i-have-adhd vs 라가스

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

라가스 장단점

• RAG 평가에 특화된 정교한 지표를 제공하며, 오픈소스 기반으로 커스터마이징이 용이합니다. LangChain 등 주요 프레임워크와의 호환성이 뛰어나며 합성 데이터 생성 기능이 강력합니다.

• 평가를 위해 별도의 LLM API 호출 비용이 발생하며, 평가 지표의 신뢰도가 사용하는 판별 모델(LLM)의 성능에 크게 의존합니다.

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

라가스 주요 기능

• RAG 전용 평가 지표(충실도·답변 관련성·컨텍스트 정밀도·컨텍스트 재현율)
• 합성 테스트 데이터셋 자동 생성(Evolutions)으로 수동 라벨링 불필요
• 에이전트 행동 평가를 위한 구조화된 트레이스 기반 분석
• LLM-as-a-judge 방식의 자동화된 채점 파이프라인
• LangChain·LlamaIndex 등 주요 프레임워크 기본 통합