 2026년 10월 31일 16:00 UTC에 시작합니다. 직접 엔드포인트를 호출하는 경우까지 모두 무료라는 뜻은 아닙니다. 도구 과금 규칙.

자체 제작 비용 계산 도식입니다. 예산에는 추론 출력, 재시도, 도구 호출, 검토 작업도 포함하세요. 평균 프로젝트 비용을 뜻하지 않습니다.

하네스 조건과 함께 벤치마크 향상을 읽는다

DeepSeek은 기본 V4.1 Flash에서 1017로 다음과 같이 바뀌었다고 보고합니다. 이 점수는 이 가이드가 독립적으로 얻은 결과가 아니라 벤더가 보고한 점수입니다. 1017 모델 카드 비교.

1017 카드에는 Terminal-Bench 4.0에 Claude Code를, DeepSWE v1.1에 Mini-SWE-V2를 사용했다고 적혀 있습니다. 하네스는 도구, 컨텍스트 관리, 실행 정책을 제공하며 이를 바꾸면 실험도 달라집니다. 서로 다른 설정에서 얻은 점수 차이를 모델 성능만의 순수한 측정치로 취급하지 마세요.

직접 비교할 때는 저장소, 인수 검사, 권한, 예산을 동일하게 유지하세요. 프로젝트가 작동했는지, 수정이 몇 번 필요했는지, 총 사용량과 경과 시간을 기록합니다. 공개 점수가 높으면 후보를 고르는 데 도움이 되지만, 실제 환경의 반복 가능한 작업으로 그 역할을 맡을 만한지 결정해야 합니다.

더 큰 작업을 맡기기 전에 확인할 질문

1017은 별도의 API 모델 이름인가?

아닙니다. deepseek-flash를 사용하세요. 날짜가 붙은 체크포인트 이름은 업데이트를 식별하고 DeepSeek 호스팅 API는 기존 식별자를 유지합니다. 재현성이 중요하다면 날짜와 반환된 모델 정보를 기록하세요. 첫 API 요청 문서.

MIT 라이선스 가중치를 쓰면 API도 무료인가?

아닙니다. 1017 모델 카드는 저장소와 가중치에 MIT 라이선스를 적용합니다. 호스팅 사용에는 별도 요금이 부과됩니다. 가중치 라이선스가 비공개 입력, 제3자 자산, 시연에 사용된 미디어의 권리까지 부여하는 것도 아닙니다.

프롬프트 하나로 완성된 게임을 만들 수 있나?

공식 데모는 제작사가 보여 준 결과의 예시로 보되 납품 보장으로 여기지 마세요. 시각적 다듬기를 요청하기 전에 이동, 충돌, 재시작 동작, 완료 조건을 정의하세요. 검사하고 다시 실행할 수 있는 게임이 커다란 생성 코드베이스보다 나은 이정표입니다.

항상 추론 강도를 최대로 하고 전체 컨텍스트를 써야 하나?

아닙니다. 범위가 정해진 요청으로 시작하고 구체적인 실패 원인이 있을 때 강도나 컨텍스트를 높이세요. 더 많은 추론 출력과 큰 프롬프트는 모두 자원을 소모합니다. 어느 쪽도 인수 검사를 대신하거나 도구 권한을 신중히 설정할 필요를 없애 주지 않습니다.

생성된 결과를 바로 게시해도 되나?

먼저 기능, 보안, 의존성 라이선스, 자산 출처를 검토하세요. 예제 자격 증명을 제거하고 원격 요청도 살펴봅니다. 배포 승인은 로컬 프로젝트 편집 권한과 별도로 받아야 합니다.

결론: 누군가 결과를 확인해야 작업이 끝난다

1017이 제공하는 유용한 가능성은 프로젝트를 더 잘 완성하는 것이지 프로젝트 검토를 중단해도 된다는 뜻이 아닙니다. 작은 목표와 범위가 제한된 환경, 관찰 가능한 검사를 모델에 제공하세요. 현재 동작이 승인을 받은 뒤에만 프로젝트 범위를 넓히세요.

출처

제품 문서와 가격은 2026년 10월 18일 확인했습니다. 벤치마크와 학습에 관한 주장은 DeepSeek의 발표에 귀속하며, 실습은 직접 수행했다고 주장하는 결과가 아니라 학습용 예제입니다. 도식 세 개는 모두 설명을 위해 자체 제작했습니다. 벤더 데모 미디어는 복제하지 않고 링크했습니다.

• 10월 17일 업데이트와 프로젝트 데모
• 9월 10일 기본 모델 출시
• 날짜별 업데이트 로그
• 1017 모델 카드, 벤치마크, MIT 라이선스
• 기본 V4.1 아키텍처 및 기술 보고서
• 첫 API 요청, 추론, 비전, Search 및 Fetch, 요금
• 공식 추론 참고 자료 및 deepseek-recipe

다음 프로젝트를 이어가기 쉽게 보관한다

Telli.sh 권장: 다음 작업을 추측이 아니라 결정에서 시작할 수 있도록 출처 링크, 프로젝트 개요, 프롬프트, 검토 메모를 함께 보관하세요. Telli.sh는 프로젝트 지식을 정리할 수 있지만 DeepSeek 코딩 에이전트 연동 서비스는 아닙니다. Telli.sh 계정 만들기