職務経歴書 / Resume

生成 AI / AI エージェントをプロダクトに組み込むバックエンドエンジニア。 直近 3 年は Rails / Python の API バックエンド開発を主軸とし、Claude Code / MCP / RAG を業務ワークフローに組み込んできた。 データ取得・編集判断・コンテンツ生成・配信までを一連の自動パイプラインとして実装・運用している。 RTX 4080（16GB VRAM）のローカル GPU で Stable Diffusion（img2img / inpainting）や RAG を自前実装し、クラウド API に閉じずモデル・パイプラインのレイヤで生成 AI を扱う。 その下地として、AWS / IaC / データ基盤を含むインフラ運用を長く担ってきた経験があり、AI を機能としてプロダクトに実装し運用まで一貫して担える。 新しいモデルやツールはローカル GPU と個人リポジトリで先行検証し、業務への適用可否を判断している。

基本情報

強み / Highlights

想定する役割とのフィット

力を発揮しやすい役割：

• 生成 AI を機能として組み込む 開発（LLM API / RAG / 画像生成 / ローカル GPU 推論を、プロダクトの機能やバックエンドに統合する役割）
• AI / Claude Code / MCP を業務ワークフローに組み込み、社内に展開していく取り組み
• Rails / Python の API バックエンド を主軸に、AI を機能としてプロダクトに統合する開発
• バックエンドに留まらず、IaC・データ基盤・アプリ層セキュリティまで含めた運用判断 が求められる場面
• 新規プロダクトを ゼロから動くシステムとして 立ち上げるフェーズ
• 新しい技術スタックを 早期検証して導入判断 につなげる役割
• CS / セールス / マーケなど 他職種と直接やり取りしながら、要件定義から設計・実装までを担う 上流寄りのポジション
• バックエンドを軸に、必要に応じて フロント / インフラ / LLM までカバーする ジェネラリスト寄りのポジション

フィットしにくい役割：

• 単一技術スタック（例: フロントエンド専業）での深い専門性が中心となる役割
• 大規模インフラ運用 / プラットフォームエンジニアリングの インシデント経験 が主軸となる評価
• 専任のインフラエンジニアとしてのフルタイム配属（現在の主軸はバックエンド開発）

プロフィール

生成 AI / AI エージェントのプロダクト統合を現在の中心領域とするエンジニア。Claude Code / MCP / RAG を業務ワークフローに組み込み、データ取得から編集判断・生成・配信までを一連の自動パイプラインとして運用している。あわせて RTX 4080 のローカル GPU で Stable Diffusion / RAG を自前実装し、生成 AI をモデル・パイプラインのレイヤで扱う。直近 3 年は Rails / Python の API バックエンド開発を主軸とし、その下地に AWS / Terraform / データ基盤を含むインフラ運用の経験を持つ。バックエンドに加えて IaC・可観測性・データパイプラインまで一人で担えるため、AI を機能としてプロダクトに実装し、運用まで通して担当できる。Discord / LINE / Slack への通知を組み合わせた「観察 → 通知 → 自動化」のサーバーレス常駐システムを複数構築・運用してきた。自分の課題を自身のコードで解くスタンスで、本業と並行して個人開発を続け、関心のあるドメインに小さなプロトタイプを当てて検証している。直近は、CS / セールス / マーケと直接やり取りしながら、曖昧な要望や顧客課題から要件を言語化し、技術観点で仕様を固め、設計・実装まで担当する場面が増えている。ビジネスサイドとエンジニア間の認識のずれを埋める役割も担っている。

直近の活動量（GitHub の数字で見る）

スタンス

• 動くものを最短で形にして検証する
• 広く浅く扱うより、日常的に書く技術の精度を上げる
• 「観察 → 通知 → 自動化」のパターンを生活と業務の双方に積み上げる
• 個人プロダクトで先行検証し、妥当なものを業務へ導入する
• AI を作業の補助に留めず、開発ワークフロー自体に組み込む

職務経歴

エンジニアとして約 10 年。直近 3 年はバックエンド開発が主軸で、その下地に長いインフラ運用の実務がある。期間が重複しているものは、本業と並行した副業 / 個人事業。

不動産テック企業（PropTech / BtoB SaaS）― バックエンドエンジニア（フロント / インフラも横断）

2024 年 4 月 - 現在 ／ 開発チーム約 6 名

社内のチケット駆動で、以下のいずれかの機能追加・改修・運用改善を回している。中でも 基幹サービスの Rails 製 API バックエンドには約 2 年にわたり主要コントリビューターの一人として継続的に関与 し、単発の機能実装にとどまらず、データモデル・ビジネスロジック・API レスポンスまでを横断して恒常的に手を入れている：

