ゆうじろう

# クラウド型AIエディタの開発 # ■チーム情報 スクラム形式（オーナー ＋ ３名） * マネージャー * デザイナー * 開発者 開発とプロジェクト責任者を担当 ## ■担当開発（フルスタック） * インフラ（AWS利用） * データーベース設計（Amazon Aurora利用） * フロントエンド・バックエンド間のAPI設計（GraphQL利用） * フロントエンド開発（Sveltekit利用） * バックエンド開発（PHP・nodejs・python・C++） * 解析系遅延処理（AWS Lambda利用） # ■1. エディタ機能の実装 ## 【概要】 tinyMCEとCodeMirrorライブラリを使用してエディタ部分のUIを実装 ## 【課題・問題点】 CodeMirrorのみで作成するとデザイナーさんのUI/UXを実現するためにコストが高くなる問題 ## 【解決】 tinyMCEを利用してデザイナーさんが納得するUIを実現し描画時間を短縮したい部分にCodeMirrorなど役割分担を行いました # ■2. テンプレート型・部分選択型・AIライティング開発 ## 【概要】 入力フォームを用意して、選択・入力することで高品質な文章を生成させる ## 【課題・問題点】 モデル自体のアップデートが頻繁に発生し、コストにも影響する問題 ## 【解決】 モデル自体のアップデートによる品質の検証、モデルAPIへのパラメータなども増えコストとの兼ね合いによる検証をスムーズに行える管理ツールの実装 # ■3. プロンプト管理などの管理者システム実装（プロンプト検証用） ## 【概要】 プロンプト自体の管理とコスト概要を確認できる管理者ページの実装 ## 【課題・問題点】 モデルのアップデート頻度が高いのでそれに合わせて最適なモデルを選びなおしプロンプトの調整する問題 ## 【解決】 テンプレート型などの検証ようにフォーム部分を共有しモデルの変更やプロンプトの調整が行える管理者用の管理システムを実装し技術者以外のメンバーによる検証を可能にしました

# インターネット上の類似・盗用チェックツールの開発 RAGのコアシステムと同じ設計で出力がグラフや数値を表示した構造です # ■チーム情報 スクラム形式（オーナー ＋ ３名） * マネージャー * デザイナー * 開発者 開発とプロジェクト責任者を担当 ## ■担当開発（フルスタック） * インフラ（AWS利用） * データーベース設計（Amazon Aurora利用） * フロントエンド・バックエンド間のAPI設計（GraphQL利用） * フロントエンド開発（Riotjs利用） * バックエンド開発（PHP・nodejs・python・C++） * 解析系遅延処理（AWS Lambda／AWS StepFunctions利用） # ■1. 検索の精度向上 ## 【概要】 元記事（検索対象）のキーフレーズを抽出してピンポイントでフレーズ検索を実行 ## 【課題・問題点】 キーフレーズの重要度が上位なフレーズだけだと人気のあるページが多くヒット ## 【解決】 pkeライブラリを利用してキーフレーズを抽出しました キーフレーズの重要度が下位のフレーズや中位のフレーズを利用した検索を使い精度を向上させました # ■2. 言い回しや倒置法への対応 ## 【概要】 類似した文章の検出機能の実装 ## 【課題・問題点】 完全一致だと文末表現や言い回しなどによる微妙な表現を変えた盗用がヒットしない問題 ## 【解決】 SentenceBERTを利用して分節ごとの類似性を比較して類似度として評価する仕組みに変更しました # ■3. Pythonによるリソース消費解決 ## 【概要】 Pythonを利用した箇所のCPU・メモリ消費量の改善 ## 【課題・問題点】 キーフレーズ(pke)やSentenceBERT（pyTorch）の部分によるCPUとメモリ消費増加によるコスト問題 ## 【解決】 ### 1. PKEの中身をC++で書き換えて速度とメモリ使用量を軽減 * 形態素解析：Mecab * 類似判定：faiss * ページランキング：自作 ### 2. pyTorchによる文章ベクトルの抽出の中身をC++で書き換えて速度とメモリ使用量を軽減 * 組み込みベクトル：llama.cppによるEmbeddingGemma * ベクトルIndex：faissによる類似判定

