# Nao - 데이터를 위한 Cursor

> Clean Markdown view of GeekNews topic #20840. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=20840](https://news.hada.io/topic?id=20840)
- GeekNews Markdown: [https://news.hada.io/topic/20840.md](https://news.hada.io/topic/20840.md)
- Type: news
- Author: [xguru](https://news.hada.io/@xguru)
- Published: 2025-05-12T09:46:02+09:00
- Updated: 2025-05-12T09:46:02+09:00
- Original source: [getnao.io](https://getnao.io/)
- Points: 25
- Comments: 1

## Summary

데이터 엔지니어를 위한 **VS Code 기반 AI 에디터**로, **BigQuery, Snowflake, Postgres** 등과 직접 연결하여 **데이터 스키마 인식 기반 코드 자동 생성**과 **자동 품질 검사** 기능을 제공합니다. **RAG(정보 검색 증강) 기반 AI 탭** 및 **에이전트 도구**를 통해 **정확한 SQL/Python/YAML 코드**를 생성하며, SQL 및 Python 파이프라인 작성, 실행, 시각화를 한 인터페이스에서 지원합니다. **데이터 파이프라인 변경 전후 결과 비교**와 **문제 탐지**가 용이하여, 테스트 없이도 신속한 배포와 오류 방지가 가능합니다. **dbt 및 다양한 BI/WH 도구 통합**, **로컬 데이터 처리** 등으로 데이터 팀 전체에 최적화된 개발 환경을 제공합니다.

## Topic Body

- **데이터 작업에 특화**된 VS Code 기반 AI 코드 에디터로, BigQuery/Snowflake/Postgres에 직접 연결되어 **데이터 스키마에 맞는 코드 자동 생성** 및 **품질 검사** 기능을 제공  
- 기존 LLM 기반 툴이 데이터 스키마를 인식하지 못하고 SQL을 자동완성하는 반면, nao는 **RAG 기반 AI 탭과 에이전트 도구**로 **정확한 SQL/Python/YAML 코드**를 생성  
- **SQL 파이프라인** 작성, 실행, 시각화를 하나의 인터페이스에서 수행 가능함  
- **Python 파이프라인**도 같은 환경에서 지원하며, dbt 워크플로우도 지원됨  
- **코드 변경 전후의 결과 데이터 차이**와 **데이터 품질 문제**를 한눈에 확인할 수 있어, 테스트 없이 빠르게 배포하거나 실수를 방지할 수 있음  
- 주요 작업 용도  
  - 데이터 파이프라인 구축(SQL, dbt 등)에 활용  
  - 누락/중복/이상치 탐지  
  - 개발 vs 운영 데이터 비교  
  - 사전 정의된 테스트 실행 및 요약  
- dbt, BI 툴, 데이터 웨어하우스와 통합되어 있어 **데이터 엔지니어, 분석가, 데이터 과학자 모두에게 적합한 IDE 환경**을 제공함  
- BigQuery, Snowflake, Postgres를 지원하며 곧 Databricks, Iceberg, Redshift 지원 예정  
- **Looker, Power BI, Metabase, Tableau**와도 통합 예정  
- 현재는 **Mac 버전만 제공**, 윈도우/리눅스도 제공 예정  
- Cursor 및 MCPs와의 차별점  
  - Cursor는 데이터 컨텍스트를 얻기 위해 여러 MCP 호출 필요, Nao는 단일 RAG에서 항상 사용 가능함  
  - MCPs는 Cursor 안에서 제한적으로만 작동하며, UI 적응성도 떨어짐  
  - Nao는 사전 패키지화로, 설정, 확장 설치, 인증, CI/CD 구축 불필요, 비전문가도 개발 경험 향상이 가능한게 강점  
  
### FAQ   
- 누가 nao를 써야 하나요?  
  - SQL 작성자, dbt 분석 엔지니어, 데이터 과학자, 데이터 엔지니어 등 **모든 데이터 팀 구성원**  
- Cursor와 다른 점은?  
  - **데이터 스키마 인식 기반 코드 생성**, **자동 데이터 품질 검사**, **변경 영향 예측** 등 **데이터 컨텍스트에 최적화된 IDE**임  
- 어떤 언어를 지원하나요?  
  - 모든 언어를 지원하지만 특히 **SQL에 최적화**되어 있음  
- dbt 워크플로우엔 어떻게 도움이 되나요?  
  - dbt 모델, 소스, 문서, 테스트, 열 단위 lineage를 이해하고 자동완성 및 시각화 제공함  
- 데이터 보안은?  
  - **데이터는 로컬에서만 처리**되며, LLM으로 전송되기 전 사용자 허용을 받음  
  - **코드나 스키마는 저장되지 않음**, 오직 임베딩만 활용함

## Comments



### Comment 38485

- Author: neo
- Created: 2025-05-12T10:03:25+09:00
- Points: 1

###### [Hacker News 의견](https://news.ycombinator.com/item?id=43938607)   
* 많은 **LLM 기반 데이터 프로젝트**들이 유연성과 도움을 주지만, 반복하기 어렵고 상호작용성이 부족하다는 점을 지적함, Nao가 이 개념을 잘 구현했다는 평가임, 내가 만든 **[Buckaroo](https://github.com/paddymul/buckaroo)** 는 Jupyter와 Pandas/Polars용 데이터 테이블 UI로, 최신 테이블, **히스토그램** 및 요약 통계로 바로 데이터를 볼 수 있음, 어제 Buckaroo에 오토 클리닝 기능을 출시했으며, 데이터에 대해 휴리스틱하게 클린 방법을 골라 확정된 코드를 제공함, 500ms 이내의 매우 **빠른 속도**를 자랑함, 여러 개의 클리닝 전략을 시도할 수 있고 가장 적합한 것을 고를 수 있음, 단순한 문제는 LLM을 거치지 않아도 됨, 오픈소스이며 **확장 가능성**이 뛰어남  
  
