flipslidersand

2026年11月回 指名


まだ何もありません

あなたを気にしている企業

  • ログラスがflipslidersandのレジュメを見ています。
    2026.11.21
  • AUDERがflipslidersandのレジュメを見ています。
    2026.11.20
  • キャデナス・ウェブ・ツー・キャドがflipslidersandのレジュメを見ています。
    2026.11.20
  • THIRDがflipslidersandのレジュメを見ています。
    2026.11.20
  • うるるがflipslidersandのレジュメを見ています。
    2026.11.20
  • HEARTBEATSがflipslidersandのレジュメを見ています。
    2026.11.20
  • カミナシがflipslidersandのレジュメを見ています。
    2026.11.20
  • シンプルフォームがflipslidersandのレジュメを見ています。
    2026.11.20
  • ヘンリーがflipslidersandのレジュメを見ています。
    2026.11.20
  • COUNTERWORKSがflipslidersandのレジュメを見ています。
    2026.11.20

キャリアビジョン


曖昧な業務課題を観察して、必要な技術を選び、設計して、本番まで持っていくエンジニアになる(FDE / Applied AI 系の役割を含む)

福祉・物流の現場と管理を経て、2026年にエンジニアに復帰しました。現職では、業務の観察から設計・本番運用までを1人で担い、AIを使った開発基盤を作っています。現場を知る強みと、判断を記録して測る習慣を掛け合わせ、顧客の課題を技術で解く再現性を示したいです。18〜24か月で、複数の顧客・部門でAI導入と設計判断の実績を作ることが、次のステップです。

プロジェクト経験

2026年/1年以内

中古車輸出向け業務管理システム内製化

ステム概要 中古車輸出の営業・商品・管理業務を支援する業務管理システムの内製化を、開発も技術判断も自分1名で担当した。業務フローの観察と課題分解、システム化する範囲の決定から、データモデル設計、バックエンド・フロントエンド開発、データ API と業務自動化スクリプト、GCP 上の環境構築までを一貫して実施した。 課題 既存のコードベースも開発チームも無い状態で、現場の業務の流れから、システム化する範囲としない範囲を切り分ける必要があった。外部委託か内製かの判断も求められた。 思考プロセス 外部委託した場合の費用を試算して会社に提示し、内製での開発が決まった。 社内向けで障害の影響が社内に閉じることと、後任の維持負担を考え、テストを薄くして「小さく出して早く直す」に寄せた。市場向けなら何を足すか(速いテストと遅いテストの分離、E2E、段階的リリース)まで整理している。 工夫したこと 業務観察から始め、システム化する範囲を絞った(PostgreSQL のデータモデル、Go のバックエンド、React のフロントエンド、Python/FastAPI のデータ API・自動化スクリプト、GAS による業務自動化・通知)。 GCP の Cloud Run・Cloud SQL・Vertex AI・Pub/Sub・Cloud Tasks・Secret Manager・Artifact Registry で本番環境を構築した。 AI コーディング支援を前提に、ADR・Issue・手順書を残し、運用の方針を会社と合意した上で、共通の CI を複数のリポジトリに展開した。 AI 開発ツールの導入・ガバナンスも担当した(Claude Pro の経費化提案、Gemini 管理画面での全社利用状況の調査)。 成果 着手から約1ヶ月で最初のテストリリース、約4か月で本番稼働(75稼働日・153PR)。 画像流出インシデントの際、監査用の MVP を2日で構築した。 変更の失敗率は1%未満、障害修正は PR 作成から約40分で本番反映(2026-11-12 集計)。 課題として残っていること チーム開発とコードレビューの経験が無い(1人体制)。E2E は現在なし(夜間実行を計画中)。

2026年/1年以内

AI 活用で増えた PR をさばく CI/CD の再設計

## 課題 AI 活用で PR が週数百件に増え、GitHub Actions の実行枠が月の10日前に尽きた。クラウド費用の上限と1人体制の制約があった。 ## 思考プロセス Cloud Build への振り分け、Kubernetes 上の runner(資源が足りず見送り)、Compute Engine の専用 runner を順に試し、1台の専用 runner に集約した(開発時間のみ起動)。 日割りの枠分け、ステージングへの溜め込み、E2E の都度実行は、根拠を付けて見送った。 ## 工夫したこと - runner の振り向け先を変数で指定し、移行・切り戻し・後任への切り替えを同じ操作にした。 - 本番の移行は旧環境を残して新しい VM を横に立てて切り替えた。 - セキュリティ調査への回答で環境を調べた際、本番の OS が他と異なるのを見つけて統一した。 ## 成果 PR 用 CI は約11分から約4分に短縮し、Cloud Build の実行は週約1,500件から約450件に減った(2026-11-12 集計)。