# インフラ最適化・パッケージ管理・AI自動化ツールの統括 社内向け問題解決ツール関連の開発 # ■チーム情報 * 開発者 開発とプロジェクト責任者を担当 ## ■担当開発（フルスタック） * Nodeパッケージ管理（Github Packages） * Dockerイメージ管理（Github Packages） * alpineパッケージ管理(AWS S3) * debianパッケージ管理(AWS S3) * centos/amazon linux2パッケージ管理(AWS S3) * 各言語へのbinding（C/C++） # ■1. AWSのインフラ構築支援ツールの作成 ## 【概要】 プログラマーによるAWS展開の支援ツール作成 ## 【課題・問題点】 プログラマーがパターン化しているインフラ環境をインフラ技術者に仕様書として提出するコスト問題 ## 【解決】 必須項目を予め内包しパターンを組み合わせてYaml形式で展開できるようにCDKなどを利用しプロジェクトに組み込んでGitActionで利用できるようにNodeパッケージとしてコマンド実行できるように設定しました # ■2. 社内向けライブラリのパッケージ管理 ## 【概要】 各プロジェクトで使っているDockerイメージに合わせて各OS向けのパッケージの管理 ## 【課題・問題点】 似た問題を独自にプログラムし重複したソースが散見してしまう問題 ## 【解決】 共通部分をまとめてGitに展開して検索しやすくし、利用時は各OSやnpmなどから簡単に利用できるようにしました 同様にOSSなどのライブラリを簡単に使えるようにbinding実装なども行いました # ■3. AI駆動開発（Copilot for VS Code）導入 ## 【概要】 コスト削減のためにAIによる成果物の取り入れ ## 【課題・問題点】 AIの作成した青果物によりAWSの利用コストが肥大化する問題 ## 【解決】 仕様書（ARCHITECTURE.md）のパターン化の作成や人間がひと目でわかるようにmermaidによるグラフの挿入などをスライドにまとめて開発チームと情報共有しました

# タグ設置型レコメンドリンク表示ツールの開発 # ■チーム情報 スクラム形式（オーナー ＋ ３名） * マネージャー * デザイナー * 開発者 開発とプロジェクト責任者を担当 ## ■担当開発（フルスタック） * インフラ（AWS利用） * データーベース設計（Amazon Aurora利用） * フロントエンド・バックエンド間のAPI設計（GraphQL利用） * フロントエンド開発（Riotjs利用） * バックエンド開発（PHP・nodejs・python・C++） * 解析系遅延処理（AWS Lambda／AWS RunTask／AWS StepFunctions利用） # ■1. レコメンドリンク表示Tagの作成 ## 【概要】 javascriptによるサイト設置用タグ ## 【課題・問題点】 * サーバー側のトラフィック量の増加 * 設置サイトの描画が遅延する ## 【解決】 * Amazon CloudFrontを利用してトラフィック量の増加に対応 * 表示遅延で設置サイトの描画を遅らせないイベント発火タグの作成 # ■2. ユーザー側のタグ管理ページ ## 【概要】 サイトへ設置すレコメンドリンク表示Tagの管理ページ ## 【課題・問題点】 * 入力情報をなるべく減らす * タグを勝手に使われないようにする ## 【解決】 システム側でサイトをクロールして情報を定期的に収集する仕組みで対応しその際に入力したサイトURLを元にタグを流用されないように構築 # ■3. GoogleSearchConsoleを利用したレコメンド ## 【概要】 GoogleSearchConsoleのデータを利用したレコメンドリストの作成 ## 【課題・問題点】 GoogleSearchConsoleの多様なデータ項目を無駄なく利用する必要性 ## 【解決】 Groonaネイティブ（in memory）により多彩な検索を実現してレコメンドリストを作成しました # ■4. ページの類似性を利用したレコメンド ## 【概要】 ページクロールを定期的に実行してページの組み込みベクトルからレコメンドリストを作成 ## 【課題・問題点】 GPUを使うとコストが高くなる問題 ## 【解決】 libTorchを利用してC++のマルチスレッド処理でCPUでの処理を実現しています