  * 나도 정말 비슷한 걸 개발 중임, 아직 **Buckaroo**만큼 완성은 안 됐지만, **노트북 내 임베디드 앱**이 꽤 유용하다고 생각함  
  
  * 데이터 프로파일링을 시각화할 수 있는 **뷰**가 참 마음에 듦, 데이터 이해에 중요한 핵심이라고 생각함  
  
* 정말 **멋진 아이디어**라고 생각됨, Tab 모델을 어떻게 학습시켰는지 궁금함, Fill in the middle 혹은 edit history 기반인지, 누가 이와 비슷한 [Cursor 탭 자동완성](https://news.hada.io/topic?id=20845) 관련 블로그 글을 어제 공유해서 흥미롭게 읽어봄  
  
  * 우리는 **Fill in the middle 모델**(Mistral과 Qwen 자체 트레이닝 모델)을 씀, 사용자의 데이터 컨텍스트를 함께 넣음, 커서 위치에 따라 적절한 데이터 **스키마 컨텍스트**를 제공하려고 자체 SQL 파서를 사용함  
  
* 몇 주 동안 계속 사용해보면서 **워크플로우에 실제로 많은 개선**이 있음을 느낌, VSCode와 확장 기능 대신 절반 넘게 선택하게 됨, 탐험적 데이터 분석을 위한 채팅, 워크시트, 칼럼 **계보 추적** 기능이 dbt 개발에서 정말 판도를 바꿈, 이런 기능들이 실제 내 작업 방식에 맞춰 **치밀하게 설계된 느낌**임, Claire와 Christophe는 피드백에도 즉각 반응해 기능도 빨리 추가 및 수정해 줌, 제품이 올바른 방향으로 **빠르게 발전** 중임  
  
  * 좋은 말씀 감사함, 그리고 **nao 개선**에 도움 주셔서 고마움  
  
* 정말 매력적이라고 느낌, 유튜브 영상을 여러 번 봤고 **피드백 사이클을 단축**하는 모습이 매우 인상 깊었음, 정말 멋짐  
  
  * 고마움, 바로 이 **피드백 루프 단축**이 우리의 목표임, 데이터 팀이 소프트웨어 엔지니어에 비해 더 긴 피드백 루프를 가지는 경향이 있어서, 그것을 줄여서 **데이터를 개발 흐름에 더 가깝게** 만들고자 하는 노력이 있음  
  
* 이거 **raw SQL** 쓸 때만 동작하는지 궁금함, 내 프로젝트는 Postgres + TypeScript에서 Kysely 같은 query builder로 쿼리를 씀, 지금 당장 쓸 수 있을지 궁금함  
  
  * 현재로선 Tab이 **raw SQL**(순수 SQL 파일 또는 문자열)과 가장 잘 작동함, 하지만 chat/agent를 쓰면 Kysely 사용 중임을 말해주고 **웨어하우스 컨텍스트**를 전달하면 어느 정도 다룰 수 있음, Kysely는 처음 듣는데 프로젝트 소개 GIF를 보니 자동완성이 꽤 괜찮아 보임, 탭 방식과는 다르지만 흥미로움  
  
* 내 데이터/프롬프트가 모델에 얼마나 전달되는지 궁금함, 내 스키마 정도야 괜찮지만 웨어하우스 데이터는 대개 **민감한 데이터**임, 엔터프라이즈 플랜이 있을걸로 아는데, 실제 코드 외 데이터/결과가 서버로 전송되는지, 아니면 코드만 보내는지 미리 알고 싶음  
  
  * 데이터 내용 자체는 사용자가 명시적으로 허용하지 않는 한 **모델에 전달하지 않음**, 서버에는 코드베이스와 데이터 스키마의 임베딩만 저장됨, 데이터 내용은 사용자의 컴퓨터에서 **로컬로만 접근**함, agent가 쿼리를 실행할 때는 웨어하우스에서 실행 후, 그 결과를 읽어도 되는지 **승인 요청**을 먼저 함, 허용하지 않으면 LLM으로 전송되지 않고 **로컬에서 미리보기 가능**함, 엔터프라이즈 버전 사용 시 프롬프트와 컨텍스트가 공용 LLM 엔드포인트를 거치지 않고 별도 보호받을 수 있음  
  
* 데이터 엔지니어링, 데이터 사이언스용 **LLM 기반 도구** 링크 추천받고 싶은 사람 있음  
  
  * 내가 이런 LLM 도구 **리스트 리포지토리**를 정리 중임, 곧 완성할 계획임  
  
* 갖고 있는 기능들이 **마음에 듦**, 혹시 앞으로 **SQLite** 지원도 추가 예정인지 궁금함  
  
  * 물론임, 별로 어렵지 않게 추가 가능할 것 같음, 다음 릴리즈에서 DuckDB도 들어갈 예정이며, SQLite도 추가할 수 있음, SQLite를 쓰는 이유가 **로컬 개발** 때문인지 궁금함  
  
* 여러 **테이블**에 FK/PK 없는 상태로 **전이적 조인**을 할 때 어떻게 처리하는지 궁금함, 이것 외에 이미 존재하는 **비효율 쿼리에 대한 사용 분석/리라이팅**도 킬러 기능이 될 것 같음  
  
  * 조인의 경우, 각 테이블의 **스키마**와 리포지토리/쿼리 히스토리 상에서 이미 사용된 조인 방식을 모델에 제공해 **관계 유추**를 도와줌, 사용 분석도 확실히 개발 로드맵에 있음, 각 테이블의 **실사용 측정**을 위해 데이터 웨어하우스의 로그 접근을 계획 중임