컴파일 vs i-have-adhd

컴파일 장단점

• 작업 착수 전 AI가 생성한 연구 계획과 기술 설계서를 미리 확인할 수 있어 개발자가 코드베이스의 통제권을 완벽하게 유지할 수 있습니다. 특히 구현 과정에서 기존 프로젝트의 코드 패턴이나 아키텍처 규칙을 위반할 경우 즉시 멈추고 질문을 던지는 실시간 검증 기능 덕분에 대규모 프로젝트에서도 코드 품질을 유지하기 좋습니다. 또한 모호한 요구사항을 대화로 풀어나가는 '질문 기반 방식'을 채택해 사용자가 복잡한 프롬프트를 작성할 수고를 덜어주며, GitHub 브랜치 및 PR 자동 생성 기능이 워크플로우에 매끄럽게 통합되어 있어 실제 현업에서 쓰기에 매우 안정적이라는 평가를 받습니다.

• 모든 작업에 대해 연구와 계획 수립 단계를 거쳐야 하므로 아주 간단한 버그 수정이나 코드 한 줄 변경 시에는 절차가 번거롭고 비효율적일 수 있습니다. 초기 단계의 솔루션이라 Cursor 같은 선두 주자에 비해 플러그인 생태계나 부가 기능이 상대적으로 부족하며, 사용자가 매 단계마다 피드백을 주어야 하므로 '완전 자동화'를 원하는 사용자에게는 학습 곡선과 관리 피로도가 높을 수 있습니다. 또한 설계와 계획 수립 단계에서도 AI 토큰이 소모되기 때문에, 무료 플랜 사용 시 실제 코드를 작성하기도 전에 토큰이 소진될 수 있다는 점이 아쉬운 점으로 꼽힙니다.

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

컴파일 주요 기능

• 구현 전 질문 기반 컨텍스트 파악 및 연구 문서 공유
• 코드 작성 중 패턴 이탈 시 즉시 중단·확인 요청하는 Overwatcher
• 프로젝트별 코딩 패턴 및 아키텍처 규칙 학습
• 작업 단위 GitHub 브랜치 자동 생성 및 PR 제출
• 명시적 승인 후 구현 진행하는 협업 우선 워크플로우

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