• Rails 製の API バックエンド（基幹サービスのデータモデルとビジネスロジック）
• Next.js 製のフロントエンドアプリ（エンドユーザー向け）
• 同じく Next.js ベースの管理コンソール（社内オペレーション・運用ツール）
• 埋め込み型ウィジェット（顧客サイトに組み込む JS 配信）
• 顧客サイト向けのチャットボット（LLM 連携を含む）
• 紹介プログラム / アライアンス連携機能

加えて、機能追加・運用課題の改善・問い合わせ対応のいずれも、CS / セールス / マーケとの上流すり合わせから関わることが増えている：

• 曖昧な要望や顧客課題から 要件を引き出して言語化。CS の手作業や問い合わせが多発している運用課題を、恒久対応として仕様に落とし込む
• 実現可否・優先度・代替案を技術観点から提示し、やる / やらない・今やる / 後でやる のスコープを合意。見積もりと仕様のだし込みまで担う
• 固めた仕様を DB / API / 画面まで自分で設計し、実装まで主担当として通す
• ビジネスサイドとエンジニアの言葉を翻訳して認識ズレを埋める 橋渡し を日常的に担い、手戻りとリリースまでのリードタイムを抑える

バックエンドでの関わり方の特徴：

• 単一機能の実装に閉じず、データモデル・サービス層・API レスポンス整形・入力検証・非同期処理・スキーマ変更・API 仕様ドキュメントまでバックエンドの縦のレイヤーを一貫して担当。あわせて、社内管理・事業者・外部連携など 利用者区分の異なる複数の API 面 をまたいで開発する
• 実装と並行して モデル / API リクエスト / サービス層 / 入力検証 / ワーカー / メーラーまで主要レイヤーのテストを厚く書き、テストデータ定義（FactoryBot）の整備も担当。チームでのコードレビュー・ペア作業・引き継ぎを前提としたフロー の中で開発を回している

利用技術: Ruby（Rails）/ Python（Scrapy ほか）／ Next.js ／ AWS ／ LLM ツール（Dify 等）

自営: データ事業（ソーシャルデータの収集・分析）― 代表 / 一人開発

2023 年 1 月 - 現在 ／ 一人

• ソーシャルメディアのデータ収集・分析基盤を自前で構築・運用
• Appium / Playwright によるブラウザ自動化・Android 自動化 を軸にデータ取得を自動化
• 生成 AI の自前実装: RTX 4080（16GB VRAM）のローカル GPU 上で Stable Diffusion パイプライン（img2img / inpainting、diffusers / PyTorch） を実装し、セグメンテーション（SAM3 / SegFormer）でのマスク生成・LoRA の利用と FluxGym / ai-toolkit での追加学習・Gradio UI までを構成。あわせて SD WebUI（Forge 系） を実行環境に使い、拡散ベースの動画生成モデル（Wan2.1 T2V 等）やオープンな TTS（Qwen3-TTS 等）もローカルで実行・検証。RAG（ChromaDB + LangChain）や Dify も応用検証

利用技術: Python / Ruby / JavaScript / Flutter ／ Django / Rails / Next.js ／ PyTorch / diffusers

音声 × AI スタートアップ（副業）― バックエンド / フロントエンドエンジニア

2024 年 11 月 - 2026 年 1 月

• 音声対話型 AI プラットフォーム（LLM を中核に据えた目的駆動型の対話 AI プロダクト）の開発に、バックエンド・フロントエンドの両面で参画
• FastAPI（バックエンド）／ Next.js（フロントエンド）／ OpenAI API（LLM 連携）／ Azure を用いた機能実装を担当
• 利用技術: Python（FastAPI）／ Next.js ／ OpenAI API ／ Azure

3D 広告プラットフォーム企業（アドテク・スタートアップ / 副業）― バックエンド / フロントエンドエンジニア

2024 年 6 月 - 2026 年 1 月 ／ 開発チーム 3 名

• 3DCG を用いたインタラクティブ広告の配信プラットフォーム（機械学習ベースの配信最適化、外部アドネットワーク連携を持つアドテク基盤）の開発・保守に、バックエンド・フロントエンドの両面で参画
• Rails 製バックエンドでの機能開発・保守と、Next.js 製フロントエンドの実装を担当。配信基盤を支える API / 管理面の開発に関与し、Kubernetes（GCP） 上で運用
• 利用技術: Ruby（Rails）／ JavaScript（Next.js）／ GCP ／ Kubernetes

