i-have-adhd vs 래그플로우
두 AI 도구의 기능, 가격, 특징을 상세하게 비교합니다.
| 특성 | i-have-adhd | 래그플로우 |
|---|---|---|
| 가격 유형 | 무료 | 무료 + 유료 |
| 한국어 지원 | 미지원 | 공식 지원 |
| 플랫폼 | Claude Code, OpenAI Codex, Gemini CLI, GitHub Copilot, Cursor, Zed | Web, Docker, API |
| 오픈소스 | No | Yes |
| API 제공 | - | 제공 |
| SDK | - | 제공 |
| LLM 기반 | - | Yes |
| 멀티모달 | - | Yes |
| AI 모델 | ||
| GitHub Stars | 17.4K | 81.9K |
| 개발사 | - | Infiniflow |
| 카테고리 | - | RAG 엔진, 지식 베이스 |
| 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
래그플로우 장단점
- 복잡한 PDF 및 표 데이터 처리 능력이 매우 뛰어납니다. 오픈소스로 제공되어 데이터 보안이 중요한 기업 환경에서 로컬 배포가 용이하며, 시각적인 워크플로우 편집기를 통해 코딩 부담 없이 복잡한 RAG 로직을 설계할 수 있습니다.
- 초기 설정 및 Docker 기반 배포 시 일정 수준의 인프라 지식이 필요합니다. 매우 방대한 양의 데이터를 처리할 때 하드웨어 리소스 요구 사양이 다소 높을 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
래그플로우 주요 기능
- Deep Document Understanding(DDU) 기반 고정밀 파싱
- Agentic Workflow 시각적 오케스트레이션
- GraphRAG 및 지식 그래프 연동
- MCP(Model Context Protocol) 서버 및 클라이언트 지원
- 에이전트 메모리 관리 및 샌드박스 코드 실행
- 7가지 사전 구축 인제스천 파이프라인 템플릿