i-have-adhd vs 제로이밸

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

제로이밸 장단점

• SDK 설치와 초기 설정이 매우 간편하여 기존에 운영 중인 LLM 서비스에 즉시 적용할 수 있다는 점이 가장 큰 장점입니다. 특히 사람이 직접 채점한 소량의 샘플 데이터를 학습해 LLM 판사의 평가 편향을 줄이는 '보정 기능'은 평가 신뢰도를 획기적으로 높여줍니다. 또한, 단순히 성능을 측정하는 데 그치지 않고 AI가 직접 프롬프트를 재작성하여 개선안을 제안하는 자동 최적화 기능 덕분에 수동 프롬프트 튜닝에 소요되는 리소스를 대폭 절감할 수 있다는 평가를 받습니다.

• Y Combinator(YC S24)를 통해 출시된 비교적 신생 솔루션이기에 LangChain의 LangSmith 등에 비해 대규모 커뮤니티의 기술 지원이나 사례 공유가 아직 부족한 편입니다. 평가 과정에서 별도의 '판사 LLM'을 호출해야 하므로 토큰 사용 비용이 추가로 발생하며, 루브릭(평가 기준)이 정교하지 않을 경우 자동 최적화된 프롬프트가 과적합(Overfitting)되거나 의도치 않은 방향으로 수정될 가능성이 있습니다. 또한 엔터프라이즈 급에서 요구하는 복잡한 권한 관리나 온프레미스 배포 옵션은 아직 제한적일 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

제로이밸 주요 기능

• SDK 한 줄 설치로 기존 LLM 호출 자동 추적
• 인간 피드백 기반 LLM 판사 보정(Calibration)과 Autotune
• DSPy 기반 자동 프롬프트 최적화 및 재작성
• 커스텀 루브릭·이진 채점 방식의 맞춤형 판사 정의
• MCP 및 Cursor/Claude Code 에이전트 통합 지원
• 실패 패턴 분석 및 원클릭 프롬프트 배포