2026年/1年以内

1人体制の障害検知の自動化と復旧手順の整備

## 課題 気づくのも直すのも自分だけの体制で、障害に気づく人も仕組みも無かった。 ## 思考プロセス 8月の休暇中に環境を意図して停止し、復旧手順を検証した。設定の戻し忘れと起動順のミスで復旧が遅れ、確認する人も通知も無いと分かった。 そこで「人が見ること」に頼らず、検知を仕組みにする方針にした。 ## 工夫したこと - アプリ・DB のチャット自動通知(通知先は上長と共有) - ログの集約と、通知の段階的な絞り込み(通知疲れの対策) - 復旧手順の文書化 - GCP の自動再起動・バックアップ・ヘルスチェック ## 成果と限界 復旧の手順と検知の仕組みを整えた。対応者が1人である限界は認識しており、目視確認を併用している。

2026年/1年以内

社内 IT 基盤(PC・ネットワーク)の選定と運用

## 課題 リース期限を迎えた PC の自社契約への切り替えと、速度・安定性に問題のあったネットワークの自社化が必要だった。 ## 思考プロセス - PC: ブラウザ主体の業務でメモリ枯渇の声が多かったため、メモリ32GB を要件にし、利用者の働き方で機種を分けた。決裁は経営側、納入はベンダーで、自分は機種の選定・比較・提案を担当した。 - ネットワーク: 移行は1人では責任を負えないと判断してベンダーに依頼し、自分は選定・ベンダー選び・受け入れ後の運用を担当した。 ## 工夫したこと - 外部アクセスのログを日次で AI がレビューして通知し、不審な接続先のブラックリストを運用している。 - 回線の遅さは、定位置の PC で到達速度を10分間隔で記録して個人の端末の問題と切り分け、全体の遅延には観測データを根拠に、理由と費用を添えてバックアップ回線の契約を提案した。 - 社内 IT サポートは、初期対応で直らなければ代替機と交換し、一次受けの切り分けは総務、二次は自分、原因不明ならベンダーのサポートに回す3段階で調整している(開発時間を守る運用)。 ## 成果と限界 決裁・納入・移行は経営側とベンダーが担い、自分は選定・比較・提案と受け入れ後の運用を担当した。

2026年/半年以内

nugget-rag-eval(RAG の検索方式を導入前に測る評価ハーネス)※個人開発

## 概要 論文を検索して答えるRAGシステムに、「質問に関連する文だけをLLMに渡す」新しい方式を入れる前に、既存の方式と公平に比べて、入れる価値があるかを判断するための評価ツールを、1人で設計・実装した。 ## 課題 新しい方式は、論文の上では有望でも、自分のシステムで効くかは分からない。入れてから効かないと分かると、手戻りが大きい。導入前に、同じ条件で測って判断できる状態にしたかった。 ## 取り組み - 同じ質問・同じ検索候補・同じ指標(Recall@5、MRR@5、LLMに渡すトークン量)で、2つの方式を比べられるようにした。 - 実行時の外部依存をなくし、BM25は自前で実装した。正解データは手作りした。Recallが閾値を下回るとCIが失敗する。 - 最初の19問では、両方式ともRecall@5が上限に張り付き、差が見えなかった。評価が易しすぎると判断し、難問のセット(起草40件、人が確認して37件)を作って測り直した。 ## 成果 - 提案方式は既存方式より低い結果だった。「入れる前に、入れない判断ができた」ことが、このツールの成果。 - 失敗の内訳を分析し、37件中18件は検索側が原因、提案方式に固有の失敗は11件と分かった。「提案方式だけを直しても、既存方式は超えられない」と結論づけた。 - 難問の質問はAIで起草し、人が妥当性を確認して作った。評価データの作り方に偏りがありうる点は、制約として記録している。