サイバーセキュリティ専門企業（副業）― インフラ / バックエンド / フロントエンド

2022 年 11 月 - 2024 年 5 月 ／ 開発チーム 5 名

• 脆弱性診断・フォレンジック・ログ監視などのセキュリティ業務を支える社内ツール / 基盤の開発・運用に参画
• AWS / Terraform によるインフラ構築・運用をメイン担当し、FastAPI（バックエンド）／ Next.js（フロントエンド） の実装をサポート
• 利用技術: Python（FastAPI）／ Next.js ／ AWS ／ Terraform

Web3 ゲームプラットフォーム企業（スタートアップ / フリーランス）― インフラ / バックエンド / フロントエンド

2022 年 1 月 - 2023 年 4 月 ／ 開発チーム 10 名

• アーケードゲーム × NFT を題材にした Web3 ゲームプラットフォーム（ブロックチェーン連携・トークンエコノミーを持つ Play-to-Earn 型サービス）の開発に参画
• AWS / GCP / Terraform / Docker でのインフラ構築・運用をメイン担当し、Node.js（バックエンド）／ Next.js（フロントエンド） も横断的に対応
• 利用技術: Node.js ／ Next.js ／ AWS / GCP ／ Terraform ／ Docker

ヘルスケア系メディア企業（フリーランス）― インフラエンジニア

2019 年 4 月 - 2021 年 11 月 ／ 開発チーム 10〜20 名

• 患者向けの医療情報プラットフォーム（疾患・病院・医師の検索を中心とした、月間 1,800 万 UU 規模の Web メディア）のインフラを担当
• インフラの設計・構築・運用を一貫して担当しつつ、バックエンド / フロントエンドにも横断対応
• 約 2 年半で 15 サービス前後の新規構築・運用・リプレイスを実施
• 数十アカウントある AWS 環境の大部分に監視を導入し、安定性とパフォーマンスの向上に貢献
• 利用技術: Rails ／ Ansible / Packer ／ Docker ／ AWS / GCP ／ Terraform ／ Fastly / CloudFront ／ digdag / embulk

チャットコマース系スタートアップ（フリーランス）― バックエンド / テックリード / リーダー

2017 年 6 月 - 2019 年 4 月 ／ 10〜50 名規模

• LINE / Instagram 上で動く**会話型 AI 接客プロダクト（チャットコマース）**を提供する企業で、新規事業のリーダーを担当
• Django で構築されたサービスの Rails へのリプレイス・新規開発・運用 を一貫して担当
• DB 設計・仕様設計・実装・テストの全工程に加え、メンバーの採用・育成にも貢献
• 利用技術: Ruby / Python ／ Rails / Django ／ Azure ／ Terraform ／ Docker

大手ポータル運営企業 ― バックエンドエンジニア

2016 年 9 月 - 2017 年 6 月 ／ 5〜10 名規模

• 国内最大級のグルメレビューサイトの米国（北米）市場向け英語版の構築に参画。画面・機能の追加・改修をバックエンドとして担当
• 長年運用されてきた大規模 Rails サービスを土台に、北米ユーザー向けの英語版機能の開発・改修を実装
• 利用技術: Ruby（Rails）／ HTML / CSS / JavaScript / jQuery

クラシファイド系企業 ― バックエンドエンジニア

2016 年 6 月 - 2016 年 9 月 ／ 10〜50 名規模

• 地域密着型のクラシファイド（個人間取引・地域マッチングの掲示板）サービスの運用に参画。画面・機能の追加・改修をバックエンドとして担当
• Rails 製の大規模サービスを土台に、機能改修・運用を実装
• 利用技術: Ruby（Rails）／ HTML / CSS

AI マーケティング企業（データ分析スタートアップ）― 営業

2015 年 8 月 - 2016 年 5 月 ／ 1〜10 名規模

• AI / ビッグデータを活用したマーケティングソリューションを提供する企業で、新規顧客開拓の提案営業を一貫担当（資料作成・テレアポ・提案）
• 提案にあたり、R / Python / SQL を用いたデータ分析も自ら実施
• 利用技術: R / Python / SQL（データ分析）

