실무에서 DeepSeek를 Claude Code에 가깝게 활용하는 멘토 모델 워크플로우

사람들은 제가 실무에서 어떻게 DeepSeek를 Claude Code와 유사한 느낌이 들도록 만드는지 묻곤 합니다. 제 대답은 마법 같은 프롬프트가 아닙니다. 그것은 바로 멘토 모델 워크플로우 (mentor model workflow)입니다. 저는 더 강력한 모델을 사용하여 계획(plan), 감독(supervise), 디버깅(debug), 그리고 리뷰(review)를 수행합니다. 그런 다음 더 작거나 저렴한 모델들이 병렬적으로 제한된 실행 작업(bounded execution tasks)을 처리하도록 합니다. 중요한 주의 사항: 저는 DeepSeek가 단일 모델/도구로서 Claude Code와 동등하다고 주장하는 것이 아닙니다. 이 비교는 실질적인 워크플로우 효과에 관한 것입니다.

1. 멘토 모델이 작업 경계(task boundary)를 생성합니다
   작업을 할당하기 전에, 더 강력한 모델이 다음 사항들을 정의합니다: 작은 작업 단위(small task units), 각 실행기(executor)가 건드릴 수 있는 파일 또는 출력물, 수락 검사(acceptance checks), 변경되어서는 안 되는 사항들. 이것만으로도 더 약한 모델들을 훨씬 더 신뢰할 수 있게 만듭니다. 모델들이 더 이상 전체 전략을 추론할 필요가 없기 때문입니다.

2. 더 작은 모델들이 좁은 범위의 작업을 실행합니다
   DeepSeek는 제가 다음과 같은 작업을 맡길 때 유용해집니다:

• 이 로그를 조사하고 실패 원인을 요약할 것
• 기존 개요를 사용하여 이 섹션의 초안을 작성할 것
• 이 녹음 파일을 분석하고 사용 가능한 타임스탬프를 나열할 것
• 이 기사를 특정 플랫폼 버전으로 변환할 것
• 관련 없는 파일은 건드리지 않고 이 특정 모듈만 수정할 것
  저는 더 작은 모델들에게 프로젝트 전체에 대한 모호한 소유권을 부여하는 것을 피합니다.

3. 멘토 모델은 결과뿐만 아니라 프로세스를 읽습니다
   이 부분이 가장 중요합니다. 멘토 모델은 명령 출력(command output), 로그(logs), 정체 지점(stuck points), 테스트 실패(test failures), 렌더링 오류(render errors), 그리고 일치하지 않는 가정(mismatched assumptions)을 확인합니다. 단순히 "파일이 존재했는가?"라고 묻는 것이 아닙니다. 비디오 세그먼트의 경우 해상도, 오디오 동작, 자막, 그리고 템플릿 일관성을 확인합니다. 기사 에셋(article assets)의 경우 이미지 템플릿 사용, 매니페스트 기록(manifest records), 대체 텍스트(alt text), 그리고 플랫폼 규칙을 확인합니다.

4. 실패는 재사용 가능한 기술이 됩니다
   모델이 막혔을 때, 저는 그 교훈이 저장되기를 원합니다: 무엇이 실패를 유발했는지, 다음에는 어떤 검사를 더 일찍 수행해야 하는지, 어떤 플랫폼 규칙이 중요한지, 어떤 명령어나 템플릿이 신뢰할 수 있는지와 같은 것들입니다. 이러한 교훈들은 프로젝트 기술과 인수인계 노트(handoff notes)가 됩니다. 이것이 이후의 실행 과정을 더 매끄럽게 만드는 방법입니다.

요약하자면, DeepSeek는 전체 코딩 에이전트 (coding agent) 역할을 수행하도록 요청받지 않을 때 저에게 훨씬 더 잘 작동합니다. 더 강력한 모델이 멘토 (mentor) 역할을 수행할 때 훨씬 더 유용해집니다. 즉, 작업을 계획하고, 경계를 정의하며, 좁은 범위의 실행을 할당하고, 로그와 오류를 검사하며, 프로세스를 수정하고, 교훈을 재사용 가능한 메모리 (reusable memory)로 전환하는 방식입니다. 이것이 진정한 패턴입니다. "DeepSeek가 Claude Code를 대체한다"가 아니라, "DeepSeek는 멘토 주도형 에이전트 워크플로우 (mentor-led agent workflow) 내에서 더 나은 성능을 발휘한다"는 것입니다.