2026年/半年以内

safecode-arena(生成コードの検証の仕組み)※個人開発

## 概要 生成されたコードを、隔離した環境で安全に実行し、複数の観点で採点する仕組みを、Rustで1人で段階的に作っている。判断はADR(設計判断の記録)に残した。 ## 課題 生成コードは、そのまま実行すると安全面のリスクがある。一方で、最初から強い隔離を作り込むと、検証したいことの前に実装が重くなる。段階を踏んで、どこまで作るかを自分で決める必要があった。 ## 取り組み(設計判断) - 最初はプロセスの隔離(一時ディレクトリ・子プロセス・タイムアウト)で始め、強い隔離は後回しにした。「信頼できない第三者のコードを本番で動かす用途には不十分」と、制約をADRに明記した。 - 当初案の重い依存(Tree-sitter、Criterion、cargo-audit)は、導入コストが大きいため見送った。 - 環境を調べると、wasmtimeのCLIが入っていなかった。外部のバイナリに頼らず、wasmtimeを埋め込んで使うことにした。権限をゼロにして動かし、実行の上限は命令数で決める。命令数は結果が決まるので、CIで再現できる。 - ミューテーションテストのツールを3つ比べ(最終更新、JSON出力、追加コスト)、cargo mutantsを選んだ。 ## 成果 - 採点は5つの観点の重み付きにした。重みは主観で、最初に実測したのはcorrectnessだけである点も、ADRに書いている。 - 「どこまで作り、何を後回しにしたか」と、その理由を判断ごとに残している。

2026年/半年以内

Context Smith(AI コンテキストコンパイラ CLI)※個人開発

## どんなサービス・システムか Gitリポジトリ全体をAIに渡すとノイズになる問題に対し、タスクに関連するコードだけをBM25検索と依存関係グラフのBFSで自動選定し、指定トークン予算に収まるコンテキストバンドルを生成するCLI。Rust/Python/Go/TypeScript/JavaScript/Rubyのシンボル抽出・依存解析に対応し、crates.ioに`context-smith`として公開している。 ## 体制・担当範囲 1名体制(個人開発)。要件定義、Git走査・tree-sitterシンボル抽出、BM25全文検索インデックス、依存関係グラフのBFS拡張、トークン予算内での貪欲割当アルゴリズム、多言語対応(6言語)、crates.io/docs.rsへのリリース作業までを全工程担当。 ## 課題 LLMにコード全体を渡すと、無関係なファイルがコンテキストを圧迫し精度低下とコスト増を招く。一方で人手でファイルを絞り込むのは非効率で属人的になる。 ## 思考プロセス BM25によるシンボル/本文検索でシード候補を選び、そこから依存関係グラフをBFSで2ホップ分伝播させてスコアを減衰させる、という2段階のスコアリングパイプラインを設計した。最後にトークン予算内で貪欲法により採用ファイルを決定する。 ## 開発した機能 - tree-sitterによる6言語のシンボル抽出とimport依存関係解析を実装した - BM25+依存グラフBFSによるスコア伝播を実装し、キーワード一致だけでは拾えない関連コードも選定できるようにした - トークン予算内での貪欲割当とMarkdownバンドル出力を実装した - CI/JSON出力対応の`query`サブコマンドを実装した ## 工夫したこと - インデックスをSQLite単一ファイルにすることで、小規模リポジトリではチームで共有できるように - 差分埋め込み(変更のないファイルをスキップ)を実装し、再インデックスコストを抑えた - v0.1.0→v0.4.1の5回のリリースを通じて対応言語を段階的に拡張 ## 成果 - crates.io / docs.rsに公開、v0.1.0〜v0.4.1の5リリースを実施(ダウンロード82件、2026-11-15時点(crates.io)) - テスト325本(`#[test]`、2026-11-15時点・既定ブランチ)、CI(lint/test/coverage)を分離しカバレッジ閾値を運用 ## 使用技術 - 言語: Rust - 解析: tree-sitter(6言語)、libgit2 - 検索・グラフ: SQLite(FTS5)、petgraph - CI・公開: GitHub Actions、crates.io、docs.rs