経験のある AWS リソース

長い AWS 運用の中で実務利用してきたサービス群（カテゴリ別）：

代表的な個人プロジェクト（直近・抜粋）

規模や構成を数字・設計で示せるものを抜粋。いずれも企画・設計・実装・IaC・運用まで一人で担当している。

1. AI エージェントによる完全自動の編集・配信パイプライン

• 市況まとめ自動投稿エージェント（TypeScript / Bun / Remotion / Claude）
  • 毎朝、米国市場クローズ後のデータとニュースを取り込み、Claude Code エージェントが編集判断 → 画像 5 枚 + 60 秒動画 + 5 本スレッドを生成 → X へ自動投稿 までを 1 コマンドで完結
  • 編集判断を LLM に委ね、生成から配信までを自動で実行する構成として運用している
• OSINT 収集エージェント + ダッシュボード（Claude Code agents/skills + Next.js）
  • 名前 / SNS URL / 公式サイトのどれを起点にしても、HP と各 SNS 公式アカウントを相互解決して洗い出す
  • 収集は Claude Code のエージェント・スキル、閲覧は Next.js ダッシュボードが担当。両者は JSON ファイルの受け渡しだけでつなぎ、互いに依存しない構成にした。検証の有無（verified）と確からしさ（confidence）を分けて根拠を記録する設計

2. 投資スクリーニング・通知システム（Python / 完全自動運用）

• S&P 500 マルチ戦略スクリーナ: テクニカル・インサイダー取引・ニュース感情・アナリスト評価・ファンダメンタルズ・マクロの 5 層 × 16 戦略 で検知し、毎朝 Discord に統合配信。Python 3.12 / 31 モジュール / pytest 260+ 件 / GitHub Actions で無人運用
• エントリーポイント算出 + 決算カレンダー通知: 価格・ファンダメンタルズ・直近ニュースを統合スコアリングして判定を毎日配信。決算サプライズ検知・週次決算カレンダーを含む GitHub Actions 3 ワークフロー構成

3. データ分析: note.com 記事 3,494 件の統計分析

• PV API が存在しない note.com の記事本文 HTML を 62 次元の特徴量に分解 し、スキ数を従属変数として「何が伸びるか」を統計的に評価（Python / Janome 形態素解析 / Typer CLI / データセット 248MB）
• 分析結果を 16 セクションの深掘りレポート + 109 ページの PDF + 執筆プレイブックに整理し、自身のコンテンツ運用にフィードバック

主要スキル

実務 + 個人開発の両方で日常的に書ける言語・フレームワークのみを記載。

言語

LLM / AI / Agents 〔現在最も投資している領域〕

現在最も注力している領域。Claude Code を補助ツールに留めず、プロジェクトごとにエージェント基盤を設計する対象として扱っている。

• Anthropic SDK（Claude） / OpenAI SDK を直接叩くアプリ実装
• Claude Code のサブエージェント / スキル / スラッシュコマンド / フックを自作
  • .claude/agents/*.md（サブエージェント）・.claude/skills/*/SKILL.md（スキル）・.claude/commands/*.md・.claude/hooks/ をリポジトリ単位で設計・配置。直近で稼働している個人リポジトリの相当数がこれらを同梱し、役割ごとにスキル / サブエージェントを分割して構成している
  • 役割分担を切ったマルチエージェント構成（収集・解決・レビュー・実装・検証などをサブエージェントに分解）、SKILL.md + 補助スクリプトによる手順の再利用、フックによるガード（dry-run 強制・秘密情報チェック等）を実運用
  • 業務: コードレビュー・PR 作成・チケット起票・QA を専用サブエージェント / スキルに切り出して自動化
  • 個人: データ取込 → 編集判断 → 画像・動画・スレッド生成 → SNS 投稿までを自動実行するパイプライン、OSINT 収集エージェントなどを運用（上の「代表的な個人プロジェクト」参照）
• Claude in Chrome（Claude Code の Chrome 連携） でブラウザ操作をエージェントに委譲。ページ遷移・フォーム入力・要素操作・スクリーンショット・コンソール / ネットワーク観測を組み合わせ、画面操作を伴うタスクの自動化に活用
• MCP（Model Context Protocol）サーバ の自前実装（外部サービス連携用を複数）
• RAG（検索拡張生成）の実装
  • ChromaDB をベクタストア にした永続化（PersistentClient）、ドキュメントのチャンク分割 → 埋め込み → 類似検索（top-k）を構成
  • LangChain（langchain / langchain-community / langchain-chroma） で取り込み・検索・LLM 応答までを接続
  • 業務の 顧客サイト向けチャットボット と個人ツールの双方で、ナレッジを根拠付きで引く RAG パイプラインを実装
• LangChain / CrewAI で小規模エージェントを試作
• Whisper（OpenAI / @remotion/openai-whisper）による音声書き起こし
• 音声合成（TTS）: ElevenLabs（eleven_multilingual_v2 で多言語ナレーション・発音教材を生成。Rails のサービス層に組み込み、voice / model / 出力形式を指定して mp3 を生成・保存、RSpec で検証）と Google Cloud Text-to-Speech を用途で使い分け。あわせて オープン / ローカルの TTS（Qwen3-TTS 等） を Gradio でローカル実行し、用途に応じて比較検証

