캐피 vs i-have-adhd

캐피 장단점

• 가장 큰 장점은 병렬 처리 능력으로 인한 압도적인 작업 속도입니다. 수십 개의 이슈를 동시에 처리할 수 있어 수작업으로는 며칠이 걸릴 백로그 정리를 단시간에 끝낼 수 있습니다. 또한, 단순한 코드 생성을 넘어 가상 머신 환경에서 실제 빌드와 E2E(End-to-End) 테스트를 거치기 때문에, 생성된 코드의 신뢰도가 높고 '실제로 돌아가는 코드'를 보장받을 수 있습니다. 모델 불가지론(Model Agnostic)을 표방하여 Claude 3.5 Sonnet, GPT-4o 등 최신 고성능 모델을 작업 성격에 맞게 선택해 사용할 수 있다는 점도 전문가들에게 긍정적인 평가를 받습니다.

• 초기 단계의 도구인 만큼 복잡한 레거시 아키텍처나 고도의 비즈니스 로직이 얽힌 기업용 코드베이스에서는 AI가 맥락을 정확히 파악하지 못하고 할루시네이션을 일으킬 위험이 여전히 존재합니다. 또한 수십 개의 작업을 병렬로 처리할 경우, 각 작업에 소모되는 LLM 토큰 비용과 VM 가동 비용이 급격히 증가할 수 있어 가성비 면에서 신중한 접근이 필요합니다. 무엇보다 AI가 한꺼번에 쏟아내는 수많은 Pull Request를 결국 사람이 최종 검토해야 하므로, 이 과정에서 발생하는 '리뷰 피로도'가 새로운 병목 현상이 될 수 있다는 점이 실사용자들 사이에서 한계로 지적됩니다.

i-have-adhd 장단점

• 무료 오픈소스로 사용 가능
• 여러 코딩 에이전트와 호환
• 답변을 즉시 실행 가능한 형태로 정리
• 설정 규칙이 명확하고 커스터마이즈 가능

• 독립적인 대화형 AI 서비스가 아님
• 사용하려면 지원되는 코딩 에이전트가 필요함
• 모델 자체의 성능을 향상시키지는 않음

캐피 주요 기능

• 최대 25개 동시 AI 코딩 에이전트 병렬 실행
• 격리된 Ubuntu VM 샌드박스 환경(Lima 기반)
• Captain(플래닝)과 Build(구현)를 분리한 2-에이전트 아키텍처
• GitHub 브랜치·PR·이슈 자동 관리 및 코드 리뷰 응답
• Claude Opus, GPT-5, Gemini, Grok, Kimi K2, Qwen 등 멀티 모델 선택 지원
• SOC 2 Type II 보안 및 엔터프라이즈 SSO/SAML 지원

i-have-adhd 주요 기능

• 답변과 다음 행동을 먼저 제시
• 다단계 작업을 번호 목록으로 구성
• 진행 상태를 매 턴 재표시
• 구체적인 시간 추정 제공
• 오류를 위치·원인·해결책 중심으로 설명
• 불필요한 서론과 맺음말 억제