2026年/半年以内

dataguard-rail(データ品質チェックとカラムリネージ)※個人開発

## 概要 CSVやDBのデータの品質をルールでチェックし、SQLからカラム間の依存(リネージ)をたどれる基盤を、Rust(検査エンジン)とGo(取込み層)で1人で設計・実装した。 ## 課題 データ品質の問題は、どのカラムが何から作られているかが追えないと、原因を探せない。SQLの方言が違っても動き、小さく始められる形にしたかった。 ## 取り組み(設計判断) 判断はADR 4本に残した。 - SQLの解析は、自前パーサー(工数が大きい)とpest/nom(全方言の網羅が難しい)を却下し、複数方言に対応して型安全なASTを持つsqlparser-rsにした。 - リネージはpetgraphの有向グラフにした。循環の検出と探索がそのまま使える。 - RustエンジンとGo取込み層の連携は、最初はos/execで動かして早く検証し、後からgRPCに移した。exec経路は後方互換で残した。 - 取込み層の保存先は、外部DBに依存しない組み込みのBadgerDBにした。 ## 工夫 gRPCは既定でループバックのみ。外部に開くときはTLSとmTLSを必須にし、満たさなければ拒否する。設定ミスで、意図せず平文で公開することを防ぐ作りにした。 ## 成果 - 合成の100万行CSVにルール2件をかけ、リリースビルドで1.21秒(合成データでの1回の計測)。 - RustとGoの両方にテストとCIを用意した。 - 向いていない用途も明記した。時系列の集計はBadgerDBに向かない。想定規模は数百テーブル。取込みは、リアルタイムではなく、cronやオンデマンドの一括処理。 ## 使用技術 - Rust: sqlparser-rs、petgraph、tonic(gRPC)、tokio、clap - Go: gin、pgx、BadgerDB、cobra、zap、OpenTelemetry、cron - CI: GitHub Actions(Rust・Goそれぞれ)

2026年/半年以内

sentinel-mesh(eBPF 分散観測基盤)※個人開発

## 概要 複数のホストのカーネルイベント(プロセス起動・TCP・ファイル)をeBPFで集め、1か所で検索・可視化できる観測基盤を、1人で設計・実装した。ホスト側のエージェントをRust、集約側のコレクターをGoで作り、Web UIも付けた。 ## 課題 複数台のホストで何が起きているかを、軽い負荷で一元的に見たい。あわせて、エージェントの認証を、運用の手間と安全性が釣り合う形で決める必要があった。 ## 取り組み(設計判断) 判断はADR 5本に残した。 - ホスト側はRustとAyaで、eBPFとユーザー空間を同じworkspaceに置いた。libbpfに依存しない。 - エージェントとコレクターは、gRPCの双方向ストリームで接続する。接続は1回で、ルールの配信も同じ経路に載せた。 - コレクターはGoで、同時接続をgoroutineで扱う。保存は組み込みのBadgerDBにした(Dockerなしで動く。大規模化はClickHouseを検討)。 - 認証は、mTLSを却下した。CAと証明書の運用コストが、数台〜十数台の規模に見合わないため。代わりに、エージェントごとのBearerトークンとローテーションにした。 ## 工夫 無停止でのトークン移行は今回は見送り、コレクター停止が前提だと明記した。クライアントの真正性がBearerトークンに依存する点も、限界としてADRに書いた。 ## 成果 - Phase 1〜9まで実装した。 - 実際のeBPFを、2台のホスト(WSL2)で読み込んで動かした。 - コレクターのテスト、Rust側のテスト、統合テストのスクリプト、CIを用意した。 - 既定では暗号化なし(TLSは任意)で、認証を無効にするオプションはデモ用に限る、と明記している。 ## 使用技術 - Rust: Aya(eBPF)、tokio、tonic(gRPC)、clap - Go: gin、BadgerDB、grpc-go、cobra、OpenTelemetry、zap - Web UI: React、TypeScript、Vite - CI: GitHub Actions

2026年/半年以内

ember-query(CSV 向け SQL クエリエンジン)※個人開発

## 概要 CSVを対象にした、軽量な分析用のSQLクエリエンジンを、Rustで1人で開発している(開発中)。SQLのパース、列指向での実行、並列化までを、段階を分けて作っている。 ## 課題 分析用SQLエンジンの中身(パース、列指向の実行、並列化)を、自分で作って理解したかった。開発中のため、できる範囲を先に絞り、順序を決める必要があった。 ## 取り組み(設計判断) 判断はADR 4本に残した。 - 言語はRust。GCがなく、Arrow/Parquetの資産が使える。 - パーサーは、手書きの再帰下降とnomを却下し、文法を宣言的に書けるpestにした。 - 実行の単位は、行ごとのVolcanoモデルをやめ、Arrow RecordBatch(列指向)にした。 - 並列化は、最初からRayonを入れず、Phase 1〜5は単一スレッドで作る。Phase 6で導入する。スレッド安全の制約で複雑になるのを避けることと、Criterionで並列化の前後を比べられることが理由。 ## 工夫 できることと、できないことを、README に明記した。入力はCSV 1ファイル、JOINはINNER JOINのみ(LEFT/OUTERは未対応)、Parquetは計画中。CLI、統合、JOINの列名、未対応JOINのテストを置き、CIで回している。 ## 成果 CSVに対するSQLの実行と、INNER JOINまでが動く(MVP)。性能の実測は、並列化のPhaseで、前後を比べて取る予定で、現時点では数字はない。 ## 使用技術 - 言語: Rust - データ形式: Apache Arrow(RecordBatch) - パーサー: pest、CLI: clap - 性能測定: Criterion - CI: GitHub Actions