生成 AI / 画像生成 / ローカル GPU

クラウド LLM の API 利用に留まらず、RTX 4080（16GB VRAM）のローカル GPU で画像生成モデルを自前で動かし、パイプラインとして実装している。クラウドに送れないデータをローカル完結で処理でき、モデル選定・VRAM 最適化・パイプライン設計のレイヤで生成 AI を扱う。

• Stable Diffusion パイプラインの自前実装（diffusers / PyTorch）
  • txt2img / img2img / inpainting を Python で実装。AutoPipelineForInpainting / FluxFillPipeline を用途で切り替え
  • SDXL Inpainting / RealVisXL / FLUX.1-Fill / FLUX.2 を VRAM（12〜16GB）に合わせて選定し、16GB に収まるよう構成
  • CUDA / device 自動判定（torch.cuda.is_available()）など GPU 推論の実装 を一通り扱う
• 領域指定の画像編集（セグメンテーション連携）
  • SAM3（Segment Anything with Concepts） でテキストプロンプトから対象を検出してマスク生成、または SegFormer によるクラス別セマンティックセグメンテーションでマスクを自動生成し、inpainting と組み合わせる。SAM3 は画像セグメンテーションに加え、テキスト指定オブジェクトの動画トラッキングにも対応
• LoRA の利用と自作
  • 推論時に LoRA を動的ロード（複数スロット・トリガーワード自動挿入）して画風・対象を制御
  • FluxGym / ai-toolkit（ostris）/ kohya_ss・sd-scripts 等で LoRA・DreamBooth のファインチューニングを自分で実行した経験 があり、SDXL のキャラクター LoRA や Z-Image（Turbo）の LoRA を 16GB VRAM 向け設定で学習。データセットの自動キャプション → Gradio 製の学習 UI → 推論への組み込み まで一通り通している
• UI / 配信: Gradio で生成 UI を組み、生成画像をコンテンツ生成パイプライン（下記「動画 / コンテンツ自動生成」）に接続
• オープンモデルのローカル実行環境 / 周辺パイプライン
  • SD WebUI（Forge 系）/ ComfyUI（ノードベースのワークフロー） を画像生成の実行・検証環境として運用し、diffusers の自前実装と用途で使い分け
  • 拡散ベースの動画生成モデル（Wan2.1 T2V 等） をローカル GPU で実行・検証
  • 顔検出・顔補正・超解像（InsightFace / GFPGAN / CodeFormer 等） を組み合わせ、生成・編集の前後処理パイプラインを構成

バックエンド 〔直近 3 年の主軸〕

直近 3 年の開発時間の主軸。Rails と Python の両軸で API バックエンドを設計・実装し、業務でモダン構成を本番に投入してきた。LLM / RAG / 生成 AI を機能としてこのバックエンドに統合してきたことが、AI を実プロダクトの機能として組み込み運用する基盤になっている。

• Rails 7.x / 8.x
  • 業務メインスタック。複数の API バックエンドを設計・実装・運用
  • RSpec + FactoryBot、N+1 検出、エラートラッキング、jbuilder
  • rubocop-rails-omakase / Brakeman / bundler-audit による静的解析・脆弱性検査
• Python サーバーサイド
  • FastAPI / AWS Chalice / AWS Lambda（Python） で API・バッチを実装
  • Pydantic でのドメインモデリング、依存性注入、型駆動の設計
  • uv + ruff + mypy + pytest のモダン構成
• Next.js API Routes で TypeScript の薄い API・BFF レイヤを実装
• データストア: PostgreSQL（インデックス設計、JSONB）、Redis（キャッシュ・ジョブキュー）
• API 設計: REST、JSON Schema で入出力の形を統一、エラーハンドリング、認証認可、アクセス制限（Rate Limiting）、Webhook 受信
• モダンエンジニアリング: 型 + テスト + lint + format + 静的解析を CI に通す前提で書く

