i-have-adhd vs 라마인덱스
두 AI 도구의 기능, 가격, 특징을 상세하게 비교합니다.
| 특성 | i-have-adhd | 라마인덱스 |
|---|---|---|
| 가격 유형 | 무료 | 무료 + 유료 ($50/월부터) |
| 한국어 지원 | 미지원 | 미지원 |
| 플랫폼 | Claude Code, OpenAI Codex, Gemini CLI, GitHub Copilot, Cursor, Zed | Web, API, CLI |
| 오픈소스 | No | Yes |
| API 제공 | - | 제공 |
| SDK | - | 제공 |
| LLM 기반 | - | Yes |
| 멀티모달 | - | Yes |
| AI 모델 | ||
| GitHub Stars | 17.4K | - |
| 개발사 | - | LlamaIndex Inc. |
| 카테고리 | - | 데이터 프레임워크 |
| 상세보기 | 보기 | 보기 |
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
라마인덱스 장단점
- 데이터 인덱싱과 검색 성능이 매우 강력하며, LlamaHub를 통해 수백 개의 데이터 소스와 쉽게 연동할 수 있습니다. RAG 구현을 위한 가장 방대하고 전문적인 도구 모음을 제공합니다.
- 에이전트 워크플로우 제어 측면에서는 LangGraph에 비해 유연성이 떨어질 수 있으며, LlamaCloud의 크레딧 기반 비용 체계가 대규모 데이터 처리 시 예측하기 어려울 수 있습니다.
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
라마인덱스 주요 기능
- LlamaParse 고밀도 문서 파싱 (표·PDF 특화)
- Agent Workflow + ACP 통합 (MCP 서버·영구 메모리)
- Hybrid Search (Vector + KG)
- LlamaSheets 베타 (복합 스프레드시트 추출)
- LlamaHub 데이터 커넥터 (수백 개 소스)