2026年/半年以内

academic-paper-system(論文検索・要約 API)※個人開発

## 概要 論文のPDFを取り込み、キーワードでも意味でも検索でき、要点を構造化して返すAPIを、1人で設計・実装し、運用まで行っている。PDFの抽出、チャンク化、embedding、索引、ハイブリッド検索、LLMによる要約を、FastAPIの1つのAPIにまとめた。 ## 課題 論文は量が多く、キーワード検索だけでは、言い換えや関連する内容を見落とす。逆に、意味検索だけでは、固有名詞や用語の一致を取りこぼす。両方の強みを使い、運用まで1人で回せる形にしたかった。 ## 取り組み(設計判断) - 検索は、BM25(SQLite FTS5)とベクトル検索(Qdrant)を並べ、順位をRRFで統合するハイブリッド方式にした。この判断はADRに記録した。再検討する条件(チャンクやembeddingモデルを変えたとき、索引が食い違ったとき、評価で単独方式が上回ったとき)も、あわせて決めてある。 - 取り込みは、512トークン・重なり64のチャンクに分け、768次元のembeddingを作る。鮮度のスコアは、半減期30日で扱う。 - 公開するコードと、収集・公開・監視の運用の仕組みを、別のリポジトリに分けた。 ## 工夫 コンテナは、一般ユーザー(uid 10001)で動かす。CIは、lint、ライセンス検査、ロックファイルの更新、脆弱性検査に分け、カバレッジ閾値を71%に設定して運用している。 ## 成果 - コミット486、マージ済みPR 409(2026-11-13時点)。 - テストは約100ファイルで、検索、FTS、ロックファイルの整合などを検証している。 - 現在は Alpha。ジョブの管理はメモリ上のみで、永続化は今後の課題。 ## 使用技術 - 言語・API: Python 3.12、FastAPI、pydantic - 検索: Qdrant(ベクトル)、SQLite FTS5(BM25) - PDF・LLM: pdfplumber、Google GenAI SDK、Ollama - 運用: OpenTelemetry、Prometheus、Docker Compose - CI: GitHub Actions(lint・ライセンス・脆弱性検査)

2026年/半年以内

forge(PyTorch 演算の Triton カーネル自動探索)※個人開発

## 概要 PyTorchの演算を速くするTritonカーネルを、自動で探索して選ぶ最適化エンジンを、1人で設計・実装した。関数に`@forge.optimize`を付けると、実装の候補を作り、候補ごとに検証と計測を行い、統計的に速いと言えたものだけを採用する。結果はSQLiteに保存し、2回目以降は探索せずに使う。 ## 課題 GPUのカーネルは、手で書いて調整すると手間がかかる。探索で速くなる演算と、ならない演算を、測って切り分けられるようにしたかった。 ## 取り組み(設計判断) 判断はADR 7本に残した。 - カーネルの記述はTritonにした。CUDA C++は、LLMによる生成と検証のしやすさで却下した(定量測定はしておらず、ADRにもそう書いた)。 - LLMには、自由なコードではなく、JSONのパラメータを出させる。検証・再現・デバッグをしやすくするため。 - 候補のコンパイル・検証・計測は、使い捨てのsubprocessで行い、失敗が本体に影響しないようにした。 - 採用の判定は、候補のp80が、基準のp20の1/1.03を下回ること(閾値3%)。1%は、ノイズ(実測で約0.7%)に近すぎるため却下した。 - 探索の生成器と実行の戦略を分離し、探索の手法(ベイズ最適化など)を入れ替えられるようにした。 ## 工夫 改善しなかった結果も、隠さずREADMEに載せた。LayerNormとSDPAは、小さいサイズでeagerと同等以下だったので、そのまま報告した。RMSNormは、2回の測定で同条件のeagerの時間が食い違い、原因が分からなかったため、倍率は引用しないと注記した。 ## 成果 GTX 1080(PyTorch 2.13、Triton 3.7)で、eager比で、Softmaxは約4倍、GELUは約1.3倍。LayerNormは約1倍、SDPAは0.9倍台で、改善はなかった。計測は、ウォームアップ25回、繰り返し200回、探索の予算50で行った。標準的な式のみ対応し、トレースできないものはeagerにフォールバックする。TritonのサポートにないGTX 1080で開発しているため、結果は他のGPUに一般化できない。 ## 使用技術 - 言語: Python - GPU・カーネル: PyTorch、Triton、torch.fx - 探索・保存: Optuna(任意)、SQLite、Jinja2 - CI: GitHub Actions