セキュリティ 〔バックエンドエンジニアとして日常的に踏まえる範囲〕

バックエンドエンジニアの守備範囲として、業務で日常的に扱っている領域：

• アプリケーション層: OWASP Top 10 を踏まえた Rails / Python の実装（XSS / CSRF / SQL injection / SSRF / オープンリダイレクト等への対策）
• 認証 / 認可: OAuth 2.0 / OIDC / JWT / セッション管理、RBAC / ABAC の設計
• 機密情報管理: AWS Secrets Manager / Parameter Store、.env 運用、CI シークレットの取扱い、キーローテーション
• 依存脆弱性管理: Dependabot、bundler-audit、Brakeman、pip-audit、npm audit を CI に組み込み、リリース前にゼロ違反を維持
• TLS / 証明書: ACM、Cloudflare、Let's Encrypt の運用
• WAF: AWS WAF / Cloudflare WAF の運用に関わった経験あり（専門で深掘りした領域ではなく、運用の一環として）
• インシデント対応の基本: ログ調査、影響範囲特定、Slack / Discord ベースのエスカレーション

別途、ネットワーク層・OS 層からの観察やリバースエンジニアリングは、業務外で個人的に取り組んでいる検証領域として下の「セキュリティ研究 / 通信解析 / モバイル root 化」セクション参照。

インフラ / クラウド 〔長く運用してきた下地領域〕

バックエンドの足元として、AWS + IaC を中心とした基盤構築・運用 を長く担ってきた。CI/CD・定時実行・通知連携・可観測性まで通して面倒を見られる。

• AWS（個人 + 業務で日常的に運用）
  • コンピュート: Lambda、EC2 + Docker、ECS、Fargate、Lightsail（Docker Compose 運用）
  • エッジ / 配信: CloudFront、S3（静的サイト + アセット）、Route 53
  • API / イベント: API Gateway、EventBridge（cron トリガ）、SQS、SNS
  • データストア: RDS（PostgreSQL）、ElastiCache（Redis）、DynamoDB
  • 権限 / ネットワーク: IAM、VPC、Security Group、Secrets Manager
• IaC
  • Terraform をメイン。Lambda / API Gateway / CloudFront+S3 / EC2+Docker / EventBridge cron などの再利用可能なテンプレを複数保有し、新規プロジェクトで使い回す
  • 状態管理は S3 + DynamoDB ロック
• コンテナ
  • Docker / Docker Compose を日常使用
  • AWS Chalice（Python サーバーレス API のフルライフサイクル管理）
• CI / CD
  • GitHub Actions: テスト・lint・ビルド・デプロイ・定時実行・通知の一連を組む
  • 本リポジトリも main への push を Cloudflare Pages へ自動デプロイ
• 可観測性 / 通知
  • Discord / LINE / Slack Webhook をベースにした サーバーレス常駐通知 を多数本番運用
  • CloudWatch Logs / Metrics、ログ転送、Lambda の x-ray（必要時）
• Cloudflare
  • Cloudflare Pages（静的サイト配信）、Workers
• 学習中・検証中: Kubernetes（スター先で 27 件、本番運用に向けて学習中）

データ基盤 / ワークフロー 〔業務で長く運用してきた領域〕

バッチ・ETL・ワークフロー領域は 業務での本番運用経験が長い：

• digdag: 依存関係を持つジョブを .dig で宣言的に記述、定時実行、リトライ制御、エラーハンドリング、SLA 監視
• embulk: RDB / CSV / API / S3 / BigQuery など 異種データソース間のバルク転送、スキーマ整合、差分転送
• Apache Airflow: Python ベースの DAG 設計、Sensor / Operator の組み合わせ、Executor 構成の選定
• 集計 SQL / 分析テーブル設計: CTE を使った変換、データ整合性チェック、再実行しても結果が壊れない設計
• ジョブ運用: 失敗時の Slack / Discord 通知、SLA 違反検知、リカバリ手順の Runbook 化、再実行設計

Web フロントエンド

• React 18 / 19、Next.js 14〜16（App Router / Server Components / Server Actions）
• Tailwind CSS v4、shadcn/ui、Radix UI、SWR、Zod、react-leaflet
• Astro 5（個人サイト・ブログ・LP・本リポジトリの HTML 出力）
• Vitest、Testing Library

動画 / コンテンツ自動生成

• Remotion 4.x を使った動画生成パイプライン
• 「テキスト → TTS → Whisper による単語タイムスタンプ → React で字幕レンダリング → mp4 出力」を組み合わせて、TikTok / SNS への配信を自動化
• 市況データ + LLM の編集判断から 画像・60 秒動画・スレッドを生成して X へ自動投稿 するエージェントを毎朝運用
• テンプレートを YAML / JSON で外出しし、データ駆動で生成する構成

ブラウザ拡張・自動化

• Chrome / Firefox 拡張（Manifest V3）: Plasmo を主に使用
• Playwright によるブラウザ自動操作と E2E テスト
• マルチアカウント切替 UI、コンテナタブ管理サイドバー、Page Visibility API 介入など、ブラウザ UX 改善の試作経験

