i-have-adhd vs 렐비 AI
두 AI 도구의 기능, 가격, 특징을 상세하게 비교합니다.
| 특성 | i-have-adhd | 렐비 AI |
|---|---|---|
| 가격 유형 | 무료 | 무료 + 유료 ($0/월부터) |
| 한국어 지원 | 미지원 | 미지원 |
| 플랫폼 | Claude Code, OpenAI Codex, Gemini CLI, GitHub Copilot, Cursor, Zed | CLI, Web, API |
| 오픈소스 | 지원 | 미지원 |
| API 제공 | - | - |
| SDK | - | - |
| LLM 기반 | - | 지원 |
| 멀티모달 | - | - |
| AI 모델 | - | - |
| GitHub Stars | 27.4K | 6 |
| 개발사 | - | Relvy AI |
| 카테고리 | Developer Tools | 개발자 도구 |
| 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
렐비 AI 장단점
- 분산된 대량의 로그와 메트릭을 인간 엔지니어처럼 분석하여 인시던트의 약 70%에서 5분 이내에 근본 원인을 찾아냄으로써 MTTR(평균 복구 시간)을 획기적으로 단축합니다. 사용자가 PromQL이나 SQL 같은 복잡한 쿼리 언어를 몰라도 자연어로 분석을 요청할 수 있으며, AI가 생성한 쿼리와 결과가 노트북 형식으로 기록되어 조사 과정의 투명성이 높습니다. 또한 기존 마크다운 문서를 실행 가능한 형태의 자동화 도구로 즉시 전환할 수 있어 실무 적용이 매우 빠르다는 평가를 받습니다.
- AI의 분석 정확도가 기존에 구축된 텔레메트리(로그, 메트릭 등) 데이터의 품질에 크게 좌우되므로, 로깅 시스템이 미비한 환경에서는 효과가 반감될 수 있습니다. 2024년에 설립된 초기 스타트업 제품인 만큼 레거시 시스템이나 특수한 폐쇄망 인프라와의 연동 시 추가적인 커스텀 설정이 필요할 수 있습니다. 또한 복잡한 비즈니스 로직이 얽힌 장애 상황에서는 AI가 잘못된 원인을 제시하는 환각(Hallucination)이 발생할 가능성이 있어, 항상 엔지니어의 최종 확인과 개입이 동반되어야 한다는 주의가 필요합니다.
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
렐비 AI 주요 기능
- 자연어 Markdown 런북 자동 실행
- AI 온콜 에이전트 (알림 70%+ 자동 근본 원인 분석)
- 협업 가능한 대화형 디버깅 노트북
- MCP(Model Context Protocol) 지원
- SaaS 및 자체 호스팅(Self-hosted) 배포 옵션