2026年/半年以内

Wasm Runtime(WebAssembly パーサーと CLI)※個人開発

## 概要 WebAssemblyのバイナリ形式を、仕様から読み解いて実装した、Rust製のパーサーとCLI(`wasm-dump`)。MVPで定められた全セクションを、型付きの構造体にデコードし、WAT形式での表示、命令の説明、2つのモジュールの比較などを出力できる。実行はせず、デコードと検査に絞っている。 ## 課題 WebAssemblyの仕様を、ドキュメントを読むだけでなく、実装して理解したかった。壊れた入力や悪意のある入力でも、落ちずに拒否できる作りにすることも目標にした。 ## 取り組み(設計判断) 判断はADR 3本に残した。 - エラー型(ParseErrorとValidationError)を、実装より先に分けた。どんなバイト列でもパニックしない、という方針を最初に決めるため。 - LEB128の符号化は、単体テストに加えて、proptestによる性質テストで検証する。 - 定数式をConstExprに統一し、グローバルの初期値やデータの配置位置などで、同じ処理を使う。 ## 工夫 任意のバイト列を流し込み、デコーダーとモジュール全体の解析がパニックしないことを、proptestで検証した。u32とi32は、全範囲で書き出して読み戻す往復も確かめた。公式のtestsuiteは、失敗する集合をファイルに固定し、新しく失敗が増えたら気づける形にした。本体は、外部のクレートに依存しない。 ## 成果 - 公式testsuiteの、有効なモジュール247件のうち210件を受理した。失敗の37件はすべてMVPより後の機能(参照型など)で、未対応。 - 壊れたバイナリは120件のうち115件を拒否した。残りの5件は、不明なセクションIDを意図的に受理している。 - CIで、MSRV、依存の監査、カバレッジ閾値80%を運用している。 - 実行や型検査は、範囲外として明記している。 ## 使用技術 - 言語: Rust(外部クレートへの本体依存なし) - テスト: proptest、insta、assert_cmd - CI: GitHub Actions(MSRV・audit・カバレッジ)

2026年/半年以内

qa-workflows(共通 CI の reusable workflow)※個人開発

## 概要 複数のリポジトリで使うCIの設定を、1か所にまとめて公開したreusable workflow集。言語別のテストとカバレッジ、E2E、デプロイ前後の検査、秘密情報と脆弱性のスキャン、PRタイトルの検査、Dependabotの自動マージなど、22本を提供している。非公開の検証基盤から、YAMLだけを切り出して、publicリポジトリにした。 ## 課題 CIの設定をリポジトリごとにコピーしていると、直すたびに全部のリポジトリを触ることになる。共通の部分を1か所に置き、呼び出す側を短くしたかった。 ## 取り組み(設計判断) - 呼び出される側(reusable)には、permissionsとconcurrencyを持たせない。持たせるとstartup_failureの原因になるため、呼び出し側に任せる。 - コマンドを受け取る入力は、呼び出し側のリテラルだけに限る。外から渡された文字列がそのまま実行される事態を、避けるため。 - runnerは既定値を置かず、呼び出し側が必ず指定する。publicリポジトリでは、組織の変数が届かないため。 - 破壊的変更の定義と、バージョンの方針を、文書にした。 ## 工夫 タイムアウト(Rustは45分、Go・Python・Nodeは30分など)と、カバレッジの既定(60)を、共通の値として決めた。自動マージは、ブランチ保護を必須の前提にした。自リポジトリでは、gitleaksとPRタイトルのCIを回し、tests/にシェルとNodeのテストを置いた。 ## 成果 複数のリポジトリが、`uses:`で呼び出し、CI設定の重複を減らしている。 今後の課題として、タグが0件で、呼び出しは`@main`が前提になっている。SHAでの固定はできるが、バージョンを固定する運用は、これから整える。 ## 使用技術 - GitHub Actions(reusable workflow 22本) - 対象言語: Go、Python、Rust、Node - 検査: Trivy、gitleaks、reviewdog、Playwright - 運用: Dependabotの自動マージ、シェル・Nodeのテスト

