30주차에는 저렴해진 코드 생성 시대에 개발자가 어떻게 사고해야 하는지를 둘러싼 세 가지 맞물린 논거가 제시됐습니다. Addy Osmani의 dark factory 개념은 핵심 위험을 정확히 짚습니다. 에이전트가 나쁜 코드를 작성하는 게 문제가 아니라, 인간이 그 코드를 읽기를 멈추면서 테스트는 통과하는 동안 comprehension debt(이해 부체)가 조용히 쌓인다는 것입니다. Theo의 영상은 반대 방향에서 같은 지점을 공략합니다. 코드가 너무 중요해서 모든 줄을 검증해야 한다면, 그래도 당신은 코드를 충분히 생성하지 않고 있다는 것 — 핵심 경로를 일회용 하네스, 커스텀 디버거, 스트레스 테스트 스위트로 둘러싸야 한다는 주장입니다. 두 논거를 합치면 병목은 생성 속도가 아닌 검증 용량이고, 해법은 diff가 아닌 팩토리를 설계하는 것입니다.
성능 계측 측면에서는 Harry Roberts가 Container Timing API(containertiming 속성, Chrome 오리진 트라이얼 148–153, Bloomberg·Igalia 개발)를 소개했습니다. 이 API는 컴포넌트 수준의 페인트 계측을 userland JavaScript 밖으로 꺼내 렌더링 엔진 자체로 옵겨 줍니다. elementtiming이 “이 이미지는 언제 렌더됐나?”를 묻는다면, Container Timing은 “이 구매 박스 전체가 어떻게 완성됐나?”를 묻습니다 — LCP만으로는 보이지 않는 다단계 페인트 동작을 PerformanceContainerTiming 항목의 시팀스로 드러냅니다. 중요한 점은 브라우저가 콘테이너 완료 신호를 보내지 않기 때문에 팀이 직접 의미 있는 엔드포인트를 선택해야 합니다.
Evil Martians 연구는 AI 트래픽 패턴에 실제 수치를 부여했습니다. 두 달간 268,000건의 에이전트 요청을 기록했고, 이는 사람 페이지뷰의 2배가 넘습니다. 데이터는 단일 “LLM 수용자” 개념을 산산이 부줅습니다. ChatGPT-User(에이전트 트래픽의 73%)는 렌더된 HTML만을 거의 독점적으로 가져가며, Claude Code는 Accept: text/markdown을 전송하고 콘텐츠 협상을 통해 76%의 시간에 Markdown을 수신하며, 전체 정당한 Markdown 트래픽의 43%를 차지합니다. 한편 llms.txt는 약 770건 중 37건의 실제 AI 어시스턴트 요청만 유치했고 나머지는 봇·스캐너·크롤러였습니다.
GitHub의 Dependabot 쿨다운은 이번 주 공급망 논의를 마무리합니다. 버전 업데이트 PR 발행 전 기본 3일 대기가 적용되며, 2026년 5월까지의 1년간 하루 평균 ~18개의 악성 npm 패키지가 GitHub Advisory Database에 등록된 데이터를 근거로 합니다. chalk, debug, Solana web3.js 등 고프로파일 사고들은 모두 몇 시간 내에 발견됐기 때문에, 짧은 버퍼만으로도 대부분의 단명형 공격을 걸러낼 수 있습니다.