セキュリティ研究 / 通信解析 / モバイル root 化〔業務外の個人研究領域〕

Web / モバイルアプリの挙動を ネットワーク層と OS 層から観察する ことに関心があり、以下を個人で運用：

• mitmproxy: ローカルプロキシ構成で、ブラウザ・モバイルアプリの通信をリアルタイムに観察 / 検証 / 記録
• Android root 化 / Magisk: Pixel 系端末を fastboot + Magisk で root 化し、Frida など root 専用解析ツールを動かせる環境を維持。ファクトリーリセット後に Magisk 環境を 1 コマンドで戻せるよう、セットアップを Python スクリプト + Markdown ドキュメントでコード管理（個人リポジトリ）
• モバイル UI 自動化: ADB / uiautomator2 / Appium / Maestro でネイティブアプリを操作し、トークン取得や挙動再現を自動化
• APK / IPA 解析: 既存アプリの通信仕様を mitmproxy + Frida で観測してから、自前クライアントを実装するワークフロー
• Web 挙動のカスタマイズ: ブラウザ拡張（Manifest V3）+ Page Visibility API オーバーライド + コンテナタブ分離など、Web 側の挙動をクライアントから調整する 手段の蓄積

セキュリティ研究そのものを業務にした経験はないが、これらの経験は 不審通信の早期検知 / 内製クライアントの仕様調査 / 自社サービスのセキュリティ観点でのレビュー などに直接活きる。

モバイル / デスクトップ

• Expo / React Native: 個人プロダクトの機能検証
• Flutter（Dart）: 学習用アプリのプロトタイプ
• Tauri、Electron、Nextron: 専用ブラウザの試作

よく使うアーキテクチャパターン

個人 / 業務で繰り返し書いている、安定したテンプレ：

興味関心の領域

業務とは別に「自分の生活・学習・趣味の課題」を起点に小さなプロダクトを作るのが好きで、共通して 「観察 → 通知 → 自動化」 のパターンを各ドメインに当てている。以下は 技術スタックの濃さ順 で並べた領域別の取り組み（上位ほど深掘りしている領域）：

A. 技術的に深掘りしている領域（コア）

1. AI エージェント / 生成 AI / LLM 応用

Anthropic / OpenAI / LangChain / CrewAI を使ったエージェントを継続的に作っている。業務では Claude Code を CLI / フック / スキル / MCP として業務ワークフローに組み込み、コードレビュー・PR 作成・タスク起票を自動化。個人では、エージェントに編集判断を委ね、画像・動画・スレッドの生成から SNS 投稿までを自動実行するパイプラインや、OSINT 収集エージェント + ダッシュボードを運用している。エージェントに委ねる範囲をどこまで広げられるかの検証が現在の中心。スター先には claude-trading-skills / claude-skills / microsoft/agent-framework / microsoft/autogen / stagehand などが並ぶ。

さらに クラウド API に閉じない生成 AI にも投資している。RTX 4080（16GB VRAM）のローカル GPU で Stable Diffusion（img2img / inpainting）を diffusers / PyTorch で自前実装 し、SDXL / RealVisXL / FLUX.1-Fill を VRAM に合わせて使い分け、セグメンテーション（SAM3 / SegFormer）でのマスク生成・LoRA の利用と FluxGym / ai-toolkit での追加学習・Gradio UI までを通して構成。RAG（ChromaDB + LangChain） も業務・個人の双方で実装しており、「生成 AI を API 利用に留めず、モデル選定・VRAM 最適化・パイプライン設計のレイヤから組む」ことが現在の関心の中心。

2. インフラ / IaC テンプレの継続メンテ

下地としてのインフラ領域（上の「インフラ / クラウド」セクション参照）を、個人開発の文脈でも常に最新化している。Terraform / Lambda / Chalice / Lightsail / Docker Compose の最小構成サンプルを継続的に組み直し、AWS の新機能 / Cloudflare Pages / HashiCorp Vault などを取り込む。新規プロジェクトはここから雛形を持ってきて始める。

3. 米国株式市場の観察とスクリーニング

S&P 500 を対象に、テクニカル・インサイダー取引・ニュース感情・アナリスト評価・ファンダメンタルズ・マクロの 5 層 × 16 戦略のマルチ戦略スクリーナ（pytest 260+ 件）や、エントリーポイント算出・決算サプライズ検知・決算カレンダーの通知パイプラインを Python + GitHub Actions / AWS Lambda で毎日運用。yfinance / OpenBB / pandas / ta / Pydantic の組み合わせに慣れており、市況コンテンツの自動生成・配信（上の「代表的な個人プロジェクト」参照）まで AI と組み合わせて展開している。