2026年/半年以内

MeshDrop(P2P 暗号化ファイル転送)※個人開発

## 概要 クラウドを経由せず、端末同士で、暗号化したままファイルを直接送るGo製のCLI。同じLANでは、受信側をmDNSで自動で見つける。インターネット越しでは、STUNと自前のrelayサーバーでNATを越える。 ## 課題 大きなファイルを、第三者のサービスに預けずに、端末同士で安全に渡したかった。LANでも、NATの向こうでも、同じ使い方で動くようにする必要があった。 ## 取り組み(設計判断) 判断をADR 2本に残した。 - トランスポートはQUICにした。接続の確立が速く、1つの接続で多重化でき、TLS 1.3を内蔵し、head-of-line blockingを避けられる。UDPが塞がれた環境には対応せず、TCPへのフォールバックは後のPhaseに回した。 - 暗号化は、Noise Protocol(Noise_XX_25519_ChaChaPoly_BLAKE2s)にした。TLSより軽く、CA(認証局)が要らず、Pure Goで実装できるため。 - 中断した転送は、完了したチャンクをチェックポイントに記録し、再開時に飛ばす。 ## 工夫 relayには、レート制限(作成は毎分5回、参加は毎分20回、IPごとの同時5セッション、セッションの期限は70秒)を入れた。リリースは、チェックサムをcosign(Sigstore keyless)で署名する。CIでは、テスト、Windows、統合テスト、govulncheck、gitleaksを回し、カバレッジの閾値を51%から65%に上げた。 ## 成果 LAN発見、relay、中断再開、署名付きリリースを実装した。カバレッジは、転送の中核(internal/transfer)で49.0%から76.4%、全体で57.1%から69.6%に上がった。 今後の課題として、実機での転送の動作確認の記録と、NAT越えの方式の決定記録を整える。文書間で、QUIC+TLS 1.3とNoise統一の記述が食い違っている箇所があり、統一が必要。 ## 使用技術 - 言語: Go - 通信・暗号: quic-go、Noise Protocol(flynn/noise)、BLAKE3 - 発見: mDNS(zeroconf)、CLI: cobra - リリース・CI: GitHub Actions、cosign、govulncheck、gitleaks、Docker

2026年/半年以内

Marketplace Lakehouse(Medallion 構成のデータ基盤)※個人開発

## 概要 架空のマーケットプレイスの注文・在庫・価格の3系統のデータを統合し、日次の売上、在庫リスク、価格異常を算出する、Medallion構成(Bronze・Silver・Gold)のデータ基盤の参照実装。PySparkとDelta Lakeで作り、データは合成データ(README記載)。 ## 課題 複数系統のデータを統合するとき、不正なレコードを黙って捨てると、数字が合わない原因が追えなくなる。不正を隔離して追跡でき、再実行しても結果が変わらない基盤の作り方を、実装で示したかった。 ## 取り組み(設計判断) - 3層に分けた。Bronzeは検証せずに保存し、Silverで検証・型変換・重複除去を行い、GoldはSilverからだけ集計する。 - 単一層のELTは、不正なレコードと欠損を区別できないため、却下した。 - 価格異常の検知は、MLを却下した(ラベル付きのデータがないため)。代わりに、変化率±30%以上という、明示的な閾値にした。 - Delta Lakeは、MERGEによる冪等性、time travel、履歴が得られるため選んだ。 ## 工夫 不正なレコードは、理由(_quarantine_reason)を付けた隔離テーブルへ移し、黙って捨てない。在庫のマイナス値は、隔離せず、negative_stockフラグを付けて残す。在庫リスクは、残り日数でCRITICAL(3日未満)とHIGH(7日未満)に分けた。 ## 成果 - テスト42件(Silver 14、Gold 12、Delta操作 11、品質 5)をCIで回している。 - 不正の隔離、重複注文の扱い、売上の計算、リスク区分、MERGEの冪等性などを、テストで検証している。 - 今後の課題(READMEの記載): バッチのみでストリーミングは未実証。本番規模の性能は未計測。Unity Catalogは未実装。PII、監視、アラートなど、本番向けの項目も未実装。 ## 使用技術 - 言語: Python 3.12 - データ処理: PySpark、Delta Lake、pandas、pyarrow - 表示・実行環境: Streamlit、Databricks - テスト・CI: pytest、GitHub Actions

マネージメント能力

アピール項目


アウトプット

GitHub アカウント
あり
Qiita アカウント
未入力です
Zenn アカウント
あり
Speaker Deck アカウント
未入力です
SlideShare アカウント
未入力です
特にアピールしたいアウトプット
あり

今後、身につけなければいけないと思っている技術は何ですか?

