Engineering••EN

배포 전 30분 행동 QA: 바이브코딩 앱에서 '진짜' 터지는 버그 12가지

정적 스캔으로 안 잡히는 세션·권한·중복요청·LLM 내성 테스트

배포 전 30분 행동 QA: 바이브코딩 앱에서 '진짜' 터지는 버그 12가지

배포 전 30분 행동 QA: 바이브코딩 앱에서 '진짜' 터지는 버그 12가지

정적 스캔으로 안 잡히는 세션·권한·중복요청·LLM 내성 테스트

한 줄 요약: 정적 스캔은 "냄새"를 잡고, 행동 QA는 "실제로 깨짐"을 재현해서 잡는다.

이 글의 전제

이 글은 "해킹"이 아니라 본인 앱/스테이징 환경에서 배포 전 리스크를 줄이기 위한 행동 기반 QA 루틴입니다.

🔒

이어서 읽으려면 로그인이 필요합니다

무료 회원가입으로 전체 콘텐츠를 확인하세요.

로그인 / 회원가입

관련 포스트

LLM 추론 최적화 Part 4 — 프로덕션 서빙
AI Engineering

LLM 추론 최적화 Part 4 — 프로덕션 서빙

vLLM과 TGI로 프로덕션 배포. Continuous Batching, Speculative Decoding, 메모리 버짓 설계, 처리량 벤치마크.

LLM 추론 최적�� Part 3 — Sparse Attention 실전
AI Engineering

LLM 추론 최적�� Part 3 — Sparse Attention 실전

Sliding Window, Sink Attention, DeepSeek DSA, IndexCache, Nvidia DMS. 동적 토큰 선별부터 Needle-in-Haystack 평가까지.

LLM 추론 최적화 Part 2 — KV Cache 최적화
AI Engineering

LLM 추론 최적화 Part 2 — KV Cache 최적화

KV Cache 양자화(int8/int4), PCA 압축(KVTC), PagedAttention(vLLM). 실전 메모리 절감 코드와 시나리오별 설정 가이드.