4. 動画 / コンテンツ自動生成パイプライン

Remotion + TTS（ElevenLabs / Google）+ Whisper + LLM を組み合わせ、学習コンテンツや市況コンテンツの動画を継続的に生成する個人パイプラインを運用。テンプレートを YAML / JSON で外出しし、データ駆動で生成する構成を採る。生成 AI とコンテンツ生成を組み合わせた領域。

5. ブラウザ自動化 / Chrome・Firefox 拡張

Plasmo / Manifest V3 で拡張を書き、Playwright / Stagehand 系で Web の挙動を観察する。字幕翻訳と単語抽出、コンテナタブ管理のサイドバー UI、バックグラウンド再生の維持、マルチアカウント分離など、ブラウザ UX をクライアント側から作り変える 取り組みを継続している。

6. セキュリティ研究 / mitmproxy / Android root 化

「通信を観る」「OS を理解する」ことを目的とした個人研究。mitmproxy で通信を観察し、Pixel 端末を Magisk で root 化、ADB / Appium / Maestro でモバイル UI を自動化、APK の通信仕様を観測してから自前クライアントを実装する、という流れを個人プロジェクトで継続している。ファクトリーリセット後の Magisk セットアップを Python スクリプト 1 つで再現できるようコード管理するなど、再現性も意識している。

B. 件数が多い実験場（量で技術を試した領域）

7. Web / ブラウザ自動化の総合実験場（SNS / X 周辺）

個人開発で最も多く取り組んできた領域。マルチアカウント運用、Chrome / Firefox 拡張、Playwright / ADB / Appium / Maestro、複数 API クライアントのラッパ、コンテナ分離・専用ブラウザの試作など、Web × 拡張 × モバイル × デスクトップを横断する自動化技術を幅広く試してきた。Highlights 6 の複数ドメインへの横展開や、上のブラウザ自動化 / セキュリティ研究の下地はここにある。

8. 言語学習プラットフォーム（韓国語・中国語・多言語）

韓国語・中国語の学習者として、自分が必要とする教材・アプリ・コンテンツを自作している。語彙データベース、カリキュラム整合性チェッカー、ElevenLabs / Google TTS + Whisper による多言語の発音教材生成、Remotion による解説動画の生成、モバイル / Web の学習 UI など、コンテンツパイプライン側の経験を重ねてきた。

C. プライベートな興味（一般化しにくい個人領域）

9. 生活体験を改善する小さな道具

街の食べ歩きマップ、スポーツ施設の予約空き監視、公園情報の収集、外食ジャンルの口コミ集計など、自分が毎週使うもの を作って育てている。Next.js + Leaflet / React-Leaflet、Tailwind v4、Vitest などのモダンな Web スタックを試す場としても役立っている。

10. コミュニティ・サークル運営の設計

個人で関わるリアルコミュニティ（言語学習・趣味系）について、要件定義・差別化・KPI・運営ロードマップをドキュメント化したり、参加者属性データを分析するプロジェクトを試している。プロダクト企画寄りの取り組み。

ウォッチ中・学んでいる領域

スター済みリポジトリ 746 件 のジャンル分布から、業務に持ち込みたい・学習中の領域を抜き出すと：

（ジャンルはキーワードによる重複ありの分類。）直近スターした上位には claude-trading-skills / claude-skills / anthropics/financial-services / microsoft/agent-framework / andrej-karpathy-skills / microsoft/autogen / stagehand / velite（コンテンツのデータレイヤ化） / edgartools（SEC EDGAR） / mangum（Lambda + ASGI） などが並び、AI / 金融 / エージェント / インフラの交点が現在の中心領域。

価値観・働き方

• 動くものを最短で作って検証する。要件を完全に固める前に、まず動く形にして妥当性を確かめる。
• よく使う技術を深掘りする。広く浅く触るより、TypeScript / Python / Ruby など日常的に書く技術の精度を上げる。
• 個人プロダクトを検証環境にする。新しい React / Next.js / テストランナー / LLM API は、個人リポジトリで先行検証してから業務に導入する。
• 観察 → 通知 → 自動化。Slack / Discord / LINE への通知を起点とした小さな自動化を、生活と業務の双方に積み上げる。
• 着手したものを最後まで通す。チケット駆動で、合意したスコープをリリースまで完了させることを重視する。
• AI を継続的に検証する。新しいモデル・エージェント・ツールは、ローカル GPU や個人リポジトリで一次検証してから業務適用の可否を判断する。この習慣が、AI を実務へ落とし込む際の引き出しと判断軸になっている。