## 深めたい技術 - LLMアプリケーションの設計・評価(RAGパイプライン精度改善・評価基盤) - Rust(システムプログラミング・WebAssembly) - Kubernetes Operator / カスタムコントローラ設計 ## 新たに学びたい技術 - 分散システム設計(大規模トラフィック・データ処理) - eBPF(可観測性・セキュリティ) ## 活用を深めたい領域 - AIエージェントのマルチモデルオーケストレーション - プロダクト観点での技術選定・アーキテクチャ設計

あなたが一番パフォーマンスを出せるのはどんな環境ですか?

- **フルリモート・非同期コミュニケーション中心**(テキストで設計議論できる環境) - **オーナーシップが明確**な小規模チーム(担当領域を自分で決定・推進できる) - **本番環境へのアクセス権がある**(PoC止まりでなく、運用まで見られる) - **AIツールの活用が推奨・当然視されている**文化(Claude Code等を日常的に使える) - 課題の「Why」が共有されており、「How」は自分で考えられる裁量がある

生成AIの活用状況

日常的な情報収集・業務活用
ChatGPTやGeminiなどのチャットツールを、情報収集、ドキュメント作成、翻訳に日常的に活用
業務でコード補完系の生成AIを活用
GitHub Copilot等のコーディング支援ツール
業務でコード生成、コーディングエージェント系の生成AIを利用
コードレビュー、テストコード生成、デバッグに生成AIを活用
サービス・プロダクトへの応用
既存のサービスやプロダクトに生成AI(API利用など)を組み込み、LangChainやLlamaIndexなどのフレームワークを使った開発経験
生成AIをコアとした開発
生成AIを主要技術としたサービス・プロダクト・機能の企画や、RAGなどの高度な手法を用いた開発経験

キャラクター

直近で一番やりたいこと
技術を極めたい
好きなスタイル
一人で黙々
どちらかといえば一人で黙々
どちらともいえない
どちらかといえばみんなでワイワイ
みんなでワイワイ
好きな規模
小さい会社
どちらかといえば小さい会社
どちらともいえない
どちらかといえば大きい会社
大きい会社
自信を持って人より秀でていると言える点
学習能力 / 調整力 / 問題解決力
スキルのタイプ
ゼネラリスト
どちらかといえばゼネラリスト
どちらともいえない
どちらかといえばスペシャリスト
スペシャリスト
得意なフェーズ
0 → 1
どちらかといえば0 → 1
どちらともいえない
どちらかといえば10 → 100
10 → 100
会社を選ぶ一番の基準
一緒に働く人
やりたくない分野
未入力です
その他の特徴
使用言語にはこだわらない / 新しい技術はとりあえず試す / 多職種のバックグラウンドがある
その他のやりたいこと・やりたくないこと

## やりたいこと
- Go / Rust での設計・実装
- 顧客課題を上流から一気通貫で解くFDE的な仕事
- LLM / RAG をプロダクトに組み込む実装
- フルリモートでの自律的な働き方
- Claude Code等のAIエージェントを活用した開発

## やりたくないこと
- 客先常駐・SES契約
- 仕様書通りに作るだけの受託開発
- 出社必須・固定時間勤務

やりたい事

手を動かして設計してコードを書きたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
価値あるプロダクトを作り成長させたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
学び続けて技術力でプロダクトに貢献したい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
意義があることや社会に貢献できる仕事がしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
人や計画の調整・マネジメントをしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
レガシーなシステムの保守・運用・改善をしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
企画や仕様を考えるところから関わりたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
業務効率を改善して一緒に働く人のためになりたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
全社横断的な共通基盤作りや強化をしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
組織や文化を作る・成長させる仕事をしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい

基本プロフィール

年齢
今年で40代前半
好きなテキストエディタ
未入力です
希望勤務地
埼玉県 / 千葉県 / 東京都 / 神奈川県 / 愛知県 / 京都府 / 大阪府 / 兵庫県 / 福岡県 / リモート勤務
集まる必要性がない場合は基本リモートが許可される環境が必要
希望年収
800万円
ご意見箱

要望、不具合報告、使いづらい点や感想など、お気軽にお寄せください。
いただいたご意見は、今後のサービス向上に活用させていただきます。

なお、このフォームは受付専用のため、返信を行っておりません。
返信を希望する場合はお問い合わせよりご連絡ください。

  • {{error}}
転職ドラフトを友人や同僚に薦める可能性はどのくらいありますか?