DebugBearは11のConsent Management Platformをそれぞれ5サイトでテストし、4倍CPUスロットルのデスクトップ環境でcookie同意クリック後のINP（Interaction to Next Paint）スコアを計測しました。Sourcepointは中央値6ms INPで圧倒的な1位を記録しました。これは同意モーダルをiframe内でレンダリングし、クリック処理をメインスレッドから完全に分離しているためです。Google Funding Choicesは中央値468msで最下位となり、asahi.comでは1,549msという極端な結果が出ました。これはメインスレッドをブロックするGoogle変換スクリプトが原因です。Osanoは中央値225msで2番目に悪く、Chrome DevToolsの分析によりJavaScriptレンダリングロジックとforced reflowによる448msのメインスレッドブロックが確認されました。Cookiebot・TrustArc・Termlyなど中位プラットフォームは57〜69msの範囲でCore Web Vitalsの「good」基準を概ね満たしています。
READ_TIME: 7_MIN|BY: Conor McCarthy Customer Support Engineer
Nadia Makarevichは、TanStack QueryとZodを使用する公開学習プロジェクトで三つの実際のReact/Next.jsバグにClaude Opusをテストし、問題の修正・根本原因の特定・正しい修正の適用それぞれについてスコアを付けました。単純なZodスキーマ不一致（phone/addressフィールドの欠如）では、問題と原因の特定は満点でしたが、スキーマを緩和する代わりにデータモックに欠落フィールドを追加するその場しのぎの修正を適用し、半点となりました。SPA遷移中のRSCペイロードダウンロードによる二重ローディングスケルトンバグでは、useSuspenseQueryを提案して視覚的問題は解決しましたが、リフレッシュ時にhydration mismatchを引き起こしました。三つ目のバグ——Suspense boundaryとredirectがあるページでuseEffect内でServer Actionを呼び出すことによる「rendered more hooks than during the previous render」エラー——は、多数の自信に満ちた誤答の末にAIを完全に打ち負かしました。著者は、AIは既知のエラータイプのパターンマッチングには優れるが、新規のシステム動作推論には失敗し、「重要なスキルはより良くプロンプトする方法を知ることではなく、プロンプトをやめて自分で考え始める時期を知ること」と結論づけています。
Nicholas Zakasは、AIの永続的記憶の欠如により、PRD・Architectural Decision Record・Technical Design Document・詳細なタスクリストといった従来のソフトウェアアーティファクトが、プロのコードベースにおいてこれまで以上に不可欠になったと主張します。数ヶ月前の意思決定理由を記憶している人間の開発者とは異なり、AIペアプログラマーは現在のcontext windowを超えた記憶を持たないため、構造化されたドキュメントなしにはトレーサビリティが不可能です。Zakasは、「save for later」機能の具体的なポストモーテムでこれを説明します。AIが生成したTDDがRedisからPostgreSQLへのread-through cacheフォールバックを省略し、暗黙的な前提だったためレビュアーも見逃したという事例です。すべてのアーティファクトをソース管理に保存し、一つのAIで下書きを作成し別のAIで矛盾を確認し、各タスクに受け入れ基準・依存関係・明示的な「スコープ外」項目を加えてAIの実装を制御することを推奨しています。
DebugBearは11のConsent Management Platformをそれぞれ5サイトでテストし、4倍CPUスロットルのデスクトップ環境でcookie同意クリック後のINP（Interaction to Next Paint）スコアを計測しました。Sourcepointは中央値6ms INPで圧倒的な1位を記録しました。これは同意モーダルをiframe内でレンダリングし、クリック処理をメインスレッドから完全に分離しているためです。Google Funding Choicesは中央値468msで最下位となり、asahi.comでは1,549msという極端な結果が出ました。これはメインスレッドをブロックするGoogle変換スクリプトが原因です。Osanoは中央値225msで2番目に悪く、Chrome DevToolsの分析によりJavaScriptレンダリングロジックとforced reflowによる448msのメインスレッドブロックが確認されました。Cookiebot・TrustArc・Termlyなど中位プラットフォームは57〜69msの範囲でCore Web Vitalsの「good」基準を概ね満たしています。
Nadia Makarevichは、TanStack QueryとZodを使用する公開学習プロジェクトで三つの実際のReact/Next.jsバグにClaude Opusをテストし、問題の修正・根本原因の特定・正しい修正の適用それぞれについてスコアを付けました。単純なZodスキーマ不一致（phone/addressフィールドの欠如）では、問題と原因の特定は満点でしたが、スキーマを緩和する代わりにデータモックに欠落フィールドを追加するその場しのぎの修正を適用し、半点となりました。SPA遷移中のRSCペイロードダウンロードによる二重ローディングスケルトンバグでは、useSuspenseQueryを提案して視覚的問題は解決しましたが、リフレッシュ時にhydration mismatchを引き起こしました。三つ目のバグ——Suspense boundaryとredirectがあるページでuseEffect内でServer Actionを呼び出すことによる「rendered more hooks than during the previous render」エラー——は、多数の自信に満ちた誤答の末にAIを完全に打ち負かしました。著者は、AIは既知のエラータイプのパターンマッチングには優れるが、新規のシステム動作推論には失敗し、「重要なスキルはより良くプロンプトする方法を知ることではなく、プロンプトをやめて自分で考え始める時期を知ること」と結論づけています。
Nicholas Zakasは、AIの永続的記憶の欠如により、PRD・Architectural Decision Record・Technical Design Document・詳細なタスクリストといった従来のソフトウェアアーティファクトが、プロのコードベースにおいてこれまで以上に不可欠になったと主張します。数ヶ月前の意思決定理由を記憶している人間の開発者とは異なり、AIペアプログラマーは現在のcontext windowを超えた記憶を持たないため、構造化されたドキュメントなしにはトレーサビリティが不可能です。Zakasは、「save for later」機能の具体的なポストモーテムでこれを説明します。AIが生成したTDDがRedisからPostgreSQLへのread-through cacheフォールバックを省略し、暗黙的な前提だったためレビュアーも見逃したという事例です。すべてのアーティファクトをソース管理に保存し、一つのAIで下書きを作成し別のAIで矛盾を確認し、各タスクに受け入れ基準・依存関係・明示的な「スコープ外」項目を加えてAIの実装を制御することを推奨しています。
Nicholas ZakasはAIに永続的記憶がないからこそ、ソフトウェアアーティファクト——PRD・ADR・技術設計ドキュメント——がこれまで以上に不可欠だという補完的な主張を展開しました。暗黙の前提としてのみ存在したためにAIが省略しレビュアーも見逃したRedis-to-Postgresキャッシュフォールバックのポストモーテムが、共有されたコンテキストを仮定するコストを生き生きと示しました。Nadia MakarevichのClaude Opusデバッグ研究は同じポイントを強化しました。モデルは既知のエラータイプのパターンマッチングには優れるが、新規のシステム動作推論には失敗し、重要なスキルはプロンプトをやめて自分で考え始める時期を知ることです。
